5 图层

library(tidyverse)

5.1 图形部件

data
aes：着重说下这部分。

aes()美学映射，就是将数据集中的变量数据映射（关联）到相应的图形属性上。

以散点图为例，图形属性就是图中点的位置、大小、颜色、形状等眼睛可以看到的东西。映射就是一种对应关系，知名了变量与图形缩减元素之间的联系，即告诉ggplot图形元素要关联哪个变量数据

常用的图形属性有color、size、shape、alpha等。

需要特别注意的是，映射不是直接出现在图形中的颜色、外形等设定的特定值，而是建立数据与图形的联系，所以要为图形指定特定值（如设定点为红色等），是不能直接放在aes()中的。
color、size等图形属性直接映射到数据集的分类变量，可以实现不同分组用不同美学来区分。

geom：几何对象，即确定我们想画什么图。更多集合形状推荐阅读这里。

有很多关于r语言绘图的图库网站，The R Graph Gallery。网站给出了常用图形的R代码，可以查阅并了解每种图形使用场景和优缺点。
Aesthetic specifications是ggplot2的美学映射官方文档，可以查阅所有可能的美学映射方式，包括点、线、多边形、文字等。
ggplot2 extensions是ggplot2的扩展包集合网站，部分默认没有的几何对象，可以先参阅此处查找，获取已经有人实现了：）

以下4~10，我们挑不太熟悉的细说。

stats: 统计变换。
coord: 坐标系统。
facet: 分面。
save: 保存图片。

5.2 统计变换

为图形计算新值的运算过程，称为统计变换。在条形图、直方图、频数图、箱线图中均有类似过程

每一个几何对象都有一个默认的统计变换，我们可以通过检查 stat 参数的默认值来了解几何对象使用了哪种统计变换。例如， ?geom_bar 显示 stat 的默认值为”count"，这意味着 geom_bar() 使用 stat_count()。 stat_count() 的说明文档与 geom_bar() 位于同一页面。若向下滚动页面，名为”Computed variables”的章节会说明其会计算两个新变量： count 和 prop 。
大多时候，我们不需要关注统计变换，但有3种情况可能需要显示的使用统计变换。

可能需要覆盖默认的统计变换方式。在以下代码中，我们将 geom_bar() 的统计方法从默认的计数（count）改为直接映射（identity）。这使得我们可以将条形的高度直接对应到 y 变量的原始数值上。

diamonds |>
  count(cut) |>
  ggplot(aes(x = cut, y = n)) +
  geom_bar(stat = "identity")

可能希望覆盖从转换变量到美学属性的默认映射。例如，我们可能希望显示比例条形图，而非计数条形图。在每个几何对象的help页面中，名为”Computed variables”的章节会说明其能够使用after_stat()函数计算相应的新的变量。

after_stat(): 顾名思义，这个函数是 ggplot2 中用于访问 统计变换（stat）后生成的临时变量” 的核心函数，作用是在美学映射（aes()）中引用 ggplot2对原始数据做统计计算后产生的新变量。（这些变量不存在于原始数据中，仅在绘图时临时生成）。简单理解：
- 原始数据变量（如渔业数据的体长/水温）：直接在aes()中引用即可，例如：aes(x = 体长)；
- 统计变换后变量（如直方图的计数count、箱线图的中位数middle、密度图的密度density）：必须用after_stat(变量名)引用，例如aes(fill = after_stat(count))。

为什么要使用after_stat()？

ggplot2中的很多图层（如geom_histogram/geom_boxplot/geom_smooth）会自动对原始数据做统计变换：比如用geom_histogram()画鱼类体长直方图时，ggplot2 会先把体长分成若干 “区间（bin）”，再计算每个区间的 “样本数（count）”：这个count不是原始数据列，而是统计变换后生成的临时变量，必须通过after_stat(count)才能访问。

# group = 1，强制将所有 cut 类别归为同一个分组，此时 prop 计算的是 “每个 cut 的数量占所有钻石总数的比例”，才能得到正确的占比结果。
ggplot(diamonds, aes(x = cut, y = after_stat(prop), group = 1)) +
  geom_bar()

以上代码中的group = 1参数是 ggplot2 中强制将所有数据归为”同一个分组”的核心语法，如果不设置，则ggplot 按 x 轴分类分组，最终的计算结果是每个组内的比例均为100%（因为各自占各自分组数量的占比100%），所有柱子高度都是1，完全错误。

我们可能希望在代码中更突出地展示统计变换过程。例如，可以使用 stat_summary() （该函数会为每个独立 x 值汇总对应的 y 值）来强调我们正在计算的统计摘要：

ggplot2 提供了超过 20 种统计变换供您使用。每种统计变换都是一个函数，因此我们可以通过常规方式获取帮助。

ggplot(diamonds) +
  stat_summary(
    aes(x = cut, y = depth),
    fun.min = min,
    fun.max = max,
    fun = median
  )

5.3 图例系统

参看这里和官方文档。

具体的图例的设置可参看小节 C.3.5。

guides()函数族用于控制图例外观：

guide_colorbar(): 连续的颜色
guide_legend(): 离散变量 (shapes, colors)
guide_axis(): 控制图例坐标的字体和间隔，增加第二图例坐标轴
guide_bins(): 在图例中创建值的“bin”
guide_colorsteps(): 使颜色条离散化

5.3.1 案例

library(tidyverse)
ggplot(
  mpg,
  aes(
    x = displ,
    y = hwy,
    color = factor(cyl)
  )
) +
  geom_point() +
  guides(
    color = guide_legend(
      title = "my legend",
      title.position = "top",
      title.vjust = 5,
      label.position = "left",
      label.theme = element_text(
        size = 15,
        face = "italic",
        color = "red",
        angle = 0
      ),
      keywidth = 5, # 设定bin的宽度
      reverse = TRUE # 翻转图例排序
    )
  )

ggplot(
  mpg,
  aes(
    x = displ,
    y = hwy,
    color = cyl
  )
) +
  geom_point() +
  guides(
    color = guide_colorbar(
      title = "CYL",
      label.position = "left", # label.**系列参数设定坐标外观
      label.theme = element_text(
        size = 18,
        color = "steelblue",
        vjust = 1
      ),
      ticks.linewidth = 2, # tick.**系列参数设定刻度
      # direction = "horizontal"or"vertical" 图例方向，水平、垂直
    )
  )

5.3.2 删除其中一个图例

ggplot(
  mpg,
  aes(
    x = displ,
    y = hwy,
    color = class,
    size = cyl
  )
) +
  geom_point() +
  # 如果想删除size图例
  guides(size = "none") # remove

# 或guides(size = guide_none())

5.3.3 合并图例

library(tidyverse)
library(palmerpenguins)

ggplot(
  penguins,
  aes(
    x = bill_length_mm,
    y = bill_depth_mm,
    color = body_mass_g,
    size = body_mass_g
  )
) +
  geom_point(alpha = 0.6) +
  scale_color_viridis_c()

上图中，color 和 size都使用了Body_mass_g映射，为图形美观，我们可以将两者合并

ggplot(
  penguins,
  aes(
    x = bill_length_mm,
    y = bill_depth_mm,
    color = body_mass_g,
    size = body_mass_g
  )
) +
  geom_point(alpha = 0.6) +
  scale_color_viridis_c() +
  guides(color = guide_legend()) # 其实就是保留其中一个图例

5.3.4 最后一个例子

mtcars %>%
  as_tibble() %>%
  ggplot(aes(
    x = wt,
    y = mpg,
    shape = factor(vs),
    color = hp
  )) +
  geom_point(size = 3) +
  colorspace::scale_color_binned_sequential(
    palette = "Dark Mint" # 更换图形主题颜色
  ) +
  labs(
    x = "Weight (1000 lbs)",
    y = "Miles per gallon",
    title = "Motor Trend Car Road Tests",
    shape = "Engine",
    color = "Horsepower"
  ) + # 更改图形和图例标题
  theme(
    text = element_text(size = 18, color = "white"),
    rect = element_rect(fill = "black"), # 图形背景颜色
    panel.background = element_rect(fill = "black"), # 画板颜色
    legend.key = element_rect(fill = "black"), # 分散变量图例背景
    axis.text = element_text(color = "white"), # 坐标轴字体
    plot.title.position = "plot",
    plot.margin = margin(10, 10, 10, 10) # 图形距离边的距离
  ) +
  guides(
    shape = guide_legend(override.aes = list(color = "white")) # 离散型图例颜色
  )

5.4 分面

facet_wrap()适用于一个单个变量的多个分面。facet_grid()适用于有两个离散变量且其组合均在数据中存在。
符号~：

facet_wrap( ~ B)：基于变量B分面。
facet_grid(A ~ B)：变量 ~ 变量，其中A可以是两个变量相加（即变量+变量~变量）.

library(nycflights13)
library(patchwork)
p1 <- ggplot(data = weather, aes(x = temp)) +
  geom_histogram(binwidth = 5, color = "white") +
  facet_wrap(~month)

p2 <- ggplot(data = weather, aes(x = temp, y = humid)) +
  geom_point() +
  facet_grid( ~ month, scales = "free")
p1 / p2

默认情况下，每个分面的 x 轴和 y 轴共享相同的刻度和范围。当需要跨分面比较数据时这很有用，但若想更好地展示各分面内部的关系则会受限。在分面函数中设置 scales 参数为 "free_x" 和可允许各列使用不同的 x 轴刻度， "free_y" 可允许各行使用不同的 y 轴刻度， "free" 则可同时允许两者采用独立刻度。

p1 <- ggplot(mpg, aes(displ, hwy)) +
  geom_point() +
  facet_grid(drv ~ cyl) +
  labs(title = "Without free")

p2 <- ggplot(mpg, aes(displ, hwy)) +
  geom_point() +
  facet_grid(drv ~ cyl, scale = "free") +
  labs(title = "With free")

p1 / p2

仔细观察以下两个图形，第一张图表能够更直观地对比不同传动系统车型(drv)的发动机排量（displ），原因在于图表的各分面共享了用于绘制发动机排量的坐标轴。这说明，如果分析目标是基于某一特定变量进行数据对比，那么就应当将该变量设置在共享坐标轴上。

ggplot(mpg, aes(x = displ)) +
  geom_histogram() +
  facet_grid(drv ~ .)

ggplot(mpg, aes(x = displ)) +
  geom_histogram() +
  facet_grid(. ~ drv)

5.5 总结

从本章中应汲取的重要一课是：当你需要 ggplot2 未提供的几何对象时，最好先查看是否已有其他人通过创建提供该几何对象的 ggplot2 扩展包解决了你的问题。
更详尽的主题设置可参看附录 C。