I. 導論

1 什么是ggplot2

ggplot2是用于繪圖的R語言擴展包，其理念根植于《Grammar of Graphics》一書。它將繪圖視為一種映射，即從數學空間映射到圖形元素空間。例如將不同的數值映射到不同的色彩或透明度。該繪圖包的特點在于并不去定義具體的圖形（如直方圖，散點圖），而是定義各種底層組件（如線條、方塊）來合成復雜的圖形，這使它能以非常簡潔的函數構建各類圖形，而且默認條件下的繪圖品質就能達到出版要求。

2 與lattice包的比較

ggplot2和lattice都屬于高級的格點繪圖包，初學R語言的朋友可能會在二者選擇上有所疑惑。從各自特點上來看，lattice入門較容易，作圖速度較快，圖形函數種類較多，比如它可以進行三維繪圖，而ggplot2就不能。ggplot2需要一段時間的學習，但當你跨過這個門檻之后，就能體會到它的簡潔和優雅，而且ggplot2可以通過底層組件構造前所未有的圖形，你所受到的限制只是你的想象力。

建議兩種繪圖包都可以研究一下。如果時間緊張，需要在一兩天之內為論文做一張圖，那么推薦用lattice，如果時間充裕，推薦學習ggplot2。

3 基本概念

• 圖層（Layer）：如果你用過photoshop，那么對于圖層一定不會陌生。一個圖層好比是一張玻璃紙，包含有各種圖形元素，你可以分別建立圖層然后疊放在一起，組合成圖形的最終效果。圖層可以允許用戶一步步的構建圖形，方便單獨對圖層進行修改、增加統計量、甚至改動數據。
• 標度（Scale）：標度是一種函數，它控制了數學空間到圖形元素空間的映射。一組連續數據可以映射到X軸坐標，也可以映射到一組連續的漸變色彩。一組分類數據可以映射成為不同的形狀，也可以映射成為不同的大小。
• 坐標系統（Coordinate）：坐標系統控制了圖形的坐標軸并影響所有圖形元素，最常用的是直角坐標軸，坐標軸可以進行變換以滿足不同的需要，如對數坐標。其它可選的還有極坐標軸。
• 位面（Facet）：很多時候需要將數據按某種方法分組，分別進行繪圖。位面就是控制分組繪圖的方法和排列形式。

4 一個例子

下面用ggplot2包內帶的汽車測試數據（mpg）來舉個例子，用到的三個變量分別是發動機容量(displ)、高速公路上的每加侖行駛里數(hwy)、汽缸數目(cyl)。首先加載ggplot2包，然后用ggplot定義第一層即數據來源。其中aes參數非常關鍵，它將displ映射到X軸，將hwy映射到Y軸，將cyl變為分類數據后映射為不同的顏色。然后使用+號添加了兩個新的圖層，第二層是加上了散點，第三層是加上了loess平滑曲線。

library(ggplot2)
p <- ggplot(data=mpg,aes(x=displ,y=hwy,colour=factor(cyl)))
p + geom_point() + geom_smooth()

上圖是對幾種不同汽缸的數據分別平滑，如果需要對整體數據進行平滑，可將colour參數設置在散點圖層內而非第一層，這樣第三層的平滑圖形就不會受到colour參數的影響。

p <- ggplot(mpg,aes(x=displ,y=hwy))
p + geom_point(aes(colour=factor(cyl))) + geom_smooth()

II. 圖層控制與直方圖

ggplot2使用圖層將各種圖形元素逐步添加組合，從而形成最終結果。第一層必須是原始數據層，其中data參數控制數據來源，注意數據形式只能是數據框格式。aes參數控制了對哪些變量進行圖形映射，以及映射方式，aes是Aesthetic的縮寫。

下面我們來繪制一個直方圖作為示例。數據集仍采取mpg，對hwy變量繪制直方圖。首先加載了擴展包，然后用ggplot函數建立了第一層，hwy數據映射到X軸上；使用+號增加了第二層，即直方圖對象層。此時p被視為一種層對象，使用summary函數可得到關于它的更多信息，print(p)命令即可進行繪圖。

p <- ggplot(data = mpg,aes(x = hwy))
p <- p + geom_histogram()
summary(p)

 
data: manufacturer, model, displ, year, cyl, trans,
  drv, cty, hwy, fl, class [234x11]
mapping:  x = hwy
faceting: facet_grid(. ~ ., FALSE)
-----------------------------------
geom_histogram:
stat_bin:
position_stack: (width = NULL, height = NULL)

上面的信息告訴我們，p對象含有兩層，第一層數據層描述了變量和映射方式，第二層是直方圖對象（geom_histogram），geom表示幾何對象，它是ggplot中重要的圖層控制對象，因為它負責圖形渲染的類型。geom_histogram是圖形渲染類型的一種，其它類型可參見官網。

每個geom對象都需要有數據輸入，數據可以從第一層中自動讀取，也可以在aes參數中直接設置。而且每個geom還默認搭配某種統計變換（stat），geom_histogram的默認統計變換是stat_bin。它負責對數據進行分組計數。

下面我們嘗試兩種更為復雜的直方圖，首先將數據按照year這個變量劃分為兩組，用不同的顏色繪制直方圖，而且用頻率而非計數來刻畫Y軸，并添加密度曲線。

p <- ggplot(mpg,aes(hwy))
p + geom_histogram(position = 'identity',
alpha=0.5,
aes(y = ..density..,
fill = factor(year))) +
stat_density(geom = 'line',
position = 'identity',
aes(colour = factor(year)))

如果想將兩個直方圖分開繪制，也可以使用facet_grid參數，結果如下圖所示。

III. 位置調整與條形圖

位置調整（Position adjustments）是針對同一圖層內元素的位置進行微調的方法。它包括五種設置，分別是stack、dodge、fill、identity、jitter。

我們用條形圖來展示其用法，仍使用mpg數據集，其中用到的變量是class，即生產汽車的類型，以及year生產年份。下面的條形圖是將各類型的汽車數量進行匯集，并以年份作為分組變量。我們首先載入擴展包，然后用頻數表對數據進行大致的了解，最后繪制了四種條形圖。

library(ggplot2)
with(mpg,table(class,year))
p <- ggplot(data=mpg,aes(x=class,fill=factor(year)))
p + geom_bar(position='dodge')
p + geom_bar(position='stack')
p + geom_bar(position='fill')
p + geom_bar(position='identity',alpha=0.3)

可以看到dodge方式是將不同年份的數據并列放置；stack方式是將不同年份數據推疊放置，這也是geom_bar的默認處理方式；fill方式和stack類似，但Y軸不再是計數，而是以百分比顯示；identity方式是不做任何改變直接顯示出來，所以需要設置透明度才能看得清楚。

geom_bar是繪制條狀幾何對象，所以也可以用不經匯集的原始數據進行繪圖。下面我們用2001到2010年間的美國GDP增長率舉個例子。

y=c(1.1,1.8,2.5,3.6,3.1,2.7,1.9,-0.1,-3.5,3.0)
x=2001:2010
data=data.frame(x,y)
p=ggplot(data,aes(x,y,fill=y))
p+geom_bar(stat="identity")+ 
    geom_abline(intercept = 0, slope = 0,size=1,colour='gray')+
    geom_text(aes(label=y),hjust=0.5, vjust=-0.5 )+
    scale_y_continuous(limits=c(-3.8,4.2))+
    labs(x='年份', y='GDP增長率%')+
    opts(title = "美國GDP增長率")

IV. 散點圖

1 色彩和形狀的控制

數據特征不僅可以用坐標來表示，也可以用不同的色彩或形狀來表示。仍以mpg數據集為例，所用到的變量有cty（城市中行駛距離）,hwy（高速路行駛距離）,displ（排量大小）,year（生產年份）

library(ggplot2)
p <- ggplot(mpg, aes(cty, hwy))
p1 <- p + geom_point(aes(colour = factor(year),shape = factor(year), size = displ), alpha = 0.6, position = 'jitter')
print(p1)

我們將1999年生產車型用紅色圓形表示，2008年用蘭色三角形表示，排量用圖形的大小表示，并且設置了透明度和jitter以避免樣本點之間的重疊。可觀察到2008年生產的大排量車型較多，從而油耗較高，單位油耗行駛距離較短。

2 坐標的控制

上圖右上角數據點較為稀疏，這種情況下可用對數變換。為了演示ggplot2對圖形坐標的控制，我們對X軸和Y軸均進行對數變換，然后對X軸的坐標顯示加以限制，只顯示X軸數據的均值，以及一倍標準差的坐標。

cty.mean=with(mpg,mean(cty))
cty.sd=with(mpg,sd(cty))
p1 + scale_x_continuous(trans='log',breaks=c(cty.mean-cty.sd,cty.mean,cty.mean+cty.sd), labels=c("high", "mean", "low")) + scale_y_continuous(trans='log')

3 文字說明

利用geom_text函數可添加文字說明以增強圖形的可讀性

p <- ggplot(mtcars, aes(x=wt, y=mpg,colour=factor(cyl),label=rownames(mtcars)))
p + geom_text(hjust=0,vjust=-1,alpha=0.8)+ geom_point(size=3,aes(shape=factor(cyl)))

4 矩陣散點圖

ggplot2包中也提供了矩陣散點圖函數

plotmatrix(USArrests)+geom_smooth()

V. 時間序列

ggplot2包也能對時間序列數據繪圖，但在處理上需要有些注意的地方。下面我們以上證指數為例進行作圖，首先利用quantmod包從yahoo數據源獲取從1997年以來的數據，存于變量SSEC中，抽取收盤數字，然后分別提取時間數據和指數數值，繪圖結果如下圖。

library(quantmod)
library(ggplot2)
getSymbols('^SSEC',src='yahoo',from = '1997-01-01')
close <- (Cl(SSEC))
time <- index(close)
value <- as.vector(close)
p <- ggplot(data.frame(time,value),aes(time,value))
p + geom_line()

我們希望能夠在圖中加入一些其它的說明元素，以豐富視圖中所包含的信息。這些信息包括用不同的顏色區塊來表示“江核心”和“胡核心”的執政時期，以及對中國證券市場的若干大事件進行標注。最后的代碼和結果如下。

yrng <- range(value)
xrng <- range(time)
data <- data.frame(start=as.Date(c('1997-01-01','2003-01-01')),end=as.Date(c('2002-12-30','2012-01-20')),core=c('jiang','hu'))
timepoint <- as.Date(c('1999-07-02','2001-07-26','2005-04-29','2008-01-10','2010-03-31'))
events <- c('證券法實施','國有股減持','股權分置改革','次貸危機爆發','融資融券試點')
data2 <- data.frame(timepoint,events,stock=value[time %in% timepoint])

p + geom_line()
  + geom_rect(aes(NULL,NULL,xmin = start, xmax = end, fill = core),ymin = yrng[1],ymax=yrng[2],data = data)
  + scale_fill_manual(values = alpha(c('blue','red'),0.2))
  + geom_text(aes(timepoint, stock, label = events),data = data2,vjust = -2,size = 5)
  + geom_point(aes(timepoint, stock),data = data2,size = 5,colour = alpha('red',0.5))

項目主頁：http://www.baiduhome.net/lib/view/home/1410081720011