1. 四种图形系统
如下是R中经常使用的四种图形系统：
后续将用三个数据集解释ggplot2的使用：
- 第一个是从lattice包中的singer数据集，它包括纽约合唱团歌手的高度和语音变量。
- 第二个是在本书中已经使用过的mtcars数据集，它包含32辆汽车的详细信息。
- 最后一个是在第8章中讨论的car包中的Salaries数据集。Salaries数据集包含大学教授的收入信息，并用来探索性别差异对他们收入的影响。
2. ggplot2 包介绍
在ggplot2中，图是采用串联起来（+）号函数创建的。每个函数修改属于自己的部分。下面给出了一个最简单的例子：
- 示例1：简单示例
- ggplot初始化图形并指定要用到的数据来源data,和变量aes(aes:aesthetics 视觉呈现信息)
- aes()函数指定每个变量扮演的角色
- geom_point()表示创建一个散点图
- labs()函数是可选函数，可添加注释(包括轴标签和标题)
ggplot(data=mtcars,aes(x=wt,y=mpg)) +
geom_point() +
labs(title="Automobile Data",x="Weight",y="Miles Per Gallon")
- 示例2
- geom_point函数中，pch=17表示三角形，size=2点的大小加倍
- geom_smooth()函数增加了一条平滑的曲线，这里需要线性拟合(method=”lm”),红色的虚线
ggplot(data=mtcars,aes(x=wt,y=mpg)) +
geom_point(pch=17,color="blue",size=2) +
geom_smooth(method="lm",color="red",linetype=2) +
labs(title="Automobile Data",x="Weight",y="Miles Per Gallon")
- 示例3：分组和小面化(faceting)
分组指在一个图形中显示两组或多组结果，小面化是再单独并排的图形上显示观察组。 ggplot2包在定义组或面时使用因子。
先需要将am(手动，自动)，vs(V型发动机与直列式发动机)，cyl(发动机气缸数量)转化为因子
mtcars$am <- factor(mtcars$am,levels = c(0,1),
labels = c("Automatic","Manual"))
mtcars$vs <- factor(mtcars$vs,levels = c(0,1),
labels = c("V-Engine","Straght Engine"))
mtcars$cyl <- factor(mtcars$cyl)
ggplot(data=mtcars,aes(x=hp,y=mpg,shape=cyl,color=cyl)) +
geom_point(size=3) +
facet_grid(am~vs) +
labs(title="Automobile Data by Engine Type",x="Horsepower",y="Miles Per Gallon")
参考上面图，包含了变速箱类型，发动机类型每个组合的分离的离散点，每个点的颜色形状表示发动机气缸的数量。 在本例中，am和vs是刻面变量，cyl是分组变量。
3. 用几何函数指定图的类型
ggplot()函数指定要绘制的数据源和变量，几何函数则指定这些变量如何在视觉上进行表示(使用点/条/线/阴影区)，下面是常见的几何函数。
如下是几何函数的常见选项：
- 示例1：
data(singer,package = "lattice")
ggplot(data=singer,aes(x=height)) + geom_histogram()
- 示例2：
ggplot(data=singer,aes(x=voice.part,y=height)) + geom_boxplot()
上图可以看到，低音歌唱家的身高，比高音的更高。
创建直方图只用指定变量x，y默认为count，但创建箱线图变量时，变量x和y都需要指定。
- 示例3，不同学术地位对应薪水的缺口箱线图。
- 实际的观测值(教师)是重叠的，因而给了一定的透明度0.5.
- 使用了抖动jitter以减少重叠。
- 最后一个地毯图在左侧显示薪水的一般扩散。
#install.packages("car")
data(Salaries,package = "car")
ggplot(data=Salaries,aes(x=rank,y=salary)) +
geom_boxplot(fill="cornflowerblue",
color="black",notch=TRUE) +
geom_point(position = "jitter",color="blue",alpha=.5) +
geom_rug(side="1",color="black")
从上图可以看出，助理教授/副教授/教授的工资显著不同。