ggplot2笔记2：图层的使用——基础、怎样加标签、注释

一点碎碎念：今天开始看第三章Toolbox， 主要讲的是图层的用法，在图像的基础上，图层可以让plot的信息更加丰富和完整，于是就有了怎样加标签，加注释等等。这些内容虽然不难但是很琐碎，由于R基础薄弱，有些代码理解起来需要时间。所以，在这里我想先以读书笔记和翻译的形式，记录为主，尽量去逐字逐句理解。除了添加注释、标签等之外，使用图层还可以完成箱线图、多边形等等多种群组几何对象类型的图，还可以绘制曲面图等。下面是第三章的主要内容：

使用图层的三个主要目的：

1. 展示数据：绘制原始数据时唯一的一层（数据层）

2. 展示数据的统计摘要：在数据背景下展示模型的统计预测效果，模型层通常绘制在数据层之上

3. 添加额外的元数据（metadata）、上下文信息和注释：也称背景层，了解数据的背景信息或强调数据中的某些特征，一般在最后绘制。

1. 基本图形类型

几何对象是ggplot2的基本组成部分，可以独立构建图形。他们都是二维的，主要函数有 geom_area()， geom_bar()， geom_line， geom_point()， geom_polygon()， geom_tile()等等。这些函数包括x，y两个主要属性，另外也可以接受 color 和 size两个图形属性，他们构成了基本的数据层。

我们可以通过使用 +来添加图层。

1. df <> data.frame(

2.  x = c(3, 1, 5),

3.  y = c(2, 4, 6),

4.  label = c('a','b','c')

5. )

6. df

7. p <> ggplot(df, aes(x, y, label = label)) +

8.  labs(x = NULL, y = NULL) + # Hide axis label

9.  theme(plot.title = element_text(size = 12)) # Shrink plot title

11. p + geom_point() + ggtitle('point')

12. p + geom_text() + ggtitle('text')

13. p + geom_bar(stat = 'identity') + ggtitle('bar')

14. p + geom_tile() + ggtitle('raster')

15. p + geom_line() + ggtitle('line')

16. p + geom_area() + ggtitle('area')

17. p + geom_path() + ggtitle('path')

18. p + geom_polygon() + ggtitle('polygon')

以上命令运行后可依次生成散点图、含标签的散点图、条形图、色深图、线条图、面积图、路径图和多边形图等八个图，其中 ggtitle()是给各个图片添加注释/命名

---

2. 添加标签（label）

主要函数 geom_text()：和散点类似，就是将point换成了文字。它包括以下几种参数：

• size：设置字体大小

  
  

• angle：设置倾斜角度

  
  

• family：可设置字体，下面代码中的 'sans', 'serif', 'mono'代表三种字体， 'sans'是默认字体。

  
  

1. df <> data.frame(x = 1, y = 3:1, family = c('sans', 'serif', 'mono'))

2. ggplot(df, aes(x, y)) +

3.  geom_text(aes(label = family, family = family))

此外还有两个字体安装包

– showtext, https://github.com/yixuan/showtext, by Yixuan Qiu, makes GD-independent plots by rendering all text as polygons.

– extrafont, https://github.com/wch/extrafont, by Winston Chang, converts fonts to a standard format that all devices can use.

• fontface：可设置粗体或斜体， “plain”默认普通值, “bold” 粗体、 “italic”斜体。

1. df <> data.frame(x = 1, y = 3:1, face = c('plain', 'bold', 'italic'))

2. ggplot(df, aes(x, y)) +

3.  geom_text(aes(label = face, fontface = face))

• vjust 和 hjust 可以设置字体对齐方式。 vjust (“bottom”, “middle”, “top”, “inward”, “outward”)； hjust (“left”, “center”, “right”, “inward”, “outward”)。最常用的路线之一是 “inward”：它将文本对齐到主画面的中间：

1. df <> data.frame(

2.  x = c(1, 1, 2, 2, 1.5),

3.  y = c(1, 2, 1, 2, 1.5),

4.  text = c(

5.    'bottom-left', 'bottom-right',

6.    'top-left', 'top-right', 'center'

7.  )

8. )

9. ggplot(df, aes(x, y)) +

10.  geom_text(aes(label = text))  # 字母不能全部在画面中

12. ggplot(df, aes(x, y)) +

13.  geom_text(aes(label = text), vjust = 'inward', hjust = 'inward')  # 字母全部在画面中

• nudge()参数可以设置文字距原坐标点的距离，在散点和文字同时存在时很有必要，这是文字是一个注释的作用，如果不添加该参数，点和文字就会重合。

1. df <> data.frame(trt = c('a', 'b', 'c'), resp = c(1.2, 3.4, 2.5))

2. ggplot(df, aes(resp, trt)) +

3.  geom_point() +

4.  geom_text(aes(label = paste0('(', resp, ')')), nudge_y = -0.25) +         # y轴负方向下移0.25

5.  xlim(1, 3.6)               # 设定x轴取值区间

• check_overlap：查找重复值。当注释中有大量重复时，设置 check_overlap=TRUE可以自动删除重复标签。

以耗油量数据为例：

1. library(ggplot2)

2. mpg

4. ggplot(mpg, aes(displ, hwy)) +

5.  geom_text(aes(label = model)) +

6.  xlim(1, 8)

9. ggplot(mpg, aes(displ, hwy)) +

10.  geom_text(aes(label = model), check_overlap = TRUE) +

11.  xlim(1, 8)

另外，与 geom_text() 类似的是 geom_label()，它与geom_text的区别自动在文字后方绘制一个圆角矩形标签，当需要在复杂的背景上标注文字时可以使用。

1. label <> data.frame(

2.  waiting = c(55, 80),

3.  eruptions = c(2, 4.3),

4.  label = c('peak one', 'peak two')

5. )

6. ggplot(faithfuld, aes(waiting, eruptions)) +

7.  geom_tile(aes(fill = density)) +

8.  geom_label(data = label, aes(label = label))

学会了在图中添加标签，可以替代图例

---

3. 注释(Annotations)

注释可以在你的图上添加一些额外的元数据，可以使用以下函数：

• geom_text()：在指定点添加标签（见上文）

• geom_rect()：可强调图形中感兴趣的矩形区域。包括 xmin, xmax, ymin, ymax

• geom_line(); geom_path(); geom_segment()：在图形中添加线条； arrow()可以用来添加箭头

• geom_vline(); geom_hline()：向图形添加垂直线或水平线

• geom_abline()：向图形添加任意斜率和截距地直线

然后我们用“失业率数据集”来举例：

1. ggplot(economics, aes(date, unemploy)) +

2. geom_line()

下面我们想在图中展现一下不同政党执政时期失业率的高低情况：

1. presidential <> subset(presidential, start > economics$date[1])          ## 设置数据集，economics$date[1]是指定了数据集中data一列的第一行数据

2. ggplot(economics) +

3.  geom_rect(

4.    aes(xmin = start, xmax = end, fill = party),

5.    ymin = -Inf, ymax = Inf, alpha = 0.2,

6.    data = presidential

7.  ) +

8.  geom_vline(

9.    aes(xintercept = as.numeric(start)),

10.    data = presidential,

11.    colour = 'grey50', alpha = 0.5

12.  ) +

13.  geom_text(

14.    aes(x = start, y = 2500, label = name),data = presidential,

15.    size = 3, vjust = 0, hjust = 0, nudge_x = 50

16.  ) +

17.  geom_line(aes(date, unemploy)) +                ## 数据集中的两列数据来源

18.  scale_fill_manual(values = c('blue', 'red'))    ## scale是标度函数

（疑问： party这个对象的数据不知道从哪里来的）

生成图片：

如果我们想使用同样的方法在图片中添加一个单独的注释，方法有点复杂，因为首先要创建一个数据框：

1. library(ggplot2)

2. economics

4. yrng <> range(economics$unemploy)

5. xrng <> range(economics$date)   ## range 是取提取范围的子集，最大值和最小值

6. caption <> paste(strwrap('Unemployment rates in the US have

7. +  varied a lot over the years', 40), collapse = '\n')      ## 设置题目内容

8. ggplot(economics, aes(date, unemploy)) +

9. geom_line() +

10. geom_text(

11. aes(x, y, label = caption),

12. data = data.frame(x = xrng[1], y = yrng[2], caption = caption),                

13. hjust = 0, vjust = 1, size = 4

14. )

上述代码可以用 annotate()来简化 geom_text()部分：

1. ggplot(economics, aes(date, unemploy)) +

2. geom_line() +

3. annotate('text', x = xrng[1], y = yrng[2], label = caption,

4. hjust = 0, vjust = 1, size = 4)

生成图片：

注释，在分面状态下的组间比较的时也非常有用。下面要做一组关于钻石质量（carat）和价格（price）比较的2d热图，按照切割品质（cut）进行分面：

1. ggplot(diamonds, aes(log10(carat), log10(price))) +

2.  geom_bin2d() +

3.  facet_wrap(~cut, nrow = 1)

4. 群组几何对象（Collective Geoms）

在ggplot2中，几何对象大致可以分为个体（individual）几何对象和群组（collective）两种类型。群组几何对象可以多角度的展现数据结果。

group（分组）这种图形属性可以用来设置：哪些观测值控制哪种图形元素

举例：纵向数据集Oxboys（nlme包）记录了26个男生（subject）在9个不同时期（occasion）中测定的身高（height）和中心化年龄（age）。

1. data(Oxboys, package = 'nlme')

2. > head(Oxboys)

3. #>  Subject   age  height Occasion    ## 以下是输出结果

4. #> 1  1    -1.0000  140    1

5. #> 2  1    -0.7479  143    2

6. #> 3  1    -0.4630  145    3

7. #> 4  1    -0.1643  147    4

8. #> 5  1    -0.0027  148    5

9. #> 6  1     0.2466  150    6

多个分组+单个图形属性

当我们想从总体上查看数据，将数据中的每个个体区分开，然后用同样的方式映射。这在含有多个个体的纵向数据中很常见，叫“细面图”（spaghetti plot）。

例如，我们想在整体上观察26个男生的成长轨迹（并不区分哪条线是那个男生），就可以在映射 aes()中添加参数 group=Subject：

1. ggplot(Oxboys, aes(age, height, group = Subject)) +

2.  geom_point() +

3.  geom_line()

如果不加 group这个参数，我们只会得到一条将所有点连起来的奇怪的折线，这就毫无疑义了

在不同图层进行分组

如果我们想要将不同水平下的数据加以整合得到一个汇总信息，这时，基本的数据图层上是每个个体的数据，我们可以在第二个数据层上展示整体组群的信息。

例如在上面的例子中，我们想根据所有男孩的年龄和身高在图中添加一个平滑线条，如果按照上面的方式，在第一层函数中直接添加 group=Subject就会给每个男孩的线条上加一个平滑曲线，这不能得到我们想要的结果：

1. ggplot(Oxboys, aes(age, height, group = Subject)) +

2. geom_line() +

3. geom_smooth(method = 'lm', se = FALSE)

这时我们应该把分组参数放到另一个图层中，正确的代码如下：

1. ggplot(Oxboys, aes(age, height)) +

2. geom_line(aes(group = Subject)) +

3. geom_smooth(method = 'lm', size = 2, se = FALSE)

修改默认分组

在这里首先补充说明一下变量的分类：变量按其数值表现是否连续，分为连续变量和离散变量。

离散变量：指变量值可以按一定顺序一一列举，通常以整数位取值的变量。如职工人数、工厂数、机器台数等。

连续变量：在一定区间内可以任意取值的变量叫连续变量，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。

当离散变量存在时，一般就会将其认为是默认分组变量。

如果图像中含有离散型变量，而你却想绘制连接所有分组的线条。这时就要修改默认分组。或者在新图层中设定一个新的分组，就能将二者结合起来。

在上个例子中，绘制各个时期（Occasion）和身高（height）的箱线图，离散型变量Occasion默认为分组变量：

1. ggplot(Oxboys, aes(Occasion, height)) +

2.  geom_boxplot()

然后要在此基础上添加个体轨迹，这时只添加 geom line()函数不能达到预期效果，因为它还会默认Occasion为分组变量，这时应该将 aes(group=Subject)添加在 geom line()函数中，另外添加颜色属性 colour将第二个图层区分开：

1. ggplot(Oxboys, aes(Occasion, height)) +

2. geom_boxplot() +

3. geom_line(aes(group = Subject), colour = '#3366FF', alpha = 0.5)

匹配图形属性和图形对象

如何将个体的图形属性映射给整体图形属性。

• 线段和路径类

例如建立一个数据框，包括三个数据点，两条连接三点的线段。数据点比线段条数多一，线段的图形属性是由起始点的图形属性决定的，所以第一条线段使用第一个数据点的图形属性，第二条线段使用第二个数据点的图形属性，而第三个点的图形属性将不会被用到。下面代码生成图片的颜色是随着数据点，呈现离散状态。

1. library(ggplot2)

3. df <> data.frame(x = 1:3, y = 1:3, colourname = c(1,3,5))

5. ggplot(df, aes(x, y, colour = factor(colourname))) +

6.  geom_line(aes(group = 1), size = 2) +    ## group = 1 默认分组设置

7.  geom_point(size = 5)

下面修改可以将颜色属性设置为渐变状态，但是数据点还是突出的：

1. ggplot(df, aes(x, y, colour = colourname)) +

2.  geom_line(aes(group = 1), size = 2) +

3.  geom_point(size = 5)

在复杂一些，利用“线性插值法”可以将线段平稳地在图形属性间变化：

啥是“线性插值法”：已知坐标 (x0, y0) 与 (x1, y1)，要得到 [x0, x1] 区间内某一位置 x 在直线上的值。

1. library(ggplot2)

3. df <> data.frame(x = 1:3, y = 1:3, colour = c(1,3,5))

5. xgrid <> with(df, seq(min(x), max(x), length = 50))   ## seq()是生成一组数字

7. interp <> data.frame(

8.  x = xgrid,

9.  y = approx(df$x, df$y, xout = xgrid)$y,   ##approx()是排序

10.  colour = approx(df$x, df$colour, xout = xgrid)$y

11. )

13. ggplot(interp, aes(x, y, colour = colour)) +

14.  geom_line(size = 2) +

15.  geom_point(data = df, size = 5)

• 多边形等

对于多边形这类几何图像，当所有个体的图形属性都相同时，可以使用 fill()参数。

当图形映射对象是离散型对象时，默认将群组几何对象分解成更小的部分。

如下例，耗油量数据集（mpg）中，用柱状图表示不同类别的汽车数量：

1. library(ggplot2)

2. mpg

4. ggplot(mpg, aes(class)) +

5.  geom_bar()

进一步，通过 fill()参数，用不同颜色表示drv（动力传动系统：前轮f，后轮r，四轮4），填充每个class：

1. library(ggplot2)

2. mpg

4. ggplot(mpg, aes(class, fill = drv)) +

5.  geom_bar()

drv是离散型变量，所以可以用不同的颜色区分

如果根据连续型变量hwy（高速公路行驶记录每加仑行驶的英里数）填充class，如果不添加分组信息，则不会有不同颜色填充。

1. ggplot(mpg, aes(class, fill = hwy)) +

2. geom_bar()

如果在 fill()后面添加 group()参数，设置按 hwy分组：

1. ggplot(mpg, aes(class, fill = hwy, group = hwy)) +

2. geom_bar()

就可以形成按照hwy数量大小，渐变填充的状态。

5. 曲面图（Surface Plots）

ggplot2包不能绘制3D曲面图像，但是可绘制能表示3D图的2D图像，比如等高线图、着色瓦片图、气泡图等

geom_contour() 等高线图：

1. library(ggplot2)

2. faithfuld

3. # A tibble: 5,625 x 3

4.   eruptions waiting density

5.          

6. 1      1.60    43.0 0.00322

7. 2      1.65    43.0 0.00384

8. 3      1.69    43.0 0.00444

9. 4      1.74    43.0 0.00498

10. 5      1.79    43.0 0.00542

11. 6      1.84    43.0 0.00574

12. 7      1.88    43.0 0.00592

13. 8      1.93    43.0 0.00594

14. 9      1.98    43.0 0.00581

15. 10      2.03    43.0 0.00554

16. # ... with 5,615 more rows

17. ggplot(faithfuld, aes(eruptions, waiting)) +

18.  geom_contour(aes(z = density, colour = ..level..))

geom_raster() 着色瓦片图：

1. ggplot(faithfuld, aes(eruptions, waiting)) +

2. geom_raster(aes(fill = density))

气泡图：

1. library(ggplot2)

2. faithfuld

4. # Bubble plots work better with fewer observations

5. small <> faithfuld[seq(1, nrow(faithfuld), by = 10), ]

6. ggplot(small, aes(eruptions, waiting)) +

7.  geom_point(aes(size = density), alpha = 1/3) +

8.  scale_size_area()

参考资料：

1. Hadley Wickham(2016). ggplot2. Springer International Publishing. doi: 10.1007/978-3-319-24277-4

2. 《R语言应用系列丛书·ggplot2:数据分析与图形艺术》