R|ggplot2(二)|覆盖柱状图各种需求

目录

• 赋权和所有数据类型
• 分组作图与aes
• 隐含参数解释
• 分组条形图，三种展现形式，如不同组在一根柱子上堆叠还是并排放置
• 柱子高低顺序排列
• 正负条形图
• 横向条形图
• 饼图（这里没有专门画饼图的函数，饼图是柱状图的一种特例）
• 分面
• 柱子上标注文字

本文使用R自带数据集 mpg 。横轴使用 class 列，分组使用 cyl 列，数量使用 dyspl 列

赋权和所有数据类型

library(ggplot2)
ggplot(mpg,aes(x=class)) + geom_bar() # 函数内部自己数class中每种类别的个数
ggplot(mpg,aes(x=class,y=displ)) + geom_bar(stat="identity") # 使用第二种数据类型，接受两个参数
ggplot(mpg,aes(x=class)) + geom_bar(aes(weight=displ)) # 使用displ对class赋权
ggplot(mpg,aes(x=class)) + geom_bar(aes(weight=rep(1,length(class)))) # 第一种相当于赋权全为1

我们会发现14图形相同，23图形相同。这里涉及到的数据样式和之前说的有所不同。

之前我们说画柱状图可以接受两种数据样式

• 一种是 名字罗列
• 一种是 名字-频数

本文第一种做法便是所谓的名字罗列，函数内部会自动数出每一类有多少个，柱子有多高。第二种的数据却不太一样，因为 名字-频数 是已经统计出每一个名字总共的频数，而这个数据集展现的名字却有重复的，这其实相当于是 第三种数据样式 ，我暂且称之为赋权样式。

• 赋权样式可以当成 名字-频数 来处理，函数内部会自动将相同的名字合并。
• 也可以当成 名字罗列 的情况处理，同时指定权重，这就是第三个代码显示的方法。第四个图表示第一种只是查数，代表赋权全为1。

分组作图与aes

上一篇文章中，我们已经简单设置了柱状图中的 col fill width 等参数，它们都是直接放在geom_bar里面的，而有一些参数像x和y则是放在又套了一层aes，现在我们要对这个现象进行解释。

我们从分组作图入手，下面使用fill的5种尝试，3种不报错的形式中，只有最后一种实现了分组作图，我们来看一看他们之间的区别

# ggplot(mpg,aes(x=class)) + geom_bar(fill=cyl) # 报错
# ggplot(mpg,aes(x=class)) + geom_bar(fill=mpg$cyl) # 报错
ggplot(mpg,aes(x=class)) + geom_bar(fill=1:7) # 图一
ggplot(mpg,aes(x=class)) + geom_bar(aes(fill=cyl)) # 图二 未成功完成分组
ggplot(mpg,aes(x=class)) + geom_bar(aes(fill=factor(cyl))) # 图三 按照cyl分组
# 其他参数
ggplot(mpg,aes(x=class)) + geom_bar(aes(color=factor(cyl))) # 图四
ggplot(mpg,aes(x=class)) + geom_bar(aes(alpha=factor(cyl)))

上面的结果说明了以下几个问题（按顺序一个一个看）

• 第一次报错，在aes外面无法找到cyl对象，说明只有放在aes中，才能直接引用数据集的列名，而不需要使用$
• 第二行，加了$仍然报错，是因为在aes外面的fill指向的是那7根柱子，所以应该接一个长度为7的向量。只有在aes中，数据才能和原数据框的每一行相对应
• 知道了这个，读者就应该明白了上一部分赋权时，weight参数放在aes里面的原因了。
• 第三行使用了长度为7的颜色向量，实现了每根柱子颜色不一样，但是无法按照cyl分组展示
• 第四行没有实现分组，说明fill想要接分类变量（离散变量），需要是因子型数据
• 第五行成功分组显示，按照cyl值以颜色的形式，对样本进行分类，展示在图片中
• 第六七行表示除了fill，color和alpha等都可以接分组变量实现分组展示，只是区分展示方式不一样。如果是画点图的话，对应起来可以用颜色、大小、形状等来区分，也都是用相应参数接分类变量实现的

在这里，我们需要更深入地了解 aes 的本质——数据到图形的映射，或者说对应关系。了解了这个本质，你会感叹ggplot2包的设计理念是如此优雅！

我们一直将要用于作图的 x y 放到 aes 里，其实本质上和 fill 的使用是一样的。 aes 中列向参数的赋值，体现为数据到图形的映射。拿散点图来举例子，两行数据，x值不同，在图中的表示就是在x轴的位置不同，y也是同理；而 color 也是同理， color 参数对应变量值不同，反映在图中就是点的颜色不同。

图形是为了描述数据而存在的，不相重合的点表示数据本身的差异，最常见的 x y 是通过空间位置来区分数据，而我们当然也可以通过颜色来区分数据，即产生了上面的这种用法。

除此之外，还需要强调一点。R语言设计上的数据类型，其实也是和真实数据相对应的

• 连续型数据—— numeric 数据类型
• 文本数据—— character 数据类型
• 连续型数据—— factor 数据类型

希望大家提高对 factor 数据类型的重视，将用于分类的离散型数据，全部转化为 factor 类型，或者说只使用 factor 进行分类用途，不要和 character 类型混淆。

接下来看下面这段代码

ggplot(mpg,aes(x=class)) + geom_bar(fill="blue") # 所有柱子显示蓝色
ggplot(mpg,aes(x=class)) + geom_bar(aes(fill="blue")) # 所有柱子显示粉红色
ggplot(mpg,aes(x=class)) + geom_bar(aes(fill="a")) # 所有柱子显示粉红色

三个函数反映了：在aes里面和外面定义颜色的区别。在aes外面定义蓝色就是蓝色，在aes里面其实 "blue" 被认为是一个分组的因子了，它本身是什么已经不重要了，它只是表示，所有柱子都被认为分到了同一组，使用同一个颜色，而颜色则是使用默认的

我们可以看出，我们没有指定具体的颜色，只是告诉函数，按照这个变量来分类，就会使用默认的颜色，同时生成图例。这样默认生成的图形本身就很大气美观，省去了很多优化的步骤，这是ggplot2包的一大优势

隐含参数解释

当我们使用 罗列名字 的数据来作图的时候，其实函数内部计算出了每个名字的数量，这样才能代表每个柱子的高度，这个数值不是我们输进去的，但是我们可以引用它，但是只有在aes中使用才有效

柱状图的参数有以下两个

• ..count.. 每根柱子多高
• ..prop.. 每根短柱子占整个长柱子的百分比，如果没进行分组，则每根柱子对应的 ..prop.. 都是1

ggplot(mpg,aes(x=class)) + geom_bar() # 只接一个参数相当于第二个参数是..count..
ggplot(mpg,aes(x=class,y=..count..)) + geom_bar()
ggplot(mpg,aes(x=class,y=..prop..)) + geom_bar() # 每根柱子的prop都是1
# ggplot(mpg,aes(x=class)) + geom_bar(aes(fill=..count..)) # 连续性变量与后面因子型变量，看差别
ggplot(mpg,aes(x=class)) + geom_bar(aes(fill=factor(..count..)))
ggplot(mpg,aes(x=class)) + geom_bar(aes(group=factor(cyl),fill=..prop..))

(为了展示代码真实结果，图有点丑，比如坐标轴标注重叠可以用之后学到的内容再进行调整)

后两个例子解释一下

• 因为 ..count.. 数的是每根长柱子的高度，所以每个长柱子的下分短柱子对应的fill值没有差异，差异体现在长柱子与长柱子之间，所以结果便是每根柱子颜色不一样。
• 可以看到分类时用连续性变量，则使用的颜色是渐变的，而使用因子型变量则为分类颜色
• 第二个例子为了让 ..prop.. 不再为1，需要分组,group接分组变量可以实现分组，但是它不像fill表示颜色，alpha表示透明度，它没有展示的途径，所以一般即使用group分组，做出图形也看不出来组别之间的区别。但是对于 ..prop.. 确是有影响的。这个例子只是为了展示 ..prop.. 这个变量，真正使用的时候不会画这样的图

分组条形图，三种展现形式

上面我们看到的分组条形图中，每根柱子上的不同组别短柱子是堆叠起来的，我们还可以实现并排放置和填充比例展示，只要使用position参数调整

ggplot(mpg,aes(x=class)) + geom_bar(aes(fill=factor(cyl)),position="stack") # position默认，堆叠
ggplot(mpg,aes(x=class)) + geom_bar(aes(fill=factor(cyl)),position="dodge") # 并排放置
ggplot(mpg,aes(x=class)) + geom_bar(aes(fill=factor(cyl)),position="fill") # 填充显示比例

柱子高低顺序排列

我们使用两种方法

• 自己编写函数，根据factor原理来进行排序
• 使用包中自带的reorder函数

1.首先我们要理解ggplot2包中factor的使用

其实前面我们在画柱状图时，使用的变量并不规范，当横坐标是离散型变量时，像柱状图这样一根一根柱子这样，x参数接的应该是一个因子型数据，我们直接x=name在这里没显示出什么错误，但是看看如下例子

aa <- data.frame(a=sample(1:7,30,replace=T),
                 b=sample(1:3,30,replace=T))
ggplot(aa,aes(x=a)) + geom_bar()
ggplot(aa,aes(x=factor(a))) + geom_bar()
ggplot(aa,aes(x=factor(a))) + geom_bar(aes(fill=b))
ggplot(aa,aes(x=factor(a))) + geom_bar(aes(fill=factor(b)))

我们可以看出x没有用factor的时候，横轴没有把所有的标签全标上，这表示把横轴当成连续性变量来看了，所以只标了一部分标签以表示大小关系。

fill也是作为离散分类变量，也应该接一个factor,我们可以看到不加时，图例是一个连续性渐变颜色的形式，这无法达到我们分类的要求。

2.使用自己编写的函数

ggplot(mpg,aes(x=factor(class))) + geom_bar()

先看这张图，默认画图时横轴标度排列顺序为，按照首字母排序，这和因子型数据有关

mpg$class[1:5]
# [1] "compact" "compact" "compact" "compact" "compact"
fclass <- factor(mpg$class)
fclass[1:5]
# [1] compact compact compact compact compact
# Levels: 2seater compact midsize minivan pickup subcompact suv

这里我们可以看出，转化为因子型之后数据的level的排列方式，不是根据元素出现的前后顺序来排列的(否则第一根柱子应该是compact)，而是按照首字母排列的(2seater)。

所以ggplot2柱状图横轴排列顺序的本质就是根据factor的levels，所以我们只要改变这个factor的level，就可以调整柱子排列顺序。我们通过定义一个函数来实现level的改变

reorder_size <- function(x) {
  factor(x, levels = names(sort(table(x))))
ggplot(mpg, aes(reorder_size(class))) + geom_bar() # 柱子从低到高排列

这样柱子就从低向高排列了

3.使用包中的reorder函数

x <- sample(letters[1:3],30,replace = T)
y <- 1:30
reorder(x,y,sum)

我们可以看到reorder函数接3个参数，最后返回的向量是一个因子型向量，其主体还是x，只是改变了levels,改变的原则是：按照x对y进行分组，对每一组组成的向量计算后面的函数，最后根据计算结果从小到大指定x中元素的levels

使用这个函数来画条形图的原理：根据class对一个全是1的向量分组求和（相当于计算了class中每一个元素出现的个数），再根据求和结果指定levels

ggplot(mpg,aes(reorder(class,rep(1,length(class)),sum)))+geom_bar() # 作图结果和上面相同

正负条形图

只要数据是负数，就能画出往下方的条形图

d <- data.frame(a=letters[1:7], b=c(4,-6,5,-4,-3,6,4))
ggplot(d,aes(a,b)) + geom_bar(stat="identity")
ggplot(d,aes(a,b)) + geom_bar(aes(fill=factor((b>0)+1)),stat="identity")

横向条形图

ggplot(mpg,aes(x=class)) + geom_bar() + coord_flip()

coord_flip 表示横纵坐标位置互换

饼图

（这里没有专门画饼图的函数，饼图是柱状图的一种特例）

ggplot(mpg, aes(class))+geom_bar()+coord_polar(theta = "y")
ggplot(mpg, aes(class))+geom_bar()+coord_polar(theta = "x")
ggplot(mpg, aes(class))+geom_bar(aes(fill=drv))+coord_polar(theta = "y")
ggplot(mpg, aes(class))+geom_bar(aes(fill=drv))+coord_polar(theta = "x")

我们可以看出，这里所谓的饼图，只是把坐标轴做了圆形扭曲，只是theta参数接”x”和”y”不一样，扭曲的方式不一样

• theta="y" 时，是把y轴方向扭曲了，柱子都变成了弯的
• theta="x" 时，是把x轴方向扭曲了，柱子都从同一个中心出发

加上颜色分类变量之后，也只是在相应柱子上分了组

有的读者可能会疑惑，这里要讲的不是饼图吗，这里展示的都只是和圆形搭边，却不是正常我们看到的饼图。

其实正常形式的饼图是 theta="y" 时的一种特例：只有一根柱子

所以当我们拿到数据的时候，想要画饼图，对数据的思考和柱状图是不一样的。这一点和基础作图函数是不一样的。
比如还是class这一列

• 基础函数中，画饼图和画柱状图的思路是一样的，让 x=class
• ggplot2的饼图中，则是 fill=class ，为了保持一根柱子， x=1

ggplot(mpg, aes(1, fill=class))+geom_bar()+coord_polar(theta = "y")

分面

分面条形图其实就是分组条形图的另外一种展现形式，也是拿用来分组的变量将数据拆分，为了更方便地使用分面功能，这里不局限在柱状图，我们使用点图来完成。

两个函数，两种思路

• facet_grid 函数，按照一个指标分成m个，按照另一个指标分成n个，排列方式就是m*n式
• facet_wrap 函数的思路和matrix创建的思路相似，现有一串，再指定每行放几个

看下面的帮助文档中的例子就大概懂了，其他参数细节可以自己查看帮助文档学习

p <- ggplot(mpg, aes(displ, cty)) + geom_point()
ggplot(mpg, aes(displ, cty)) + geom_point(aes(color=factor(cyl)))
p + facet_grid(. ~ cyl)
p + facet_grid(drv ~ .)
p + facet_grid(drv ~ cyl)
ggplot(mpg, aes(displ, hwy)) +
  geom_point() +
  facet_wrap(~class)
ggplot(mpg, aes(displ, hwy)) +
  geom_point() +
  facet_wrap(~class, nrow = 4)
ggplot(mpg, aes(displ, hwy)) +
  geom_point() +
  facet_wrap(~ cyl + drv)
ggplot(mpg, aes(displ, hwy)) +
  geom_point() +
  facet_wrap(c("cyl", "drv"))

柱子上标注文字

下面我们通过两个例子来解释如何在柱状图柱子上方标数字

df <- data.frame(
  x = factor(c(1, 1, 2, 2)),
  y = c(1, 3, 2, 1),
  grp = c("a", "b", "a", "b")
ggplot(df, aes(x)) + geom_bar() +
  geom_text(aes(label=..count..),