R語言數(shù)據(jù)可視化概述(基于ggplot2)

ggplot2是R語言最為強大的作圖軟件包，強于其自成一派的數(shù)據(jù)可視化理念。當(dāng)熟悉了ggplot2的基本套路后，數(shù)據(jù)可視化工作將變得非常輕松而有條理。

本文主要對ggplot2的可視化理念及開發(fā)套路做一個總體介紹，具體繪圖方法(如折線圖，柱狀圖，箱線圖等)將在后面的文章中分別進行講解。

核心理念

1. 將數(shù)據(jù)，數(shù)據(jù)相關(guān)繪圖，數(shù)據(jù)無關(guān)繪圖分離

這點可以說是ggplot2最為吸引人的一點。眾所周知，數(shù)據(jù)可視化就是將我們從數(shù)據(jù)中探索的信息與圖形要素對應(yīng)起來的過程。

ggplot2將數(shù)據(jù)，數(shù)據(jù)到圖形要素的映射，以及和數(shù)據(jù)無關(guān)的圖形要素繪制分離，有點類似java的MVC框架思想。這讓ggplot2的使用者能清楚分明的感受到一張數(shù)據(jù)分析圖真正的組成部分，有針對性的進行開發(fā)，調(diào)整。

2. 圖層式的開發(fā)邏輯

在ggplot2中，圖形的繪制是一個個圖層添加上去的。舉個例子來說，我們首先決定探索一下身高與體重之間的關(guān)系；然后畫了一個簡單的散點圖；然后決定最好區(qū)分性別，圖中點的色彩對應(yīng)于不同的性別；然后決定最好區(qū)分地區(qū)，拆成東中西三幅小圖；最后決定加入回歸直線，直觀地看出趨勢。這是一個層層推進的結(jié)構(gòu)過程，在每一個推進中，都有額外的信息被加入進來。在使用ggplot2的過程中，上述的每一步都是一個圖層，并能夠疊加到上一步并可視化展示出來。

3. 各種圖形要素的自由組合

由于ggplot2的圖層式開發(fā)邏輯，我們可以自由組合各種圖形要素，充分自由發(fā)揮想象力。

基本開發(fā)步驟 

1. 初始化 – ggplot()

這一步需要設(shè)定的是圖的x軸，y軸和”美學(xué)特征”?；拘问饺缦拢?/span>

1

p <- ggplot(data = , aes(x = , y = ))

這一步里，設(shè)置x軸和設(shè)置y軸很好理解。那么”美學(xué)特征”又是什么呢？

舉個例子來說，下面這張散點圖里，x軸表示年齡，y軸表示身高，很好理解：

但這張圖除了展示年齡和身高的關(guān)系，還展示出每個樣本點的體重：顏色越深表示體重越大。因此體重信息和年齡身高一樣，也需要綁定到一個具體的列。這一列就是散點圖中的”美學(xué)特征”。

來看看R語言繪制代碼：

1

ggplot(heightweight, aes(x=ageYear, y=heightIn, colour=weightLb))+geom_point()

其中的colour參數(shù)就是該圖的”美學(xué)特征”。

再比如，下面這張柱狀圖中，x軸表示日期，y軸表示權(quán)重，很好理解：

但這張圖中每個日期對應(yīng)了兩個不同的權(quán)重并采用兩個柱狀來對比，那么這個劃分依據(jù)也是另一個“美學(xué)特征”。

再看看繪制代碼：

1

ggplot(cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar))+geom_bar(position="dodge", stat="identity")

其中的fill參數(shù)就是該圖的”美學(xué)特征”。

綜上所述，圖中的每個樣本點除了通過它的坐標(biāo)位置，還可以以其他形式展示信息，比如大小，色深，分組等。而這些新形式需要綁定的列，便叫做”美學(xué)特征”。

“美學(xué)特征”的形式和x，y軸一樣是以列的形式給出，且列中元素個數(shù)和x，y軸列必然相等。它的設(shè)置也和x，y軸一樣在ggplot()函數(shù)的aes參數(shù)括號內(nèi)進行。

2. 繪制圖層 – geom_bar()/geom_line()等等

上一步的主要工作是為數(shù)據(jù)可視化配置好了數(shù)據(jù)，接下來便可根據(jù)業(yè)務(wù)的需要來繪制不同的圖，如折線圖/柱狀圖/散點圖等等。具體的實現(xiàn)方法在后面的章節(jié)中會細(xì)致講解，這里重點提一下繪圖函數(shù)里的stat參數(shù)。這個參數(shù)是對沖突樣本點做統(tǒng)計，該參數(shù)默認(rèn)為identity，表示保留樣本點原(y)值，還可以是sum，表示對出現(xiàn)在這點的(y)值進行求和等等。

3. 調(diào)整數(shù)據(jù)相關(guān)圖形元素 – scale系列函數(shù)、某些專有函數(shù)

在ggplot2中，scale標(biāo)尺機制專門負(fù)責(zé)完成數(shù)據(jù)到圖像元素的映射。也許你會問，”美學(xué)特征”不是已經(jīng)定義好了這個映射嗎？然而事實是”美學(xué)特征”只是選定了映射前的數(shù)據(jù)，并沒有說明具體映射到什么圖形元素。

舉個例子，假如某張表記錄了不同種類水池的長，寬，深信息?，F(xiàn)在需要繪制不同種類下水池長和寬關(guān)系的柱狀圖，那么初始化完成的是這個映射：

而scale函數(shù)完成的是這個映射：

顯然a映射為了紅色，b映射為了藍(lán)色。

也許你還會問，我的代碼不用scale，那么映射是如何完成的呢？答曰系統(tǒng)有默認(rèn)映射的，就像繪圖函數(shù)都有默認(rèn)參數(shù)stat=identity這樣。

4. 調(diào)整數(shù)據(jù)無關(guān)圖形元素 – theme()、某些專有函數(shù)

這部分包括設(shè)置圖片標(biāo)題格式，文字字體這類和數(shù)據(jù)本身無關(guān)的圖像元素。只需調(diào)用theme()函數(shù)或者某些專有函數(shù)(如annovate函數(shù)可為圖片添加注釋)便可實現(xiàn)。

一個圖層繪制好后便可觀察調(diào)整，然后開始下一個圖層的制作，直到整幅圖繪制完畢。

小結(jié)

本文作為該系列的開篇，從總體、抽象的角度介紹了R語言的數(shù)據(jù)可視化包ggplot2。讀者如果覺得有些概念抽象難以理解，不必糾結(jié)，待看完該系列其他文章后再回過頭來看本文，相信會有新的收獲。

接下來的文章將從具體、細(xì)致的角度講解如何使用R語言的ggplot2軟件包進行各種數(shù)據(jù)可視化。

最后，欣賞一些使用ggplot2制作的成品圖吧：

[譯]R語言突破大數(shù)據(jù)瓶頸：Shiny的Spark之旅

基于R語言的梯度推進算法介紹

譯文：R語言是如何增強數(shù)據(jù)科學(xué)

用R語言抓取pm2.5數(shù)據(jù)繪制全國pm2.5分布圖