R|ggplot2(一)|一个完整的绘图流程
这一块内容包括如下几个部分
首先简单画一个图出来
做一些等价调整
接受另一种类型的数据
简单的参数调整
纵坐标使用百分比表示
更改横纵轴坐标、标题等
在图中增加标注的文字
调整字体、背景等，达成excel的效果
保存图形
首先简单画一个图出来
# 我们拿到这样的数据
name <- c("多","中","少","中","少")
data <- data.frame(name) # 转化为数据框
library(ggplot2)
# 简单地画出一个图
ggplot(data,aes(x=name)) + geom_bar()从上面我们知道如下信息
ggplot2作图需要输入数据框
作图时我们没有输入频数，函数会自动数出三种类型有多少
ggplot函数中一般接两个参数，一个是数据框data，一个是用来做图的列，放在aes里面，这一点读者先记住就好，我们会在讲分组作图的部分中详细解释
使用数据框中的列时，不需要使用$引用，直接使用列名就可以（只有放在aes中才可以）
前面ggplot函数指定使用的数据，使用”+”来连接其他函数，geom_类函数表示作图类型，geom_bar是做柱状图的函数，如果要做点图就 + geom_point()，当然，点图的话前面就要加入两个参数x和y
# 画点图代码如下，读者可以自己运行
data1 <- data.frame(a=1:3,b=3:1)
ggplot(data1,aes(a,b)) + geom_point()下面我们做一点微调
指定哪一列的aes()放在ggplot函数还是geom_bar函数中无所谓
先做好的部分可以赋值保存，再去加其他内容
下面几种作图等价
ggplot(data,aes(x=name)) + geom_bar()
ggplot(data) + geom_bar(aes(x=name))
p <- ggplot(data,aes(x=name))
p + geom_bar()接受另一种类型的数据
我们画柱状图是使用的数据一般有两种
一种是像上面那种，所有内容列出来，函数内部自己数
一种是 名字-频数 对应形式
当我们得到的是 名字-频数 形式的数据，也可以作图
data1 <- data.frame(table(name)) # 将数据转化为 名字-频数 形式
data1
# name Freq
# 1 多 1
# 2 少 2
# 3 中 2
ggplot(data1,aes(x=name,y=Freq)) + geom_bar(stat="identity") # 和上图相同上面我们发现以下信息
aes()中接受了两个参数，分别代表 名字-频数
geom_bar函数中加了一个参数stat=”identity”，表示不要像之前一样去查数，而是就使用数据Freq本身作为频数
简单的参数调整
上面的图片中，我们发现简单的代码就能画出比较高大上的图形。仔细观察这张图片。会发现函数默认设置了灰色背景、深灰色柱子、白色网格线、去掉图片边框等，正是这些默认的设置，让ggplot2包的简单代码作图远胜于基础函数作图。
不过如果你对这些设置还不满意，这些都是可以调整的，下面图形没有巨大改变，就不放图片了，读者可以自行尝试
p <-ggplot(data,aes(x=name))
p + geom_bar(col="red") # 调整柱子边框颜色为红色（注意这里col不是柱子颜色）
p + geom_bar(fill="red") # 调整柱子颜色为红色(fill才是柱子内部颜色)
p + geom_bar(width=0.5) # 调整柱子宽度,1时两个柱子挨在一起，0.5则宽度是1时的一半纵坐标使用百分比表示
library(dplyr) # ggplot2 包常常和dplyr包一起使用
data1 <- data.frame(table(name))
data2 <- data1 %>% mutate(f=Freq/sum(Freq))
# 使用scales包中很方便的方法
ggplot(data2,aes(name,f)) + geom_bar(stat="identity") +
scale_y_continuous(labels = scales::percent)
# 另外一种实现方法
ggplot(data2,aes(name,f)) + geom_bar(stat="identity") +
scale_y_continuous(breaks=seq(0,0.4,len=5),
labels=paste(seq(0,0.4,len=5)*100,"%"))这里使用的 scale_y_continuous 函数表示当y轴是连续数值时，调整其标度。如上面代码所示，第一种是使用scales包中的特殊表示方法，如果是常规使用方法，应该是下面这种表示方式。breaks表示在轴上哪些点的位置标标签，labels表示标什么标签。
如果想让坐标轴表示0-0.5的范围也只要用 limits 参数调整即可
ggplot(data2,aes(name,f)) + geom_bar(stat="identity") +
scale_y_continuous(breaks=seq(0,0.4,len=5),
labels=paste(seq(0,0.4,len=5)*100,"%"),
limits = c(0,0.5))更改横纵轴坐标、标题等
p1 <- ggplot(data,aes(x=name)) + geom_bar(width=0.7)
p1 + xlab("种类") + ylab("") +
ggtitle("运动情况")所以更改 横纵轴坐标、标题 都是通过 + 特定的函数来实现的，而不可以在原有函数中增加参数来实现。
在图中增加标注的文字
p2 <- ggplot(data,aes(x=name)) +
geom_bar(width=0.7,fill=rgb(50,163,221,maxColorValue=255)) +
xlab("种类") + ylab("") + ggtitle("运动情况")
(p3 <- p2 + geom_text(stat="count",
label=paste(table(name)/sum(table(name))*100,'%',sep=''),
colour = "black", vjust=-0.5, size=4.7))增加标注文字使用geom_text函数，参数label表示标什么，后面参数调整颜色、位置和大小。
调整字体、背景等，达成excel的效果
这里调整也要使用函数，还涉及到ggplot2包中使用比较麻烦的一块——theme设置
ggplot2中默认使用的主题是灰色背景、白色网格、无边框，同时，它还定义了一些特殊的主题，只要通过+连接就可以使用
p3 + theme_bw()
从图中我们可以看到，theme_bw()是白色背景、灰色网格、有边框。除此之外，还有很多其他主题，读者可以在rstudio中打出 theme 就会自动弹出选项补全函数。
我们可以使用这种现成的主题，也可以自行定制，或者修改当前主题
mytheme <- theme_bw() +
theme(plot.title=element_text(size=rel(2),hjust=0.5),
axis.title=element_text(size=rel(1.5)),
axis.text=element_text(size=rel(1.5)),
panel.grid.major=element_line(color="white"),
panel.grid.minor=element_line(color="white"),
panel.border=element_rect(color="white"),
axis.line=element_line(color="gray",size=1))
p3 + mytheme这样自己定义好的主题，就可以应用到其他各种图形中
下面解释一下theme函数中的参数。这里应该说有两层参数，一层是plot.title等theme函数的参数，第二层是size等element_函数参数，这就是theme设置复杂的原因。
参数的作用都可以根据名字顾名思义了
plot.title 调整标题文字，size 和 hjust参数则调整大小和位置（此处居中）
后面调整轴名、标注名、网格线、坐标轴显示情况等内容
theme的问题我们之后会专门讲述，这里只是想让读者知道，这些设置都要在theme中调整，而不要以R中基础绘图的思路，想直接在geom_bar函数中使用参数设置。
保存图形
ggplot2包中有专门的保存函数ggsave
ggsave("1.png", dpi=300) # 默认保存最近的作图
ggsave("1.png", dpi=300, plot=p3) # 自己指定保存的图片到这里，我们讲述了一个简单柱状图绘制的基本流程。当然，很多时候没有必要调整那么多参数，直接使用默认的图形就已经非常令人满意了，作图保存两行代码就搞定。这里讲这么多是为了能应对更多需求，完善自己的知识体系。
接下来，我会具体讲述更加复杂的需求，和一些需求的具体解释。
专栏信息
专栏主页：Data Analysis（https://zhuanlan.zhihu.com/Data-AnalysisR）
专栏目录：目录（https://zhuanlan.zhihu.com/p/25780082）
文末彩蛋
这里讲一下各种赋值符号的区别，R语言中赋值符号有如下几种：= <- -> <<-
它们的区别有一下几点
<- 是R语言中对变量赋值的符号，这和其他语言使用=不同
=是函数中对参数的赋值，不过用于变量赋值也可以，但是还是推荐用 <-
-> 是把前面内容赋值给后面参数的符号，为了代码规范，不推荐使用
<<- 是改变作用域的赋值，在函数中使用，变量名在函数外面依然可以使用
->的使用
a <- 1:4
1:4 -> b
a;b # 都可以实现赋值=与<- 的区别
m=1:4;m
n <- 1:4;n # 正常赋值没区别
f <- function(y,x) x+1
f(x=2) # 让参数x为2,正常返回3
f(x <- 2) # 报错
f <- function(y,x) x+1
f(0,2) # 3
f(0,aa <- 2) # 3
f(0,aa = 2) # 报错，没有这个参数aa在函数中使用<- 的逻辑是，先赋值2给x，再让这个结果作为函数f的第一个参数，也就是让y是2，而函数要使用x进行计算，自然会报错
<-与<<-的区别
f1 <- function(x) (y<-x+1)
f2 <- function(x) (y<<-x+1)
f1(2)
y # Error: object 'y' not found
f2(2)
y # 3这说明在函数中使用<<-赋值，变量名可以函数外面被调用，这涉及到变量的作用空间问题，本专栏以后还会专门讲述
不过如果调用函数时使用了赋值号,这个变量是可以再外部使用的，因为它相当于在外部赋值之后，再作为参数传输进去的
f1(abcd <- 2)
abcd # 2
f1(abc <<- 2)
abc
f1(x = 2)
x # Error: object 'x' not foundDwzb , R语言中文社区专栏作者，厦门大学统计专业学生。
知乎专栏：Data Analysis
https://zhuanlan.zhihu.com/Data-AnalysisR
微信回复关键字即可学习
回复 R R语言快速入门免费视频
回复 统计 统计方法及其在R中的实现
回复 用户画像 民生银行客户画像搭建与应用
回复 大数据 大数据系列免费视频教程
回复 可视化 利用R语言做数据可视化
回复 数据挖掘 数据挖掘算法原理解释与应用
回复 机器学习 R&Python机器学习入门