作者：黃寶臣 數(shù)據(jù)科學/科學哲學碩士/本科生物狗
知乎原文：
https://www.zhihu.com/question/24779017/answer/38750383
ggplot2是最偉大的繪圖工具之一，復制代碼就可以畫出專業(yè)級的圖片，但新手經(jīng)常會遇到這樣那樣的報錯。這一篇知乎文章清楚的解釋了困擾初學者的疑惑，如aes一會兒在ggplot里，一會兒又跑到geom里，加不加括號等等。
總結(jié)來說有以下幾點：
- ggplot2的核心理念是將繪圖與數(shù)據(jù)分離，數(shù)據(jù)相關(guān)的繪圖與數(shù)據(jù)無關(guān)的繪圖分離
- ggplot2是按圖層作圖
- ggplot2保有命令式作圖的調(diào)整函數(shù)，使其更具靈活性
- ggplot2將常見的統(tǒng)計變換融入到了繪圖中。
1、ggplot2的邏輯。
ggplot2的邏輯在我看來其實是真正實現(xiàn)了一個圖層疊加的概念：一句語句代表一張圖，然后再有最小的單元圖層。這個與其他命令式的繪圖完全不同，來做個比較：
#這是基于graphic包里例子
x <- rnorm(100,14,5)
y <- x + rnorm(100,0,1)
plot(x,y)
text(13,20, expression(x[1] == x[2]))
輸出的圖是這樣的：
我們可以看到這種繪圖方式實際上是按命令添加的，以plot開始，可以以任何方式結(jié)束，每加上一個元素，實際上都是以一句單獨的命令來實現(xiàn)的。這樣做的缺點就是，其實不符合人對于畫圖的一般認識。其次，就是，我們沒有一個停止繪圖的標志，這使得有時候再處理的時候就會產(chǎn)生一些困惑。優(yōu)勢其實也有，在做參數(shù)修改的時候，我們往往可以很方便地直接用一句單獨的命令修改，譬如對于x軸的調(diào)整，覺得不滿意就可以寫命令直接調(diào)整。而ggplot2則意味著要重新作圖。再來看ggplot2的代碼：
x <- rnorm(100,14,5)
y <- x + rnorm(100,0,1)
ggplot(data= NULL, aes(x = x, y = y)) + #開始繪圖
geom_point(color = "darkred") + #添加點
annotate("text",x =13 , y = 20,parse = T,
label = "x[1] == x[2]") #添加注釋
畫出的結(jié)果如下：
我們可以發(fā)現(xiàn)，ggplot的繪圖有以下幾個特點：第一，有明確的起始（以ggplot函數(shù)開始）與終止（一句語句一幅圖）；其二，圖層之間的疊加是靠“+”號實現(xiàn)的，越后面其圖層越高。
其次就是對于分組數(shù)據(jù)的處理，其實這方面，lattice已經(jīng)做得很好了，不過我會在后面更仔細地敘述ggplot2是怎么看分組數(shù)據(jù)的繪圖的。
2. ggplot2的要素
我們這里不談qplot（quickly plotting）方法，單純談ggplot方法。不談底層的實現(xiàn)思想，我們簡單地理解，ggplot圖的元素可以主要可以概括如下：最大的是plot（指整張圖，包括background和title），其次是axis（包括stick，text，title和stick）、legend（包括backgroud、text、title）、facet這是第二層次，其中facet可以分為外部strip部分（包括backgroud和text）和內(nèi)部panel部分（包括backgroud、boder和網(wǎng)格線grid，其中粗的叫g(shù)rid.major，細的叫g(shù)rid.minor）。大致見下圖，這部分內(nèi)容的熟悉程度直接影響到對于theme的掌握，因此希望大家留心。
3. ggplot2圖層以及其他函數(shù)的分類
好了，現(xiàn)在把這些理念的東西講完了之后，下面來理解ggplot2里的繪圖命令。
ggplot2里的所有函數(shù)可以分為以下幾類：
用于運算（我們在此不講，如fortify_，mean_等）
初始化、展示繪圖等命令（ggplot，plot，print等）
按變量組圖（facet_等）
真正的繪圖命令（stat_，geom_，annotate），這三類就是實現(xiàn)一個函數(shù)一個圖層的核心函數(shù)。
微調(diào)圖型：嚴格意義上說，這一類函數(shù)不是再實現(xiàn)圖層，而是在做局部調(diào)整。
scale_：直譯為標尺，這就是與aes內(nèi)的各種美學（shape、color、fill、alpha）調(diào)整有關(guān)的函數(shù)。
guides：調(diào)整所有的text。
coord_：調(diào)整坐標。
theme：調(diào)整不與數(shù)據(jù)有關(guān)的圖的元素的函數(shù)。
4. 繪圖
第一步：初始化。ggplot2風格的繪圖的第一步就是初始化，說白了就是載入數(shù)據(jù)空間、選擇數(shù)據(jù)以及選擇默認aes。
p <- ggplot(data = , aes(x = , y = ))
data就是載入你要畫的數(shù)據(jù)所在的數(shù)據(jù)框，指定為你的繪圖環(huán)境，載入之后，就可以免去寫大量的$來提取data.frame之中的向量。當然，如果你的數(shù)據(jù)都是向量，也可不指定，但是要在申明中標注data = NULL，不然就會得到不必要的報錯。
第二個是重頭戲，即aes，是美學（aesthetic）的縮寫。這是在ggplot2初學者眼里最不能理解的東西，甚至很多老手也會在猶豫，什么時候要把參數(shù)寫在aes里，什么時候要寫在aes外。我們做一個簡單的，不非常恰當?shù)慕忉專?strong>任何與數(shù)據(jù)向量順序相關(guān)，需要逐個指定的參數(shù)都必須寫在aes里。這之后我們會進一步解釋，現(xiàn)在我們初始化的時候，最好只是把關(guān)于位置的x和y指定一下就好。
第二部，繪制圖層。
很多人在解釋ggplot2的時候喜歡說，ggplot2繪圖有兩種函數(shù)，一類是geom_，繪圖用的；一類是stat_，統(tǒng)計變換用的。這樣說不是不對，只是很不恰當，很多人就會問出一些問題，比如，統(tǒng)計變換竟然是做運算用的，為什么可以用來畫圖？為什么stat_bin和geom_histgram畫出來的圖是一樣，竟然一樣，為什么要重復？
事實上，**任何一個ggplot2圖層都包括stat和geom倆部分，或者說兩個步驟（其實還包括position）。 **而stat_identity則表示不做任何的統(tǒng)計變換。
我們來舉個例子，還是上面的代碼，為了更直觀，我在此作了修改：
x <- c(rnorm(100,14,5),rep(20,20))
y <- c(rnorm(100,14,5) + rnorm(100,0,1),rep(20,20))
ggplot(data= NULL, aes(x = x, y = y)) + #開始繪圖
geom_point(color = "darkred")
做出的圖如下：
我們查看碼源，就知道geom_point的默認stat是identity，即不做任何統(tǒng)計變換：
> geom_point
function (mapping = NULL, data = NULL, stat = "identity", position = "identity",
na.rm = FALSE, ...)
{
GeomPoint$new(mapping = mapping, data = data, stat = stat,
position = position, na.rm = na.rm, ...)
}
<environment: namespace:ggplot2>
大家可以發(fā)現(xiàn)，我在（20，20）這個點的數(shù)據(jù)事實上是有20個的，但由于沒做統(tǒng)計轉(zhuǎn)換(20,20)這個點被畫了20次，因此我們理論上看到的點其實是最后一次畫的那個點。可能這不夠直觀，沒關(guān)系，我們調(diào)整一下透明度到10%：
ggplot(data= NULL, aes(x = x, y = y)) + #開始繪圖
geom_point(color = "darkred",alpha = 0.1)
得到如下圖：
這樣應(yīng)該就很明顯了，由于(20,20)點被畫了20次，所以透明度會疊加為20*10% = 200%實際只展現(xiàn)100%。
我們現(xiàn)在就使用坐標轉(zhuǎn)換來重新畫這個圖：
ggplot(data= NULL, aes(x = x, y = y)) + #開始繪圖
geom_point(color = "darkred",stat = "sum")
好了，解釋一下，stat_sum實際的意思就是按照某一點占所有點出現(xiàn)頻率然后換算成大小來作圖，因此，以上代碼就可以得到下面這張圖，因為(20,20)這個點出現(xiàn)頻率為20/120=16.667%：
好了，我們可以發(fā)現(xiàn)了，一個單純的geom_point里面也是帶有stat_的，因此，其實geom_和stat_實際上是一回事。可能你會問了，那照我的說法，以上這幅圖用的是geom_point里的一個參數(shù)，而不是再用stat_sum，這是一回事嗎？bingo！這個問題相當好，的確，按照以上的推理，應(yīng)該存在一種以stat_sum作為主函數(shù)的方法來繪制這幅圖，搞不好，里面還有個參數(shù)geom，要設(shè)置成“point”。我們來實踐一下吧：
ggplot(data= NULL, aes(x = x, y = y)) + #開始繪圖
stat_sum(color = "darkred",geom = "point")
尼瑪，還真可以，還長得一模一樣。
現(xiàn)在就講通了，對于有過經(jīng)驗的同學現(xiàn)在應(yīng)該重新修正這個觀點——stat_和geom_是兩種繪圖方法。這是錯的，其實它們是ggplot2每一個圖層繪制都必須有的，是一個圖層的一體兩面。
在這一步之中，我們也要回到我們在第一步時出現(xiàn)的問題，aes到底是什么？為什么說任何與數(shù)據(jù)向量順序相關(guān)，需要逐個指定的參數(shù)都必須寫在aes里？什么時候color、shape、size、fill寫外面，什么時候?qū)懤锩妫?/p>
aes實際上做的是將aes里的向量的順序逐個地繪制。譬如以下代碼（轉(zhuǎn)自geom_point幫助文檔中的實例）：
p <- ggplot(mtcars, aes(wt, mpg)) #<---- code 1
p + geom_point(aes(colour = qsec)) #<---- code 2
結(jié)果是：
我們來分析一下ggplot2是怎么作圖的。首先，我們來看一下mtcars這個數(shù)據(jù)集長什么樣：
> head(mtcars)
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1
code 1: ggplot首先載入了這個mtcars的集合，然后指定給了mpg作為其x坐標位置，wt為y坐標位置。
code 2: 指定了qsec作為其染色的標準（分組），qsec為numeric變量，因此，應(yīng)該選擇連續(xù)型的標尺，而不是分組染色。然后開始繪制，讀取mtcarswt[1]，確定位置，然后為其染成mtcars$qsec[1]顏色；再繪制第二點。。。
因此，aes里的美學特征其實就是按照向量順序指定每個位置的美學特征，大家可以比較tapply函數(shù)的寫法。
好了，現(xiàn)在問題就來了。我想為所有點的顏色都染成綠色，怎么辦？其實很簡單，如果不需要指定這么一個染色的順序，而選擇將整個圖層染成一種顏色，則只需要將color寫在aes外：
p + geom_point(color = "green")
哦，怪不得寫在aes里染出來的顏色不是綠色，但為什么寫到里面就不可以了，為了寫到里面，然出來的是粉色？
好了，我們再來分析一下把color = "green"寫到了aes里，到底發(fā)生了什么。
p + geom_point(aes(colour = "green"))
首先，數(shù)據(jù)的初始化跟上面那個例子是相同的。然后，因為color放到了aes里，于是ggplot開始搜索mtcars里面的向量了，發(fā)現(xiàn)沒有叫"green"的，然后又找了global，也沒有。于是，ggplot就開始把它認作了一個新的向量。等等，有個問題，我要按照這個向量來分別染色，而事實上，這個向量長度為1，怎么辦？ggplot就先把他展開成了factor(rep("green",nrow(mtcars)),levels = unique("green"))，bingo！現(xiàn)在開始染色了。啊第一個數(shù)據(jù)mtcarswt[1]，其顏色變量是"green",因子水平是1，染成默認調(diào)色第一種，哦，就是這個蛋蛋的粉紅色；再染第二個，還是"green"，因子水平也是1，染成蛋蛋的粉紅色；... 終于完成了，咦？怎么都是蛋蛋的粉紅色。
通過舉了這個染色的例子大家應(yīng)該都弄懂了，aes到底在干什么了。其他的美學特征其實也是完全一致的。只是需要解釋group=1的意思就是說不做分組來進行繪圖。什么？還是搞不清該放aes里面還是外面？那就記著想統(tǒng)一整個圖層時就放到aes外，想分成不同組調(diào)整，并且已經(jīng)有一個與x、y長度一致的分組變量了，那就放到aes里。
在這一步里，還要要說的就是我們要講的是ggplot2大致內(nèi)置了哪些圖：
- 點（point, text）：往往只有x、y指定位置，有shape但沒有fill
- 線(line,vline,abline,hline,stat_function等)：一般是基于函數(shù)來處理位置
- 射(segment)：特征是指定位置有xend和yend，表示射線方向
- 面(tile, rect)：這類一般有xmax,xmin,ymax,ymin指定位置
- 棒(boxplot,bin,bar,histogram)：往往是二維或一維變量，具有width屬性
- 帶(ribbon,smooth):透明是特征是透明的fill
- 補：包括rug圖，誤差棒(errorbar,errorbarh)
然后，就是按照你的需要一步步加圖層了（使用“+”）。
第三部，加注釋。所有注釋的實現(xiàn)都是通過annotate函數(shù)實現(xiàn)的，其實annotate就是一個最簡單的geom_單元，它一次只添加一個位置上的圖形（可以通過設(shè)置向量來實現(xiàn)同時繪制多個圖形，但這個理念和注釋的理念有所偏差）。annotate的geom就是指定注釋的類型，其屬性按照geom的不同而發(fā)生變化。
第四步，調(diào)整。這里的調(diào)整主要是使用微調(diào)圖形這大類的函數(shù)做美學特征、坐標軸、標題、繪圖主題的調(diào)整。這部分也就是繼承了命令式作圖的思想，使ggplot2的靈活性增加。
如何搜索你要用什么美學特征調(diào)整函數(shù)，其實就是按照美學特征的名字來，例如，你要調(diào)整的是fill，就找scale_fill_之后就有一些不同的染色方法（關(guān)于色彩，如果有時間還會添加相關(guān)知識）；調(diào)整的是橫坐標標尺，就找scale_x_然后后面跟上你的橫坐標類型；其他雷同。
在調(diào)整主題這方面，值得褒獎的是，theme函數(shù)其實最妙的地方是將對于數(shù)據(jù)相關(guān)的美學調(diào)整和與數(shù)據(jù)無關(guān)的美學調(diào)整分離了。譬如說，我們要改變x軸的顏色，或者panel的底色，這個其實與數(shù)據(jù)處理無關(guān)，這種分離就會使得我們可以如此流程化地操作作圖，而不需要在考慮數(shù)據(jù)的時候還要關(guān)注到與數(shù)據(jù)無關(guān)的美學參數(shù)。有人有時候會覺得ggplot2很奇怪的地方就是為什么調(diào)整legend的時候，有時要用scale_，有時又要用theme，其實這都是對于ggplot2這個設(shè)計理念的不理解，作者的設(shè)計思路是要將數(shù)據(jù)處理與數(shù)據(jù)美學分開，數(shù)據(jù)美學與數(shù)據(jù)無關(guān)的調(diào)整分開。
其次，theme函數(shù)采用了四個簡單地函數(shù)來調(diào)整所有的主題特征：element_text調(diào)整字體，element_line調(diào)整主題內(nèi)的所有線，element_rect調(diào)整所有的塊，element_blank清空。這種設(shè)計相當?shù)匕簟?/p>
由此，一個極具誠意的作圖應(yīng)該長成下面這個樣子：
ggplot(data = , aes(x = , y = )) +
geom_XXX(...) + ... + stat_XXX(...) + ... +
annotate(...) + ... +
scale_XXX(...) + coord_XXX(...) + guides(...) + theme(...)
5. ggplot2的一些缺點
- 公式支持不好，自帶的plotmath公式無法滿足很多需求
- 無法針對多個legends進行調(diào)整
- 效率不高，繪圖速度較慢，這也表示二次開發(fā)的可能性不高
