想要学习R数据可视化，小师妹带你见识ggplot2（二）
{ 点击蓝字，关注我们 }
小师妹在上一篇文章中已经详细讲述了ggplot2包的特点和一些基本使用，我们已经初步感受到了R数据可视化的强大之处。如果还没有阅读小师妹的上一篇文章，那么请小伙伴们先移步到上一篇文章哦，那么今天小师妹继续给大家讲述ggplot2这个神奇的R包。
一
几何对象
几何对象执行着图形的渲染以及控制图像的类型，小师妹给大家列举ggplot2中常用的一些geom函数：
1.geom_point()：用于创建散点图，每个数据点表示为一个点。
2.geom_line()：用于创建折线图，将数据点按顺序连接起来形成线条。
3.geom_bar()：用于创建柱状图，每个数据点表示为一个矩形条。
4.geom_histogram()：用于创建直方图，将数据分组并绘制出每个组的频数或频率。
5.geom_boxplot()：用于创建箱线图，展示数据的分布情况和离群值。
6.geom_area()：用于创建面积图，展示数据的累积值或比例。
7.geom_density()：用于创建密度图，展示数据的概率密度分布。
8.geom_smooth()：用于创建平滑曲线，通过拟合数据点来展示趋势。
9.geom_text()：用于在图形中添加文本标签，可以显示数据点的数值或其他注释信息。
10.geom_tile()：用于创建热力图，将数据以方块的形式表示。
11.geom_polygon()：用于创建多边形图，可以用于绘制地图或其他复杂的几何形状。
12.geom_errorbar()：用于创建误差线图，展示数据的误差范围。
13.geom_violin()：用于创建小提琴图，展示数据的分布情况和密度。
14.geom_hex()：用于创建六边形图，将数据点分组并以六边形的形式表示。
二
统计变换
在ggplot2中，统计变换是通过使用stat函数来实现的。统计变换可以对数据进行汇总、聚合或转换，从而生成可视化所需的数据。小师妹给大家列举一下ggplot2中常用的统计变换函数：
1.stat_identity()：不进行任何统计变换，直接使用原始数据进行可视化。
2.stat_bin()：对数据进行分组，并计算每个组的频数或频率。
3.stat_summary()：对数据进行汇总统计，如计算均值、中位数、最大值、最小值等。
4.stat_smooth()：拟合数据并生成平滑曲线，用于展示数据的趋势。
5.stat_boxplot()：通过计算数据的分位数，生成箱线图来展示数据的分布情况。
6.stat_density()：通过核密度估计，生成数据的概率密度曲线。
7.stat_ellipse()：通过计算数据的协方差矩阵，生成椭圆来展示数据的分布情况。
8.stat_summary_bin()：对数据进行分组，并对每个组进行汇总统计。
9.stat_summary_hex()：对数据进行分组，并对每个组进行汇总统计，生成六边形图。
10.stat_summary2d()：对数据进行分组，并对每个组进行汇总统计，生成二维统计图。
以上就是常用的一些变换函数，统计变换可以向原始数据中插入新的变量，例如用于直方图的 stat_bin 统计变换会生成如下三个变量：
（1）count：每组中观察值的数目
（2）density：每组的观察值密度
（3）x：组中心位置
这些变量是可以直接调用的，但是生成的变量名必须用 .. 包裹起来。我们这样做可以防止原始数据中的变量与生成变量之间重名，而引起冲突。小师妹举个例子：
> ggplot(diamonds, aes(x=carat)) ++ geom_histogram(aes(y=..count..), binwidth = 0.2)
三
位置调整
在ggplot2中，位置调整参数用于控制图形中元素的位置和排列方式。小师妹给大家列举一下ggplot2中常用的位置调整参数：
1.position_identity()：不进行任何位置调整，元素按照原始数据的位置进行排列。
2.position_stack()：在柱状图和面积图中使用，将元素按照数值堆叠在一起。
3.position_fill()：在柱状图和面积图中使用，将元素按照数值进行归一化，填充整个绘图区域。
4.position_dodge()：在柱状图和面积图中使用，将元素按照分组进行分开排列，避免重叠。
5.position_jitter()：在散点图中使用，对元素的位置进行随机抖动，避免重叠。
6.position_nudge()：在散点图和线图中使用，对元素的位置进行微调，使其偏离原始位置。
接下来小师妹用条形图来给大家说明：
（1）0position = "dodge"> ggplot(diamonds, aes(x=carat, group=cut)) ++ geom_histogram(aes(y=..count.., fill=cut), position = "dodge", binwidth = 0.2)
（2） position = "fill"> ggplot(diamonds, aes(x=carat, group=cut)) ++ geom_histogram(aes(y=..count.., fill=cut), position = "fill", binwidth = 0.1)
（3）position = "stack"> ggplot(diamonds, aes(x=carat, group=cut)) ++ geom_histogram(aes(y=..count.., fill=cut), position = "stack", binwidth = 0.1)
经过小师妹两篇文章对ggplot2的介绍，小伙伴们是否收获颇多呢，其实R语言中的可视化的功能我们现在只是揭示了它的一小部分。后面需要我们学习的东西还有很多，不过只要大家跟随小师妹的步伐就一定能掌握它的精髓，小伙伴们加油奋起吧。那今天小师妹的分享就到这里啦，有其他问题记得随时跟小师妹沟通哦。
E
N
D
