library(tidyverse)
library(dplyr)
library(nycflights13)
#探索性數(shù)據(jù)分析(exploratory data analysis，EDA)
#? 變量:一種可測(cè)量的數(shù)量、質(zhì)量或?qū)傩浴?/p>
#? 值:變量在測(cè)量時(shí)的狀態(tài)。變量值在每次測(cè)量之間可以發(fā)生改變。
#? 觀測(cè):或稱個(gè)案，指在相同條件下進(jìn)行的一組測(cè)量(通常，一個(gè)觀測(cè)中的所有測(cè)量是在同一時(shí)間對(duì)同一對(duì)象進(jìn)行的)。
#一個(gè)觀測(cè)會(huì)包含多個(gè)值，每個(gè)值關(guān)聯(lián)到不同的變量。有時(shí)我們會(huì)將觀測(cè)稱為數(shù)據(jù)點(diǎn)。
#? 表格數(shù)據(jù):一組值的集合，其中每個(gè)值都關(guān)聯(lián)一個(gè)變量和一個(gè)觀測(cè)。
#如果每個(gè)值都有自己所屬的“單元”，每個(gè)變量都有自己所屬的列，每個(gè)觀測(cè)都有自己所屬的行，那么表格數(shù)據(jù)就是整潔的。
#變動(dòng)
#變動(dòng)是每次測(cè)量時(shí)數(shù)據(jù)值的變化趨勢(shì)。
#所有變量都有自己的變動(dòng)模式，可以揭示出一些有趣的信息。
#理解這種模式 的最好方法就是對(duì)變量值的分布進(jìn)行可視化表示。
#對(duì)分布進(jìn)行可視化表示
#對(duì)變量分布進(jìn)行可視化的方法取決于變量是分類變量還是連續(xù)變量。
#如果僅在較小的集合內(nèi)取值，那么這個(gè)變量就是分類變量。
#分類變量在 R 中通常保存為因子或字符向量。
#要想檢查分類變量的分布，可以使用條形圖:
ggplot(data = diamonds) +
? geom_bar(mapping = aes(x = cut))
#條形的高度表示每個(gè) x 值中觀測(cè)的數(shù)量，你可以使用 dplyr::count() 手動(dòng)計(jì)算出這些值:
diamonds %>%
? count(cut)
#如果可以在無限大的有序集合中任意取值，那么這個(gè)變量就是連續(xù)變量。
#數(shù)值型和日期時(shí) 間型變量就是連續(xù)變量的兩個(gè)例子。
#要想檢查連續(xù)變量的分布，可以使用直方圖:
ggplot(data = diamonds) +
? geom_histogram(mapping = aes(x = carat), binwidth = 0.5)
#你可以通過 dplyr::count() 和 ggplot2::cut_width() 函數(shù)的組合來手動(dòng)計(jì)算結(jié)果:
diamonds %>%
? count(cut_width(carat, 0.5))
#直方圖對(duì) x 軸進(jìn)行等寬分箱，然后使用條形的高度來表示落入每個(gè)分箱的觀測(cè)的數(shù)量。
#在上圖中，最高的條形表示幾乎有 30 000 個(gè)觀測(cè)的 carat 值在 0.25 和 0.75 之間，這兩個(gè)值分別是條形的左側(cè)值和右側(cè)值。
#使用 binwidth 參數(shù)來設(shè)定直方圖中的間隔的寬度，該參數(shù)是用 x 軸變量的單位來度量的
#在使用直方圖時(shí)，你應(yīng)該試驗(yàn)一下不同的分箱寬度，因?yàn)椴煌姆窒鋵挾瓤梢越沂静煌哪Ｊ健?/p>
#如果只考慮重量小于 3 克拉的鉆石，并選擇一個(gè)更小的分箱寬度，那么直方圖如下所示:
smaller <- diamonds %>%
? filter(carat < 3)
ggplot(data = smaller, mapping = aes(x = carat)) +
? geom_histogram(binwidth = 0.1)
diamonds %>%
? filter(carat < 3) %>%
ggplot(mapping = aes(x = carat)) +
? geom_histogram(binwidth = 0.1)
#如果想要在同一張圖上疊加多個(gè)直方圖，那么我們建議你使用 geom_freqploy() 函數(shù)來代替 geom_histogram() 函數(shù)。
#geom_freqploy() 可以執(zhí)行和 geom_histogram() 同樣的計(jì)算過程，
#但前者不使用條形來顯示計(jì)數(shù)，而是使用折線。
#疊加的折線遠(yuǎn)比疊加的條形更容易理解
ggplot(data = smaller, mapping = aes(x = carat, color = cut)) +
? geom_freqpoly(binwidth = 0.1)
diamonds %>%
? filter(carat < 3) %>%
? ggplot(mapping = aes(x = carat, color = cut)) +
? geom_freqpoly(binwidth = 0.1)
#典型值
#條形圖和直方圖都用比較高的條形表示變量中的常見值，
#而用比較矮的條形表示變量中不常見的值。
#沒有條形的位置表示數(shù)據(jù)中沒有這樣的值。
#? ? 哪些值是最常見的?為什么?
#? ? 哪些值是非常罕見的?為什么?這和你的預(yù)期相符嗎?
#? ? 你能發(fā)現(xiàn)任何異乎尋常的模式嗎?如何解釋?
#? ? 為什么重量為整數(shù)克拉和常見分?jǐn)?shù)克拉的鉆石更多?
#? ? 為什么位于每個(gè)峰值稍偏右的鉆石比稍偏左的鉆石更多?
#? ? 為什么沒有重量超過 3 克拉的鉆石?
ggplot(data = smaller, mapping = aes(x = carat)) +
? geom_histogram(binwidth = 0.01)
#一般來說，相似值聚集形成的簇表示數(shù)據(jù)中存在子組。為了理解子組，我們提出以下問題。
#? ? 每個(gè)簇中的觀測(cè)是如何相似的?
#? ? 不同簇之間的觀測(cè)是如何不相似的?
#? ? 如何解釋或描述各個(gè)簇?
#? ? 為什么有些簇的外觀可能具有誤導(dǎo)作用?
#異常值
#異常值是與眾不同的觀測(cè)或者是模式之外的數(shù)據(jù)點(diǎn)。
#有時(shí)異常值是由于數(shù)據(jù)錄入錯(cuò)誤而產(chǎn)生的;
#有時(shí)異常值則能開辟出一塊重要的新科學(xué)領(lǐng)域。
#如果數(shù)據(jù)量比較大，有時(shí)很難在直 方圖上發(fā)現(xiàn)異常值。
#例如，查看鉆石數(shù)據(jù)集中 y 軸變量的分布，唯一能表示存在異常值的證據(jù)是，y 軸的取值范圍出奇得寬:
ggplot(diamonds) +
? geom_histogram(mapping = aes(x = y), binwidth = 0.5)
#為了更容易發(fā)現(xiàn)異常值，我們可以使用 coord_cartesian() 函數(shù)將 y 軸靠近 0 的部分放大
ggplot(diamonds) +
? geom_histogram(mapping = aes(x = y), binwidth = 0.5) +
? coord_cartesian(ylim = c(0, 50))
#coord_cartesian() 函數(shù)中有一個(gè)用于放大 x 軸的 xlim() 參數(shù)
#我們就可以看出有 3 個(gè)異常值，分別位于 0、30 左右和 60 左右。
#我們使用 dplyr 將它們找出來:
unusual <- diamonds %>%
filter(y < 3 | y > 20) %>%
? arrange(y)
unusual
#鉆石的寬度不可能是 0 毫米，因此這些值肯定是錯(cuò)誤的。
#32 毫米和 59 毫米同樣是令人難以置信的， 這樣的鉆石長(zhǎng)度超過 1 英寸(1 英寸 =2.54 厘米)，簡(jiǎn)直就是無價(jià)之寶!
#使用帶有異常值和不帶異常值的數(shù)據(jù)分別進(jìn)行分析，是一種良好的做法。
#如果兩次分析的結(jié)果差別不大，而你又無法說明為什么會(huì)有異常值，那么完全可以用缺失值替代異常值，然后繼續(xù)進(jìn)行分析。
#但如果兩次分析的結(jié)果有顯著差別，那么你就不能在沒有正當(dāng)理由的情況下丟棄它們。
#你需要弄清出現(xiàn)異常值的原因(如數(shù)據(jù)輸入錯(cuò)誤)，并在文章中說明丟棄它們的理由。
#缺失值
#如果在數(shù)據(jù)集中發(fā)現(xiàn)異常值，但只想繼續(xù)進(jìn)行其余的分析工作，那么有 2 種選擇。
#將帶有可疑值的行全部丟棄:
diamonds2 <- diamonds %>%
? filter(between(y, 3, 20))
#我們不建議使用這種方式，因?yàn)橐粋€(gè)無效測(cè)量不代表所有測(cè)量都是無效的。
#此外，如果數(shù)據(jù)質(zhì)量不高，若對(duì)每個(gè)變量都采取這種做法，那么你最后可能會(huì)發(fā)現(xiàn)數(shù)據(jù)已經(jīng)所剩無幾!
#相反，我們建議使用缺失值來代替異常值。
#最簡(jiǎn)單的做法就是使用 mutate() 函數(shù)創(chuàng)建 一個(gè)新變量來代替原來的變量。
#你可以使用 ifelse() 函數(shù)將異常值替換為 NA:
diamonds2 <- diamonds %>%
? mutate(y = ifelse(y < 3 | y > 20, NA, y))
#ifelse() 函數(shù)有 3 個(gè)參數(shù)。第一個(gè)參數(shù) test 應(yīng)該是一個(gè)邏輯向量，
#如果 test 為 TRUE，函數(shù)結(jié)果就是第二個(gè)參數(shù) yes 的值;
#如果 test 為 FALSE，函數(shù)結(jié)果就是第三個(gè)參數(shù) no 的值。
#和 R 一樣，ggplot2 也遵循不能無視缺失值的原則。
#因?yàn)闊o法明確地繪制出缺失值，
#所以 ggplot2 在繪圖時(shí)會(huì)忽略缺失值，但會(huì)提出警告以通知缺失值被丟棄了:
ggplot(data = diamonds2, mapping = aes(x = x, y = y)) +
? geom_point()
#> Warning: Removed 9 rows containing missing values
#> (geom_point).
#要想不顯示這條警告，可以設(shè)置 na.rm = TRUE:
ggplot(data = diamonds2, mapping = aes(x = x, y = y)) +
? geom_point(na.rm = TRUE)
#有時(shí)你會(huì)想弄清楚造成有缺失值的觀測(cè)和沒有缺失值的觀測(cè)間的區(qū)別的原因。
#例如，在 nycflights13::flights 中，dep_time 變量中的缺失值表示航班取消了。
#因此，你應(yīng)該比較 一下已取消航班和未取消航班的計(jì)劃出發(fā)時(shí)間。
#可以使用 is.na() 函數(shù)創(chuàng)建一個(gè)新變量來 完成這個(gè)操作:
nycflights13::flights %>%
? mutate(
? ? cancelled = is.na(dep_time),
? ? sched_hour = sched_dep_time %/% 100,
? ? sched_min = sched_dep_time %% 100,
? ? sched_dep_time = sched_hour + sched_min / 60
? ) %>%
? ggplot(mapping = aes(sched_dep_time)) +
? geom_freqpoly(
? ? mapping = aes(color = cancelled),
? ? binwidth = 1/4
? )
#相關(guān)變動(dòng)
#如果變動(dòng)描述的是一個(gè)變量?jī)?nèi)部的行為，那么相關(guān)變動(dòng)描述的就是多個(gè)變量之間的行為。
#相關(guān)變動(dòng)是兩個(gè)或多個(gè)變量以相關(guān)的方式共同變化所表現(xiàn)出的趨勢(shì)。
#查看相關(guān)變動(dòng)的最好方式是將兩個(gè)或多個(gè)變量間的關(guān)系以可視化的方式表現(xiàn)出來。
#如何進(jìn)行這種可視化表示同樣取決于相關(guān)變量的類型。
#分類變量與連續(xù)變量
#我們經(jīng)常需要探索連續(xù)變量的分布，這種分布按照一個(gè)分類變量的值可以分為幾個(gè)組，
#就像前面的頻率多邊形圖一樣。
#geom_freqpoly() 的默認(rèn)外觀不太適合這種比較，因?yàn)楦叨仁怯捎?jì)數(shù)給出的。
#這就意味著，如果一組觀測(cè)的數(shù)量明顯少于其他組的話，就很難看出形狀上的差別。
#舉個(gè)例子，我們探索一下鉆石價(jià)格是如何隨著質(zhì)量而變化的:
ggplot(data = diamonds, mapping = aes(x = price)) +
? geom_freqpoly(mapping = aes(color = cut), binwidth = 500)
#很難看出分布上的差別，因?yàn)榭傮w看來各組數(shù)量的差別太大了
ggplot(diamonds) +
? geom_bar(mapping = aes(x = cut))
#為了讓比較變得更容易，需要改變 y 軸的顯示內(nèi)容，不再顯示計(jì)數(shù)，而是顯示密度。
#密度是對(duì)計(jì)數(shù)的標(biāo)準(zhǔn)化，這樣每個(gè)頻率多邊形下邊的面積都是 1:
ggplot(
? data = diamonds,
? mapping = aes(x = price, y = ..density..) )+
? geom_freqpoly(mapping = aes(color = cut), binwidth = 500)
#這張圖的部分內(nèi)容非常令人驚訝，其顯示出一般鉆石(質(zhì)量最差)的平均價(jià)格是最高的!
#但這可能是因?yàn)轭l率多邊形圖很難解釋，所以這張圖還有很多可以改進(jìn)的地方。
#按分類變量的分組顯示連續(xù)變量分布的另一種方式是使用箱線圖。
#箱線圖是對(duì)變量值分布 的一種簡(jiǎn)單可視化表示，這種圖在統(tǒng)計(jì)學(xué)家中非常流行。
#每張箱線圖都包括以下內(nèi)容。
#? 一個(gè)長(zhǎng)方形箱子，下面的邊表示分布的第 25 個(gè)百分位數(shù)，上面的邊表示分布的第 75 個(gè) 百分位數(shù)，上下兩邊的距離稱為四分位距。
#? 箱子的中部有一條橫線，表示分布的中位數(shù)， 也就是分布的第 50 個(gè)百分位數(shù)。
#? 這三條線可以表示分布的分散情況，還可以幫助我們明確數(shù)據(jù)是關(guān)于中位數(shù)對(duì)稱的，還是偏向某一側(cè)。
#? 圓點(diǎn)表示落在箱子上下兩邊 1.5 倍四分位距外的觀測(cè)，這些離群點(diǎn)就是異常值，因此需 要單獨(dú)繪出。
#? 從箱子上下兩邊延伸出的直線(或稱為須)可以到達(dá)分布中最遠(yuǎn)的非離群點(diǎn)處。
#使用 geom_boxplot() 函數(shù)查看按切割質(zhì)量分類的價(jià)格分布:
ggplot(data = diamonds, mapping = aes(x = cut, y = price)) +
? geom_boxplot()
#雖然看不出太多關(guān)于分布的信息，但箱線圖更加緊湊，因此可以更容易地比較多個(gè)類別
#與前面的圖形一樣，我們可以從箱線圖中發(fā)現(xiàn)違反直覺的 現(xiàn)象:質(zhì)量更好的鉆石的平均價(jià)格更低!
#cut 是一個(gè)有序因子:“一般”不如“較好”、“較好”不如“很好”，以此類推。
#因?yàn)楹芏喾诸愖兞坎]有這種內(nèi)在的順序，所以有時(shí)需要對(duì)其重新排序來繪制信息更豐富的圖形。
#重新排序的其中一種方法是使用 reorder() 函數(shù)。
#我們看一下 mpg 數(shù)據(jù)集中的 class 變量。
#你可能很想知道公路里程因汽車類別的不 同會(huì)有怎樣的變化:
ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
? geom_boxplot()
#為了更容易發(fā)現(xiàn)趨勢(shì)，可以基于 hwy 值的中位數(shù)對(duì) class 進(jìn)行重新排序:
ggplot(data = mpg) +
? geom_boxplot(
? ? mapping = aes(
? ? ? x = reorder(class, hwy, FUN = median),
? ? ? y = hwy
? ? ) )
#如果變量名很長(zhǎng)，那么將圖形旋轉(zhuǎn) 90 度效果會(huì)更好一些。
#你可以通過 coord_flip() 函數(shù)完成這一操作:
ggplot(data = mpg) +
? geom_boxplot(
? ? mapping = aes(
? ? ? x = reorder(class, hwy, FUN = median),
? ? ? y = hwy
? ? ) )+
? coord_flip()
#兩個(gè)分類變量
#要想對(duì)兩個(gè)分類變量間的相關(guān)變動(dòng)進(jìn)行可視化表示，
#需要計(jì)算出每個(gè)變量組合中的觀測(cè)數(shù)量。
#完成這個(gè)任務(wù)的其中一種方法是使用內(nèi)置的 geom_count() 函數(shù)
ggplot(data = diamonds) +
? geom_count(mapping = aes(x = cut, y = color))
#圖中每個(gè)圓點(diǎn)的大小表示每個(gè)變量組合中的觀測(cè)數(shù)量。
#相關(guān)變動(dòng)就表示為特定 x 軸變量值 與特定 y 軸變量值之間的強(qiáng)相關(guān)關(guān)系。
#計(jì)算變量組合中的觀測(cè)數(shù)量的另一種方法是使用 dplyr:
diamonds %>%
? count(color, cut)
#接著使用 geom_tile() 函數(shù)和填充圖形屬性進(jìn)行可視化表示:
diamonds %>%
? count(color, cut) %>%
? ggplot(mapping = aes(x = color, y = cut)) +
? geom_tile(mapping = aes(fill = n))
#如果分類變量是無序的，那么可以使用 seriation 包對(duì)行和列同時(shí)進(jìn)行重新排序，以便更清楚地表示出有趣的模式。
#對(duì)于更大的圖形，你可以使用 d3heatmap 或 heatmaply 包，這兩個(gè)包都可以生成有交互功能的圖形。
# 一般會(huì)將大數(shù)量的分類變量放在y軸或者名字比較長(zhǎng)的放y軸
#兩個(gè)連續(xù)變量
#對(duì)于兩個(gè)連續(xù)變量間的相關(guān)變動(dòng)的可視化表示，我們已經(jīng)介紹了一種非常好的方法:
#使用 geom_point() 畫出散點(diǎn)圖。你可以將相關(guān)變動(dòng)看作點(diǎn)的模式。
#例如，你可以看到鉆石的克 拉數(shù)和價(jià)值之間存在一種指數(shù)關(guān)系:
ggplot(data = diamonds) +
? geom_point(mapping = aes(x = carat, y = price))
#隨著數(shù)據(jù)集規(guī)模的不斷增加，散點(diǎn)圖的用處越來越小，
#因?yàn)閿?shù)據(jù)點(diǎn)開始出現(xiàn)過繪制，并堆積在一片黑色區(qū)域中(如上面的散點(diǎn)圖所示)。
#使用 alpha 圖形屬性添加透明度
ggplot(data = diamonds) +
? geom_point(
? ? mapping = aes(x = carat, y = price),
? ? alpha = 1 / 100
? )
#但是很難對(duì)特別大的數(shù)據(jù)集使用透明度。
#另一種解決方法是使用分箱。
#之前使用了 geom_histogram() 和 geom_freqpoly() 函數(shù)在一個(gè)維度上進(jìn)行分箱
#geom_bin2d() 和 geom_hex() 函數(shù)在兩個(gè)維度上進(jìn)行分箱
#geom_bin2d() 和 geom_hex() 函數(shù)將坐標(biāo)平面分為二維分箱，
#并使用一種填充顏色表示落入每個(gè)分箱的數(shù)據(jù)點(diǎn)。
#geom_bin2d() 創(chuàng)建長(zhǎng)方形分箱。geom_hex() 創(chuàng)建六邊形分箱。
#要想使用 geom_hex()，需要安裝 hexbin 包:
ggplot(data = smaller) +
? geom_bin2d(mapping = aes(x = carat, y = price))
# install.packages("hexbin")
ggplot(data = smaller) +
geom_hex(mapping = aes(x = carat, y = price))
#另一種方式是對(duì)一個(gè)連續(xù)變量進(jìn)行分箱，因此這個(gè)連續(xù)變量的作用就相當(dāng)于分類變量。
#例如，你 可以對(duì) carat 進(jìn)行分箱，然后為每個(gè)組生成一個(gè)箱線圖:
ggplot(data = smaller, mapping = aes(x = carat, y = price)) +
? geom_boxplot(mapping = aes(group = cut_width(carat, 0.1)))
#以上示例使用了 cut_width(x, width) 函數(shù)將 x 變量分成寬度為 width 的分箱。
#默認(rèn)情況下，不管其中有多少個(gè)觀測(cè)，箱線圖看上去都差不多(除了離群點(diǎn)的數(shù)量不同)
#因此很 難分辨出每個(gè)箱線圖是對(duì)不同數(shù)量的觀測(cè)進(jìn)行摘要統(tǒng)計(jì)的。
#如果想要體現(xiàn)這種信息，可以使用參數(shù) varwidth = TRUE 讓箱線圖的寬度與觀測(cè)數(shù)量成正比。
ggplot(data = smaller, mapping = aes(x = carat, y = price)) +
? geom_boxplot(mapping = aes(group = cut_width(carat, 0.1)),varwidth = TRUE)
#另一種方法是近似地顯示每個(gè)分箱中的數(shù)據(jù)點(diǎn)的數(shù)量，此時(shí)可以使用 cut_number() 函數(shù)
ggplot(data = smaller, mapping = aes(x = carat, y = price)) +
? geom_boxplot(mapping = aes(group = cut_number(carat, 20)))
#二維圖形可以顯示一維圖形中看不到的離群點(diǎn)。
#例如，以下圖形中的有些點(diǎn)具有異常的 x 值和 y 值組合，這使得這些點(diǎn)成為了離群點(diǎn)，
#即使這些點(diǎn)的 x 值和 y 值在單獨(dú)檢驗(yàn)時(shí)似乎是正常的。
ggplot(data = diamonds) +
? geom_point(mapping = aes(x = x, y = y)) +
? coord_cartesian(xlim = c(4, 11), ylim = c(4, 11))
#模式和模型
#數(shù)據(jù)中的模式提供了關(guān)系線索。
#如果兩個(gè)變量之間存在系統(tǒng)性的關(guān)系，那么這種關(guān)系就會(huì)在數(shù)據(jù)中表現(xiàn)為一種模式。
#模式是數(shù)據(jù)科學(xué)中最有效的工具之一，因?yàn)槠淇梢越沂鞠嚓P(guān)變動(dòng)。
#如果說變動(dòng)會(huì)生成不確定性，那么相關(guān)變動(dòng)就是減少不確定性。
#如果兩個(gè)變量是共同變化的，就可以使用一個(gè)變 量的值來更好地預(yù)測(cè)另一個(gè)變量的值。
#如果相關(guān)變動(dòng)可以歸因于一種因果關(guān)系(一種特殊 情況)，那么就可以使用一個(gè)變量的值來控制另一個(gè)變量的值。
#模型是用于從數(shù)據(jù)中抽取模式的一種工具。
#例如，我們思考一下鉆石數(shù)據(jù)。
#切割質(zhì)量與價(jià)格之間的關(guān)系是很難理解的，因?yàn)榍懈钯|(zhì)量和克拉數(shù)以及克拉數(shù)和價(jià)格之間是緊密相關(guān)的。
#我們可以使用模型去除價(jià)格和克拉數(shù)之間的強(qiáng)關(guān)系，這樣就可以繼續(xù)研究剩余的微妙關(guān)系。
#以下代碼擬合了一個(gè)模型，可以根據(jù) carat 預(yù)測(cè) price，并計(jì)算出殘差(預(yù)測(cè)值和 實(shí)際值之間的差別)。
#一旦去除克拉數(shù)對(duì)價(jià)格的影響，殘差就能反映出鉆石的價(jià)格:
library(modelr)
#擬合了一個(gè)模型，可以根據(jù) carat 預(yù)測(cè) price
mod <- lm(log(price) ~ log(carat), data = diamonds)
#計(jì)算出殘差(預(yù)測(cè)值和實(shí)際值之間的差別)
diamonds2 <- diamonds %>%
? add_residuals(mod) %>%
? mutate(resid = exp(resid))
ggplot(data = diamonds2) +
? geom_point(mapping = aes(x = carat, y = resid))
#去除克拉數(shù)和價(jià)格之間的強(qiáng)關(guān)系后，就可以看到預(yù)料中的切割質(zhì)量與價(jià)格的關(guān)系，
ggplot(data = diamonds2) +
? geom_boxplot(mapping = aes(x = cut, y = resid))
#對(duì)于同樣大小的鉆石，切割質(zhì)量更好的鉆石更昂貴:
#ggplot2調(diào)用
#介紹 ggplot2 代碼的一種更精簡(jiǎn)表示
ggplot(data = faithful, mapping = aes(x = eruptions)) +
? geom_freqpoly(binwidth = 0.25)
#一個(gè)函數(shù)的前一個(gè)或前兩個(gè)參數(shù)是非常重要的，你應(yīng)該將它們牢記于心。
#ggplot() 函數(shù)的前兩個(gè)參數(shù)是 data 和 mapping，aes() 函數(shù)的前兩個(gè)參數(shù)是 x 和 y。
#在本書剩余的部分中，我們不再寫出這些參數(shù)名，
#這樣既可以節(jié)省輸入時(shí)間，也可以讓代碼樣板更精簡(jiǎn)，以便更容易找出兩張圖之間的不同之處。
#以更精簡(jiǎn)的方式重寫前面的繪圖語(yǔ)句，結(jié)果如下所示:
ggplot(faithful, aes(eruptions)) +
? geom_freqpoly(binwidth = 0.25)
#有時(shí)我們會(huì)將數(shù)據(jù)轉(zhuǎn)換管道操作的最終結(jié)果轉(zhuǎn)換為一張圖。
#注意，此時(shí)轉(zhuǎn)換是用 + 號(hào)實(shí)現(xiàn)的，不是 %>%。
#我也不希望如此，但遺憾的是，ggplot2 是在管道操作方式發(fā)明前開發(fā)出來的。
diamonds %>%
? count(cut, clarity) %>%
? ggplot(aes(clarity, cut, fill = n)) +
? geom_tile()
