|
作者：Guangchuang Yu
原文鏈接：http:///2014/05/11/use-ggplot2/
ggplot2是我見過(guò)最human friendly的畫圖軟件，這得益于Leland Wilkinson在他的著作《The Grammar of Graphics》中提出了一套圖形語(yǔ)法，把圖形元素抽象成可以自由組合的成分，Hadley Wickham把這套想法在R中實(shí)現(xiàn)。
為什么要學(xué)習(xí)ggplot2，可以參考ggplot2: 數(shù)據(jù)分析與圖形藝術(shù)的序言（btw: 在序言的最后，我被致謝了）。
Hadley Wickham也給出一堆理由讓我們說(shuō)服自己，我想再補(bǔ)充一點(diǎn)，Hadley Wickham是學(xué)醫(yī)出身的，做為學(xué)生物出身的人有什么理由不支持呢:)
ggplot2基本要素
- 數(shù)據(jù)（Data）和映射（Mapping）
- 幾何對(duì)象（Geometric）
- 標(biāo)尺（Scale）
- 統(tǒng)計(jì)變換（Statistics）
- 坐標(biāo)系統(tǒng)（Coordinante）
- 圖層（Layer）
- 分面（Facet）
- 主題（Theme）
這里將從這些基本要素對(duì)ggplot2進(jìn)行介紹。
2、數(shù)據(jù)（Data）和映射（Mapping)
下面以一份鉆石的數(shù)據(jù)為例，這份數(shù)據(jù)非常大，隨機(jī)取一個(gè)子集來(lái)畫圖。
4 | small <- diamonds[sample(nrow(diamonds), 1000), ] |
1 | ## carat cut color clarity depth table price x y z |
2 | ## 49345 0.71 Very Good H SI1 62.5 60 2096 5.68 5.75 3.57 |
3 | ## 50545 0.79 Premium H SI1 61.8 59 2275 5.97 5.91 3.67 |
4 | ## 15434 1.03 Ideal F SI1 62.4 57 6178 6.48 6.44 4.03 |
5 | ## 44792 0.50 Ideal E VS2 62.2 54 1624 5.08 5.11 3.17 |
6 | ## 34614 0.27 Ideal E VS1 61.6 56 470 4.14 4.17 2.56 |
7 | ## 27998 0.30 Premium E VS2 61.7 58 658 4.32 4.34 2.67 |
01 | ## carat cut color clarity depth |
02 | ## Min. :0.220 Fair : 28 D:121 SI1 :258 Min. :55.2 |
03 | ## 1st Qu.:0.400 Good : 88 E:186 VS2 :231 1st Qu.:61.0 |
04 | ## Median :0.710 Very Good:227 F:164 SI2 :175 Median :61.8 |
05 | ## Mean :0.819 Premium :257 G:216 VS1 :141 Mean :61.7 |
06 | ## 3rd Qu.:1.070 Ideal :400 H:154 VVS2 : 91 3rd Qu.:62.5 |
07 | ## Max. :2.660 I:106 VVS1 : 67 Max. :72.2 |
10 | ## Min. :50.1 Min. : 342 Min. :3.85 Min. :3.84 |
11 | ## 1st Qu.:56.0 1st Qu.: 990 1st Qu.:4.74 1st Qu.:4.76 |
12 | ## Median :57.0 Median : 2595 Median :5.75 Median :5.78 |
13 | ## Mean :57.4 Mean : 4111 Mean :5.79 Mean :5.79 |
14 | ## 3rd Qu.:59.0 3rd Qu.: 5495 3rd Qu.:6.60 3rd Qu.:6.61 |
15 | ## Max. :65.0 Max. :18795 Max. :8.83 Max. :8.87 |
畫圖實(shí)際上是把數(shù)據(jù)中的變量映射到圖形屬性上。以克拉(carat)數(shù)為X軸變量，價(jià)格(price)為Y軸變量。
1 | p <- ggplot(data = small, mapping = aes(x = carat, y = price)) |
上面這行代碼把數(shù)據(jù)映射XY坐標(biāo)軸上，需要告訴ggplot2，這些數(shù)據(jù)要映射成什么樣的幾何對(duì)象，下面以散點(diǎn)為例：
幾何對(duì)象將在下面的小節(jié)介紹，這一節(jié)，關(guān)注的是數(shù)據(jù)和圖形屬性之間的映射。
如果想將切工（cut）映射到形狀屬性。只需要：
1 | p <- ggplot(data=small, mapping=aes(x=carat, y=price, shape=cut)) |
再比如我想將鉆石的顏色（color）映射顏色屬性：
1 | p <- ggplot(data=small, mapping=aes(x=carat, y=price, shape=cut, colour=color)) |
3、幾何對(duì)象（Geometric）
在上面的例子中，各種屬性映射由ggplot函數(shù)執(zhí)行，只需要加一個(gè)圖層，使用geom_point()告訴ggplot要畫散點(diǎn)，于是所有的屬性都映射到散點(diǎn)上。
geom_point()完成的就是幾何對(duì)象的映射，ggplot2提供了各種幾何對(duì)象映射，如geom_histogram用于直方圖，geom_bar用于畫柱狀圖，geom_boxplot用于畫箱式圖等等。
不同的幾何對(duì)象，要求的屬性會(huì)有些不同，這些屬性也可以在幾何對(duì)象映射時(shí)提供，比如上一圖，也可以用以下語(yǔ)法來(lái)畫：
2 | p+geom_point(aes(x=carat, y=price, shape=cut, colour=color)) |
ggplot2支持圖層，我通常把不同的圖層中共用的映射提供給ggplot函數(shù)，而某一幾何對(duì)象才需要的映射參數(shù)提供給geom_xxx函數(shù)。
這一小節(jié)我們來(lái)看一下各種常用的幾何對(duì)象。
直方圖
直方圖最容易，提供一個(gè)x變量，畫出數(shù)據(jù)的分布。
1 | ggplot(small)+geom_histogram(aes(x=price)) |
同樣可以根據(jù)另外的變量給它填充顏色，比如按不同的切工：
1 | ggplot(small)+geom_histogram(aes(x=price, fill=cut)) |
也可以將其分開，side-by-side地畫直方圖。
1 | ggplot(small)+geom_histogram(aes(x=price, fill=cut), position="dodge") |
還可以使用position="fill"，按照相對(duì)比例來(lái)畫。
1 | ggplot(small)+geom_histogram(aes(x=price, fill=cut), position="fill") |
柱狀圖
柱狀圖非常適合于畫分類變量。在這里以透明度（clarity）變量為例。按照不同透明度的鉆石的數(shù)目畫柱狀圖。
1 | ggplot(small)+geom_bar(aes(x=clarity)) |
柱狀圖兩個(gè)要素，一個(gè)是分類變量，一個(gè)是數(shù)目，也就是柱子的高度。數(shù)目在這里不用提供，因?yàn)?span>ggplot2會(huì)通過(guò)x變量計(jì)算各個(gè)分類的數(shù)目。
當(dāng)然你想提供也是可以的，通過(guò)stat參數(shù)，可以讓geom_bar按指定高度畫圖，比如以下代碼：
1 | ggplot()+geom_bar(aes(x=c(LETTERS[1:3]),y=1:3), stat="identity") |
柱狀圖和直方圖是很像的，直方圖把連續(xù)型的數(shù)據(jù)按照一個(gè)個(gè)等長(zhǎng)的分區(qū)（bin）來(lái)切分，然后計(jì)數(shù)，畫柱狀圖。而柱狀圖是分類數(shù)據(jù)，按類別計(jì)數(shù)。我們可以用前面直方圖的參數(shù)來(lái)畫side-by-side的柱狀圖，填充顏色或者按比例畫圖，它們是高度一致的。
柱狀圖是用來(lái)表示計(jì)數(shù)數(shù)據(jù)的，但在生物界卻被經(jīng)常拿來(lái)表示均值，加上誤差來(lái)表示數(shù)據(jù)分布，這可以通常圖層來(lái)實(shí)現(xiàn)，我將在圖層一節(jié)中給出實(shí)例。
密度函數(shù)圖
說(shuō)到直方圖，就不得不說(shuō)密度函數(shù)圖，數(shù)據(jù)和映射和直方圖是一樣的，唯一不同的是幾何對(duì)象，geom_histogram告訴ggplot要畫直方圖，而geom_density則說(shuō)我們要畫密度函數(shù)圖，在我們熟悉前面語(yǔ)法的情況下，很容易畫出：
1 | ggplot(small)+geom_density(aes(x=price, colour=cut)) |
1 | ggplot(small)+geom_density(aes(x=price,fill=clarity)) |
colour參數(shù)指定的是曲線的顏色，而fill是往曲線下面填充顏色。
箱式圖
數(shù)據(jù)量比較大的時(shí)候，用直方圖和密度函數(shù)圖是表示數(shù)據(jù)分布的好方法，而在數(shù)據(jù)量較少的時(shí)候，比如很多的生物實(shí)驗(yàn)，很多時(shí)候大家都是使用柱狀圖+errorbar的形式來(lái)表示，不過(guò)這種方法的信息量非常低，被Nature Methods吐槽，這種情況推薦使用boxplot。
1 | ggplot(small)+geom_boxplot(aes(x=cut, y=price,fill=color)) |
geom_boxplot將數(shù)據(jù)映射到箱式圖上，上面的代碼，我們應(yīng)該很熟悉了，按切工(cut)分類，對(duì)價(jià)格(price)變量畫箱式圖，再分開按照color變量填充顏色。
ggplot2提供了很多的geom_xxx函數(shù)，可以滿足我們對(duì)各種圖形繪制的需求。
03 | geom_blank geom_boxplot |
04 | geom_contour geom_crossbar |
05 | geom_density geom_density2d |
06 | geom_dotplot geom_errorbar |
07 | geom_errorbarh geom_freqpoly |
08 | geom_hex geom_histogram |
10 | geom_line geom_linerange |
12 | geom_point geom_pointrange |
13 | geom_polygon geom_quantile |
16 | geom_segment geom_smooth |
4、標(biāo)尺（Scale）
前面我們已經(jīng)看到了，畫圖就是在做映射，不管是映射到不同的幾何對(duì)象上，還是映射各種圖形屬性。這一小節(jié)介紹標(biāo)尺，在對(duì)圖形屬性進(jìn)行映射之后，使用標(biāo)尺可以控制這些屬性的顯示方式，比如坐標(biāo)刻度，可能通過(guò)標(biāo)尺，將坐標(biāo)進(jìn)行對(duì)數(shù)變換；比如顏色屬性，也可以通過(guò)標(biāo)尺，進(jìn)行改變。
1 | ggplot(small)+geom_point(aes(x=carat, y=price, shape=cut, colour=color))+scale_y_log10()+scale_colour_manual(values=rainbow(7)) |
以數(shù)據(jù)（Data）和映射（Mapping)一節(jié)中所畫散點(diǎn)圖為例，將Y軸坐標(biāo)進(jìn)行l(wèi)og10變換，再自己定義顏色為彩虹色。
5、統(tǒng)計(jì)變換（Statistics）
統(tǒng)計(jì)變換對(duì)原始數(shù)據(jù)進(jìn)行某種計(jì)算，然后在圖上表示出來(lái)，例如對(duì)散點(diǎn)圖上加一條回歸線。
1 | ggplot(small, aes(x=carat, y=price))+geom_point()+scale_y_log10()+stat_smooth() |
這里就不按顏色、切工來(lái)分了，不然ggplot會(huì)按不同的分類變量分別做回歸，圖就很亂，如果我們需要這樣做，我們可以使用分面，這個(gè)將在后面介紹。
這里，aes所提供的參數(shù)，就通過(guò)ggplot提供，而不是提供給geom_point，因?yàn)?span>ggplot里的參數(shù)，相當(dāng)于全局變量，geom_point()和stat_smooth()都知道x,y的映射，如果只提供給geom_point()，則相當(dāng)于是局部變量，geom_point知道這種映射，而stat_smooth不知道，當(dāng)然你再給stat_smooth也提供x,y的映射，不過(guò)共用的映射，還是提供給ggplot好。
ggplot2提供了多種統(tǒng)計(jì)變換方式：
1 | stat_abline stat_contour stat_identity stat_summary |
2 | stat_bin stat_density stat_qq stat_summary2d |
3 | stat_bin2d stat_density2d stat_quantile stat_summary_hex |
4 | stat_bindot stat_ecdf stat_smooth stat_unique |
5 | stat_binhex stat_function stat_spoke stat_vline |
6 | stat_boxplot stat_hline stat_sum stat_ydensity |
統(tǒng)計(jì)變換是非常重要的功能，我們可以自己寫函數(shù)，基于原始數(shù)據(jù)做某種計(jì)算，并在圖上表現(xiàn)出來(lái)，也可以通過(guò)它改變geom_xxx函數(shù)畫圖的默認(rèn)統(tǒng)計(jì)參數(shù)。
比如我在Proteomic investigation of the interactome of FMNL1 in hematopoietic cells unveils a role in calcium-dependent membrane plasticity的圖一中，就把boxplot的中位線替換成了平均值來(lái)作圖。
6、坐標(biāo)系統(tǒng)（Coordinante）
坐標(biāo)系統(tǒng)控制坐標(biāo)軸，可以進(jìn)行變換，例如XY軸翻轉(zhuǎn)，笛卡爾坐標(biāo)和極坐標(biāo)轉(zhuǎn)換，以滿足我們的各種需求。
坐標(biāo)軸翻轉(zhuǎn)由coord_flip()實(shí)現(xiàn)
1 | ggplot(small)+geom_bar(aes(x=cut, fill=cut))+coord_flip() |
而轉(zhuǎn)換成極坐標(biāo)可以由coord_polar()實(shí)現(xiàn)：
1 | ggplot(small)+geom_bar(aes(x=factor(1), fill=cut))+coord_polar(theta="y") |
這也是為什么之前介紹常用圖形畫法時(shí)沒有提及餅圖的原因，餅圖實(shí)際上就是柱狀圖，只不過(guò)是使用極坐標(biāo)而已，柱狀圖的高度，對(duì)應(yīng)于餅圖的弧度，餅圖并不推薦，因?yàn)槿祟惖难劬Ρ容^弧度的能力比不上比較高度（柱狀圖）
還可以畫靶心圖：
1 | ggplot(small)+geom_bar(aes(x=factor(1), fill=cut))+coord_polar() |
以及風(fēng)玫瑰圖(windrose)
1 | ggplot(small)+geom_bar(aes(x=clarity, fill=cut))+coord_polar() |
7、圖層（Layer）
photoshop流行的原因在于PS 3.0時(shí)引入圖層的概念，ggplot的牛B之處在于使用+號(hào)來(lái)疊加圖層，這堪稱是泛型編程的典范。
在前面散點(diǎn)圖上，我們已經(jīng)見識(shí)過(guò)，加上了一個(gè)回歸線擬合的圖層。
有了圖層的概念，使用ggplot畫起圖來(lái)，就更加得心應(yīng)手。
做為圖層的一個(gè)很好的例子是蝙蝠俠logo，batman logo由6個(gè)函數(shù)組成，在下面的例子中，我先畫第一個(gè)函數(shù)，之后再加一個(gè)圖層畫第二個(gè)函數(shù)，不斷重復(fù)這一過(guò)程，直到六個(gè)函數(shù)全部畫好。
07 | x1data.frame(x2=x2, y2=y2) |
08 | p2data.frame(x3=x3, y3=y3) |
09 | p3data.frame(x4=x4,y4=y4) |
10 | p4data.frame(x5=x5,y5=y5) |
11 | p5data.frame(x6=x6,y6=y6) |
下面再以生物界中常用的柱狀圖+誤差圖為實(shí)例，展示ggplot2非常靈活的圖層。以我2011年發(fā)表的文章Phosphoproteome profile of human lung cancer cell line A549中的westernblot數(shù)據(jù)為例。
1 | Normaldata.frame(V=c("Normal", "Cancer"), mean=m, sd=s) |
8、分面（Facet）
分面可以讓我們按照某種給定的條件，對(duì)數(shù)據(jù)進(jìn)行分組，然后分別畫圖。
在統(tǒng)計(jì)變換一節(jié)中，提到如果按切工分組作回歸線，顯然圖會(huì)很亂，有了分面功能，我們可以分別作圖。
1 | ggplot(small, aes(x=carat, y=price))+geom_point(aes(colour=cut))+scale_y_log10() +facet_wrap(~cut)+stat_smooth() |
9、主題（Theme）
通過(guò)ggplot畫圖之后，我們可能還需要對(duì)圖進(jìn)行定制，像title, xlab, ylab這些高頻需要用到的，自不用說(shuō)，ggplot2提供了ggtitle(), xlab()和ylab()來(lái)實(shí)現(xiàn)。
比如：
但是這個(gè)遠(yuǎn)遠(yuǎn)滿足不了需求，我們需要改變字體，字體大小，坐標(biāo)軸，背景等各種元素，這需要通過(guò)theme()函數(shù)來(lái)完成。
ggplot2提供一些已經(jīng)寫好的主題，比如theme_grey()為默認(rèn)主題，我經(jīng)常用的theme_bw()為白色背景的主題，還有theme_classic()主題，和R的基礎(chǔ)畫圖函數(shù)較像。
別外ggthemes包提供了一些主題可供使用，包括：
1 | theme_economist theme_economist_white |
3 | theme_few theme_foundation |
4 | theme_igray theme_solarized |
在2013年發(fā)表的文章Putative cobalt- and nickel-binding proteins and motifs in Streptococcus pneumoniae中的圖3就是使用theme_stata來(lái)畫的。
至于如何改變這些元素，我覺得我之前畫囧字的博文可以做為例子：
詳細(xì)的說(shuō)明，可以參考?theme的幫助文檔。
10、二維密度圖
在這個(gè)文檔里，為了作圖方便，我們使用diamonds數(shù)據(jù)集的一個(gè)子集，如果使用全集，數(shù)據(jù)量太大，畫出來(lái)散點(diǎn)就糊了，這種情況可以使用二維密度力來(lái)呈現(xiàn)。
1 | ggplot(diamonds, aes(carat, price))+ stat_density2d(aes(fill = ..level..), geom="polygon")+ scale_fill_continuous(high='darkred',low='darkgreen') |
11、ggplot2實(shí)戰(zhàn)
果殼知性里有帖子介紹了個(gè)猥瑣邪惡的曲線，引來(lái)無(wú)數(shù)宅男用各種工具來(lái)畫圖，甚至于3D動(dòng)態(tài)圖都出來(lái)了。這里用ggplot2來(lái)畫。3D版本請(qǐng)猛擊此處。
1 | fdata.frame(x=c(x1,x2,x3), y=rep(y,3), type=rep(LETTERS[1:3], each=length(y))) |
再來(lái)一個(gè)蝴蝶圖，詳見《Modern Applied Statistics with S-PLUS》第一章。
1 | theta data.frame(x=radius*sin(theta), y=radius*cos(theta)) |
2 | ggplot(dd, aes(x, y))+geom_path()+theme_null()+xlab("")+ylab("") |
|
