ggplot2绘图技巧与问题解答

table {
border-collapse: collapse;
width: 100%;
margin-bottom: 1rem;
}
th, td {
border: 1px solid #ddd;
padding: 8px;
text-align: left;
}
th {
background-color: #f2f2f2;
}
tr:nth-child(even) {
background-color: #f9f9f9;
}
pre {
background-color: #f8f8f8;
padding: 15px;
border-radius: 4px;
overflow-x: auto;
}

1、描述以下每个绘图所使用的数据、美学映射和图层。在运行代码之前，预测出绘图的样子。1. ggplot(mpg, aes(cty, hwy)) + geom_point() 2. ggplot(diamonds, aes(carat, price)) + geom_point() 3. ggplot(economics, aes(date, unemploy)) + geom_line() 4. ggplot(mpg, aes(cty)) + geom_histogram()

数据：mpg；

美学映射：将变量

cty

映射到 x 轴，

hwy

映射到 y 轴；

图层：散点图图层。


预测

：呈现城市里程（

cty

）和公路里程（

hwy

）关系的散点图。

数据：diamonds；

美学映射：将变量

carat

映射到 x 轴，

price

映射到 y 轴；

图层：散点图图层。


预测

：呈现钻石克拉数（

carat

）和价格（

price

）关系的散点图。

数据：economics；

美学映射：将变量

date

映射到 x 轴，

unemploy

映射到 y 轴；

图层：折线图图层。


预测

：呈现日期（

date

）和失业人数（

unemploy

）关系的折线图。

数据：mpg；

美学映射：将变量

cty

映射到 x 轴；

图层：直方图图层。


预测

：呈现城市里程（

cty

）分布的直方图。

2、在R语言中，使用facet_wrap()函数时，可以使用哪些参数来控制输出中显示的行数和列数？

可以使用ncol和nrow参数来控制输出中的列数和行数。

3、facet_wrap() 中的 scales 参数有什么作用？什么时候会用到它？

`scales` 参数可控制各面板的位置刻度是否相同（固定）或允许在面板间变化（自由），有以下取值：

- `'fixed'` 表示所有面板的 x 和 y 刻度固定；
- `'free_x'` 表示 x 刻度自由，y 刻度固定；
- `'free_y'` 表示 y 刻度自由，x 刻度固定；
- `'free'` 表示 x 和 y 刻度在各面板间变化。

固定刻度便于查看各面板间的模式，自由刻度便于查看面板内的模式。

4、绘制以下各种指定图形应使用哪些几何对象（geoms）？1. 散点图 2. 折线图 3. 直方图 4. 条形图 5. 饼图

散点图使用

geom_point


折线图使用

geom_line


直方图使用

geom_histogram


条形图使用

geom_bar


ggplot2

中没有专门用于绘制饼图的

geom

，可通过

geom_bar

结合一定转换实现

5、geom_path() 和 geom_polygon() 有什么区别？geom_path() 和 geom_line() 有什么区别？

`geom_path()` 连接数据中各点，`geom_polygon()` 绘制填充的多边形，多边形每个顶点数据需单独一行。`geom_line()` 从左到右连接点，`geom_path()` 按数据中出现的顺序连接点，二者都支持 `linetype` 美学映射。

6、修改以下绘图代码，使得每个整数

displ

值对应一个箱线图。代码为：

ggplot(mpg, aes(displ, cty)) + geom_boxplot()


可以将

displ

转换为整数，再绘制箱线图，代码如下：

ggplot(mpg, aes(floor(displ), cty)) + geom_boxplot()

这里

floor()

函数用于将

displ

的值向下取整为最接近的整数。

7、叠加深度的频率多边形图和密度图。为了使这两个图具有可比性，你需要将哪个计算变量映射到y轴上？（你可以修改geom_freqpoly()或geom_density()）

应将密度（density）变量映射到y轴，因为频率多边形和密度图默认y轴映射不同，密度是计数除以总计数再乘以组距，用密度可使二者可比。

8、简化以下绘图规范：ggplot(mpg) + geom_point(aes(mpg$disp, mpg$hwy))；ggplot() + geom_point(mapping = aes(y = hwy, x = cty), data = mpg) + geom_smooth(data = mpg, mapping = aes(cty, hwy))；ggplot(diamonds, aes(carat, price)) + geom_point(aes(log(brainwt), log(bodywt)), data = msleep)

对于

ggplot(mpg) + geom_point(aes(mpg$disp, mpg$hwy))

，不能在

aes()

里用

$

引用变量，应改为：

r
ggplot(mpg, aes(disp, hwy)) + geom_point()


对于

ggplot() + geom_point(mapping = aes(y = hwy, x = cty), data = mpg) + geom_smooth(data = mpg, mapping = aes(cty, hwy))

，可把数据映射放到

ggplot()

里，简化为：

r
ggplot(mpg, aes(cty, hwy)) + geom_point() + geom_smooth()


对于

ggplot(diamonds, aes(carat, price)) + geom_point(aes(log(brainwt), log(bodywt)), data = msleep)

，这里有两组数据和映射，不能简单合并，不过可以把

aes()

里的简单计算用

dplyr::mutate()

提前处理，代码简化为：

“`r

library(dplyr)

msleep_new <- msleep %>%

mutate(log_brainwt = log(brainwt), log_bodywt = log(bodywt))

ggplot(diamonds, aes(carat, price)) +

geom_point(data = msleep_new, aes(log_brainwt, log_bodywt))

“`

9、从 http://www.rstudio.com/resources/cheatsheets/ 下载并打印 ggplot2 速查表，这样你就有了所有几何对象的便捷可视化参考。

需从指定链接下载并打印 ggplot2 速查表，以获取所有几何对象的便捷可视化参考。

10、简化以下绘图规范，使其更易于理解。第一个绘图规范：ggplot(mpg, aes(displ)) + scale_y_continuous(“Highway mpg”) + scale_x_continuous() + geom_point(aes(y = hwy)) 第二个绘图规范：ggplot(mpg, aes(y = displ, x = class)) + scale_y_continuous(“Displacement (l)”) + scale_x_discrete(“Car type”) + scale_x_discrete(“Type of car”) + scale_colour_discrete() + geom_point(aes(colour = drv)) + scale_colour_discrete(“Drive train”)

绘图规范

第一个绘图规范

数据集

：mpg

图表类型

：散点图

x轴

：发动机排量（

displ

）

y轴

：公路油耗（

hwy

）

y轴标签

：Highway mpg

第二个绘图规范

数据集

：mpg

图表类型

：散点图

x轴

：汽车类型（

class

）

y轴

：发动机排量（

displ

）

点的颜色

：根据驱动类型（

drv

）区分

y轴标签

：Displacement (l)

x轴标签

：Type of car

颜色图例标签

：Drive train

注意

：原代码中

scale_x_discrete("Car type")

多余，可删除

11、如何让图例显示在图表左侧？

可以通过

theme()

函数修改

legend.position

主题设置，将其值设为 “left”，示例代码如下：

df <- data.frame(x = 1:3, y = 1:3, z = c("a", "b", "c"))
base <- ggplot(df, aes(x, y)) + 
  geom_point(aes(colour = z), size = 3) + 
  xlab(NULL) + 
  ylab(NULL)
base + theme(legend.position = "left")

12、在使用ggplot2绘图时，执行代码

ggplot(mpg, aes(displ, hwy)) + geom_point(aes(colour = drv, shape = drv)) + scale_colour_discrete("Drive train")

绘图可能会出现什么问题？如何修复它？

问题在于没有为形状设置对应的标签，仅为颜色设置了标签。修复方法是在

scale_shape_discrete()

中添加对应的标签。代码可修改为：

ggplot(mpg, aes(displ, hwy)) + 
  geom_point(aes(colour = drv, shape = drv)) + 
  scale_colour_discrete("Drive train") + 
  scale_shape_discrete("Drive train")

13、以下代码为 mpg 数据集创建了两个绘图。在不使用分面的情况下，修改代码使图例和坐标轴匹配：fwd <- subset(mpg, drv == “f”) rwd <- subset(mpg, drv == “r”) ggplot(fwd, aes(displ, hwy, colour = class)) + geom_point() ggplot(rwd, aes(displ, hwy, colour = class)) + geom_point()

可以通过设置相同的坐标轴范围和颜色映射来使图例和坐标轴匹配。以下是修改后的代码：

library(ggplot2)

# 数据子集
fwd <- subset(mpg, drv == "f")
rwd <- subset(mpg, drv == "r")

# 定义共同的坐标轴范围
xlims <- range(c(fwd$displ, rwd$displ))
ylims <- range(c(fwd$hwy, rwd$hwy))

# 第一个图
p1 <- ggplot(fwd, aes(displ, hwy, colour = class)) + 
  geom_point() + 
  scale_x_continuous(limits = xlims) + 
  scale_y_continuous(limits = ylims)

# 第二个图
p2 <- ggplot(rwd, aes(displ, hwy, colour = class)) + 
  geom_point() + 
  scale_x_continuous(limits = xlims) + 
  scale_y_continuous(limits = ylims)

# 显示图形
p1
p2

这段代码首先计算了两个子集中

displ

和

hwy

的范围，然后在两个图中使用

scale_x_continuous

和

scale_y_continuous

函数设置相同的坐标轴范围，从而使两个图的坐标轴匹配。由于使用了相同的

colour = class

映射，图例也会匹配。

14、填写表格中的问号：表达式为TRUE、FALSE、NA的情况，分别对应x、is.na(x)、!is.na(x)的值。

对于

x

：

TRUE

时对应值为非缺失值且为真的情况

FALSE

时对应值为非缺失值且为假的情况

NA

时对应值为缺失值

对于

is.na(x)

：

TRUE

时对应值为缺失值

FALSE

时对应值为非缺失值

不存在对应

NA

的情况

对于

!is.na(x)

：

TRUE

时对应值为非缺失值

FALSE

时对应值为缺失值

不存在对应

NA

的情况

15、以下管道操作的作用是什么？library(magrittr) x <- runif(100) x %>% subtract(mean(.)) %>% raise_to_power(2) %>% mean() %>% sqrt()

该管道操作先生成100个均匀分布的随机数，接着将每个数减去其均值，然后对结果进行平方，再计算这些平方值的均值，最后对均值取平方根，即计算这100个随机数的标准差。

16、创建一个代表使用Blues ColorBrewer调色板的填充比例的对象。

可以使用

scale_fill_brewer(palette = "Blues")

来创建代表使用 Blues ColorBrewer 调色板的填充比例的对象，例如：

erupt + scale_fill_brewer(palette = "Blues")


bars + scale_fill_brewer(palette = "Blues")


（假设

erupt

和

bars

是已存在的绘图对象）

17、创建一个专门用于可视化连续分布的distribution()函数。允许用户提供一个数据集和要可视化的变量名称。让他们在直方图、频率多边形图和密度图之间进行选择。你可能还想包含哪些其他参数？

除了数据集、变量名和图形类型选择外，还可包含以下参数：

分箱宽度（binwidth），用于直方图和频率多边形图控制分箱大小；

颜色参数（colour 或 fill），用于区分不同组；

调整参数（adjust），用于密度图控制平滑程度；

x 轴范围（xlim）；

是否显示图例（legend.position）。

18、为什么这段代码无法运行？如何修复它？代码如下：f <- function() { levs <- c(“2seater”, “compact”, “midsize”, “minivan”, “pickup”, “subcompact”, “suv”) piechart3(mpg, factor(class, levels = levs)) } f() #> Error in factor(class, levels = levs): object ‘levs’ not found

代码无法运行是因为 `factor(class, levels = levs)` 在执行时找不到 `levs` 对象。`levs` 是在 `f` 函数内部定义的局部变量，`factor` 函数在其自身的环境中找不到 `levs`。可通过将 `levs` 作为参数传递给 `piechart3` 或在全局环境中定义 `levs` 来解决问题。以下是一种解决思路，将 `levs` 作为参数传递：

```r
f <- function() {
  levs <- c("2seater", "compact", "midsize", "minivan", "pickup", "subcompact", "suv")
  piechart3_with_levs <- function(data, var, levs) {
    piechart3(data, factor(var, levels = levs))
  }
  piechart3_with_levs(mpg, class, levs)
}
f()

19、如何向以下列表中的每个元素添加一个 geom_point() 图层？列表为 plots <- list(ggplot(mpg, aes(displ, hwy)), ggplot(diamonds, aes(carat, price)), ggplot(faithfuld, aes(waiting, eruptions, size = density)))

可以使用

lapply

函数来实现，代码如下：

plots <- lapply(plots, function(p) p + geom_point())

20、以下函数的作用是什么？它的更好名称是什么？mystery <- function(…) { Reduce(

+

, list(…), accumulate = TRUE) } mystery(ggplot(mpg, aes(displ, hwy)) + geom_point(), geom_smooth(), xlab(NULL), ylab(NULL))

该函数

mystery

的作用是将传入的参数依次累加，并返回累加过程的每一步结果。

它接收任意数量的参数，使用

Reduce

函数以

+

运算符对这些参数进行累加，并开启

accumulate

选项以保留每一步的累加结果。

对于

mystery

函数调用的示例，它创建了一个 ggplot2 图形，依次添加了散点图、平滑曲线，同时移除了 x 轴和 y 轴的标签。

更好的函数名可以是

cumulative_addition

或

stepwise_sum

等，这些名称更能清晰表达函数的功能。

21、列出五个可以用来获取更多关于 mpg 数据集信息的函数。

summary()、str()、head()、tail()、colnames()

22、如何了解 ggplot2 还包含哪些其他数据集？

可通过查看 ggplot2 官方文档、使用 R 语言中查看包数据集的函数（如

data(package = "ggplot2")

）来了解。

23、除美国外，大多数国家使用燃油消耗量（固定距离内消耗的燃油量）而非燃油经济性（固定燃油量行驶的距离）。如何将城市油耗（cty）和高速油耗（hwy）以英里每加仑为单位的值转换为欧洲标准的升/百公里（l/100km）？

转换公式为：升/百公里 = 235.215 / 英里每加仑。所以将

cty

和

hwy

的值分别代入该公式，即可得到对应的欧洲标准的燃油消耗量。

24、如何描述城市里程（cty）和公路里程（hwy）之间的关系？从相关情况得出结论是否有顾虑？

城市里程（cty）和公路里程（hwy）高度相关

两者都与气缸数（cyl）紧密相关

公路里程总是大于城市里程

随着城市里程增加，两者差值增大

25、ggplot(mpg, aes(model, manufacturer)) + geom_point() 会展示什么？它是否有用？如何修改数据使其更具信息量？

此代码会展示汽车型号与制造商的对应散点图。其有用性取决于分析目的，若用于查看两者关联可能有一定价值，但可能较难从中获取更多信息。

可添加颜色、大小等美学属性映射其他变量，如：

汽车销量

价格

或对数据分组、排序，以让图更具信息量。

26、尝试颜色、形状和大小这几个美学属性。当将它们映射到连续值时会发生什么？映射到分类值时呢？当在一个图中使用多个美学属性时会发生什么？

对于颜色，映射连续值有四种基于梯度的方法，映射离散值有两种方法；对于连续变量到颜色的映射，使用 HCL 颜色空间；对于分类变量“cyl”，将值映射到色轮上均匀间隔的色调。

27、使用 ggplot(mpg, aes(class, hwy)) + geom_boxplot() 绘图时存在一个问题，即 class 的排序是按字母顺序的，这没什么用。如何改变因子水平使其更具信息性？除了手动重新排序因子，还可以根据数据自动完成：ggplot(mpg, aes(reorder(class, hwy)), hwy)) + geom_boxplot()。reorder() 函数的作用是什么？

改变因子水平使其更具信息性可使用 reorder() 函数根据数据自动排序，而非手动重新排序因子。

28、探索钻石数据集中克拉变量的分布。哪种分箱宽度能揭示最有趣的模式？

可对克拉变量进行不同分箱宽度的试验来寻找有趣模式，例如可尝试缩小x轴范围并选择较小的分箱宽度（如

binwidth = 0.1

）以揭示更多细节。

29、探索钻石数据中价格变量的分布情况。价格分布如何随切割方式（cut）变化？

以下是将给定文本内容调整为Markdown格式的结果：

---

可使用

dplyr

的

group_by()

和

summarise()

函数按切割方式分组，计算价格的均值等统计量来探索分布差异。例如：

by_cut <- group_by(diamonds, cut)
sum_cut <- summarise(by_cut, price = mean(price))

此外，绘制相对价格图能看出钻石质量与相对价格的关系。推测切割方式作为质量因素之一，也会影响价格分布，高质量切割方式的钻石相对价格可能较高。

30、你现在知道（至少）三种比较子组分布的方法：geom_violin()、geom_freqpoly()和颜色美学，或者geom_histogram()和分面。每种方法的优缺点是什么？你还可以尝试哪些其他方法？

geom_violin()

能给出丰富展示，但依赖密度估计计算，较难解释；

geom_histogram()

和分面结合时，分面可使组间分离无重叠，在组重叠严重时较好，但难以看出小差异；

使用颜色美学时，组靠得近可能重叠，但小差异更易看出；

geom_freqpoly()

和直方图类似，能展示单数值变量分布，比箱线图提供更多信息，但需更多空间；

其他可尝试的方法可能有箱线图（

geom_boxplot

）、抖动图（

geom_jitter

）等。

31、想出三种可视化二维分类分布的方法，并通过可视化车型和制造商、变速箱和汽车类别、气缸数和变速箱的分布来尝试这些方法。

可推测的方法有：

使用

geom_violin()

，能展示不同类别下数据的分布形状，但依赖密度估计，较难解释；

使用

geom_freqpoly()

结合颜色美学，可对比不同类别分布，但可能因线条过多而混乱；

使用

geom_histogram()

和分面，能清晰展示各子组分布，但需较多空间。

32、安装babynames包，该包包含美国婴儿名字受欢迎程度的数据。运行以下代码

library(babynames); hadley <- dplyr::filter(babynames, name == "Hadley"); ggplot(hadley, aes(year, n)) + geom_line()

并修复生成的图表。分析为什么这个图表可能会让人不满意。

推测可能因图表存在数据展示不清晰、缺少必要标注、线条样式不佳等问题导致不满意。

可从以下方面修复：

添加标题

添加轴标签

添加图例

调整线条颜色

调整线条粗细

调整线条样式

33、掌握图形语法如何运作的最佳方法之一，是将其应用于对现有图形的分析。对于以下列出的每个图形，写下该图形的组成部分。如果你不知道ggplot2中对应的函数叫什么（甚至不知道它们是否存在），也不用担心，而是专注于记录图形的关键元素，以便你可以将其传达给其他人。1. 查尔斯·约翰·米纳德的《拿破仑的行军》：http://www.datavis.ca/gallery/re – minard.php 2. 《纽约时报》的杰里米·怀特、乔·沃德和马修·埃里克森的《热火队和雷霆队的投篮位置》：http://nyti.ms/1duzTvY 3. 詹姆斯·柴郡的《伦敦自行车租赁行程》：http://bit.ly/1S2cyRy 4. 皮尤研究中心2014年最喜欢的数据可视化作品：http://pewrsr.ch/1KZSSN6 5. 乔安娜·高在FiveThirtyEight上发表的《托尼奖从未如此被女性主导》：http://53eig.ht/1cJRCyG 6. 《纽约时报》的迈克·博斯托克、山·卡特、阿曼达·考克斯、马修·埃里克森、乔希·凯勒、艾丽西亚·帕尔拉皮亚诺、凯文·奎利和乔希·威廉姆斯的《在收入阶梯上攀升，地理位置很重要》：http://nyti.ms/1S2dJQT 7. 《纽约时报》的山·卡特、阿曼达·考克斯和迈克·博斯托克的《剖析预告片：电影中被选中的部分》：http://nyti.ms/1KTJQOE

图形的通用组成部分通常包含：

图层

：由几何元素和统计变换构成

几何对象：如点、线、多边形等

统计变换：如对数据进行分箱、计数等

尺度

：将数据空间的值映射到美学空间

如颜色、大小、形状

坐标系

：描述数据坐标如何映射到图形平面

分面规范

：描述如何将数据拆分为子集并以小倍数形式展示

主题

：控制显示细节

如字体大小、背景颜色