作者：严涛 浙江大学作物遗传育种在读研究生（生物信息学方向）伪码农，R语言爱好者，爱开源编者按：数据可视化是解析、理解和展示数据不可缺少的一部分
炫或不炫看个人喜好和功底，能否达意是最基本的要求---最合适的图示和配色表达最直观的含义
长文多图预警，这是关于ggplot2使用的极详细教程（190+图），是入门和晋级参考的不二手册
前面部分是关于qplot的使用，后面是ggplot2图层的使用
原文使用R自带数据集，后面有生信宝典出品的针对生信常见作图的ggplot2使用教程
为完善之际，本文整理了关于可视化套路 (什么图适合做什么), 图形配色 (美观不突兀)和多种在线、本地、编程和界面类绘图工具和脚本供集中学习和收藏使用
简介本文内容基本是来源于STHDA，这是一份十分详细的ggplot2使用指南，因此我将其翻译成中文，一是有助于我自己学习理解，另外其他R语言爱好者或者可视化爱好者可以用来学习
翻译过程肯定不能十全十美，各位读者有建议或改进的话，十分欢迎发Email(tyan@zju.edu.cn)给我
ggplot2是由Hadley Wickham创建的一个十分强大的可视化R包
按照ggplot2的绘图理念，Plot(图)= data(数据集)+ Aesthetics(美学映射)+ Geometry(几何对象)：data: 数据集，主要是data frame；Aesthetics: 美学映射，比如将变量映射给x,y坐标轴，或者映射给颜色、大小、形状等图形属性；Geometry: 几何对象，比如柱形图、直方图、散点图、线图、密度图等
在ggplot2中有两个主要绘图函数：qplot()以及ggplot()
qplot(): 顾名思义，快速绘图；ggplot()：此函数才是ggplot2的精髓，远比qplot()强大，可以一步步绘制十分复杂的图形
由ggplot2绘制出来的ggplot图可以作为一个变量，然后由print()显示出来
图形类型根据数据集，ggplot2提供不同的方法绘制图形，主要是为下面几类数据类型提供绘图方法：一个变量x: 连续或离散两个变量x&y：连续和(或)离散连续双变量分布x&y: 都是连续误差棒地图三变量安装及加载安装ggplot2提供三种方式：#直接安装tidyverse，一劳永逸（推荐,数据分析大礼包）install.packages("tidyverse")#直接安装ggplot2install.packages("ggplot2")#从Github上安装最新的版本，先安装devtools(如果没安装的话)devtools::install_github("tidyverse/ggplot2")加载library(ggplot2)数据准备数据集应该数据框data.frame本文将使用数据集mtcars
#load the data setdata(mtcars)df <- mtcars[, c("mpg","cyl","wt")]#将cyl转为因子型factordf$cyl <- as.factor(df$cyl)head(df)## mpg cyl wt## Mazda RX4 21.0 6 2.620## Mazda RX4 Wag 21.0 6 2.875## Datsun 710 22.8 4 2.320## Hornet 4 Drive 21.4 6 3.215## Hornet Sportabout 18.7 8 3.440## Valiant 18.1 6 3.460qplot()qplot()类似于R基本绘图函数plot(),可以快速绘制常见的几种图形：散点图、箱线图、小提琴图、直方图以及密度曲线图
其绘图格式为：qplot(x, y=NULL, data, geom="auto")其中：x,y: 根据需要绘制的图形使用;data：数据集;geom：几何图形，变量x,y同时指定的话默认为散点图，只指定x的话默认为直方图
散点图qplot(x=mpg, y=wt, data=df, geom = "point")也可以添加平滑曲线qplot(x=mpg, y=wt, data = df, geom = c("point", "smooth"))还有其他参数可以修改，比如点的形状、大小、颜色等#将变量cyl映射给颜色和形状qplot(x=mpg, y=wt, data = df, colour=cyl, shape=cyl)箱线图、小提琴图、点图#构造数据集set.seed(1234)wdata <- data.frame( sex=factor(rep(c("F", "M"), each=200)), weight=c(rnorm(200, 55), rnorm(200, 58)))head(wdata)## sex weight## 1 F 53.79293## 2 F 55.27743## 3 F 56.08444## 4 F 52.65430## 5 F 55.42912## 6 F 55.50606箱线图qplot(sex, weight, data = wdata, geom = "boxplot", fill=sex)小提琴图qplot(sex, weight, data = wdata, geom = "violin")点图qplot(sex, weight, data = wdata, geom = "dotplot", stackdir="center", binaxis="y", dotsize=0.5, color=sex)直方图、密度图直方图qplot(weight, data = wdata, geom = "histogram", fill=sex)密度图qplot(weight, data = wdata, geom = "density", color=sex, linetype=sex)ggplot()上文中的qplot()绘制散点图：qplot(x=mpg, y=wt, data=df, geom = "point")在ggplot()中完全可以如下实现：ggplot(data=df, aes(x=mpg, y=wt))+ geom_point()改变点形状、大小、颜色等属性ggplot(data=df, aes(x=mpg, y=wt))+geom_point(color="blue", size=2, shape=23)绘图过程中常常要用到转换(transformation),这时添加图层的另一个方法是用stat_()函数
下例中的geom_density()与stat_density()是等价的ggplot(wdata, aes(x=weight))+geom_density()等价于ggplot(wdata, aes(x=weight))+stat_density()对于每一种几何图形
ggplot2 基本都提供了 geom()和 stat()一个变量：连续型使用数据集wdata，先计算出不同性别的体重平均值library(plyr)mu <- ddply(wdata, "sex", summarise, grp.mean=mean(weight))先绘制一个图层a,后面逐步添加图层a <- ggplot(wdata, aes(x=weight))可能添加的图层有：对于一个连续变量：面积图geom_area()密度图geom_density()点图geom_dotplot()频率多边图geom_freqpoly()直方图geom_histogram()经验累积密度图stat_ecdf()QQ图stat_qq()对于一个离散变量：条形图geom_bar()面积图a+geom_area(stat = "bin")改变颜色a+geom_area(aes(fill=sex), stat = "bin", alpha=0.6)+ theme_classic()注意：y轴默认为变量weight的数量即count，如果y轴要显示密度，可用以下代码：a+geom_area(aes(y=..density..), stat = "bin")可以通过修改不同属性如透明度、填充颜色、大小、线型等自定义图形：密度图使用以下函数：geom_density():绘制密度图geom_vline():添加竖直线scale_color_manual():手动修改颜色a+geom_density()根据sex修改颜色，将sex映射给line颜色a+geom_density(aes(color=sex))修改填充颜色以及透明度a+geom_density(aes(fill=sex), alpha=0.4)添加均值线以及手动修改颜色a+geom_density(aes(color=sex))+ geom_vline(data=mu, aes(xintercept=grp.mean, color=sex), linetype="dashed")+ scale_color_manual(values = c("red", "blue"))点图a+geom_dotplot()将sex映射给颜色a+geom_dotplot(aes(fill=sex))手动修改颜色a+geom_dotplot(aes(fill=sex))+ scale_fill_manual(values=c("#999999", "#E69F00"))频率多边图a+geom_freqpoly()y轴显示为密度a+geom_freqpoly(aes(y=..density..))+ theme_minimal()修改颜色以及线型a+geom_freqpoly(aes(color=sex, linetype=sex))+ theme_minimal()直方图a+geom_histogram()将sex映射给线颜色a+geom_histogram(aes(color=sex), fill="white", position = "dodge")+theme_classic()经验累积密度图a+stat_ecdf()QQ图ggplot(data = mtcars, aes(sample=mpg))+stat_qq()一个离散变量#加载数据集data(mpg)b <- ggplot(mpg, aes(x=fl))b+geom_bar()修改填充颜色b+geom_bar(fill="steelblue", color="black")+theme_classic()两个变量：x,y皆连续使用数据集mtcars， 先创建一个ggplot图层b <- ggplot(data = mtcars, aes(x=wt, y=mpg))可能添加的图层有：geom_point():散点图geom_smooth():平滑线geom_quantile():分位线geom_rug():边际地毯线geom_jitter():避免重叠geom_text():添加文本注释散点图b+geom_point()将变量cyl映射给点的颜色和形状b + geom_point(aes(color = factor(cyl), shape = factor(cyl)))自定义颜色b+geom_point(aes(color=factor(cyl), shape=factor(cyl)))+ scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9"))+theme_classic()平滑线可以添加回归曲线b+geom_smooth()散点图+回归线b+geom_point()+ geom_smooth(method = "lm", se=FALSE)#去掉置信区间使用loess方法b+geom_point()+ geom_smooth(method = "loess")将变量映射给颜色和形状b+geom_point(aes(color=factor(cyl), shape=factor(cyl)))+ geom_smooth(aes(color=factor(cyl), shape=factor(cyl)), method = "lm", se=FALSE, fullrange=TRUE)分位线ggplot(data = mpg, aes(cty, hwy))+ geom_point()+geom_quantile()+ theme_minimal()边际地毯线使用数据集faithfulggplot(data = faithful, aes(x=eruptions, y=waiting))+ geom_point()+geom_rug()避免重叠实际上geom_jitter()是geom_point(position="jitter")的简称,下面使用数据集mpgp <- ggplot(data = mpg, aes(displ, hwy))p+geom_point()增加抖动防止重叠p+geom_jitter(width = 0.5, height = 0.5)其中两个参数：width：x轴方向的抖动幅度height：y轴方向的抖动幅度文本注释参数label用来指定注释标签 (ggrepel可以避免标签重叠)b+geom_text(aes(label=rownames(mtcars)))两个变量：连续二元分布使用数据集diamondshead(diamonds[, c("carat", "price")])## # A tibble: 6 x 2## carat price## <dbl> <int>## 1 0.23 326## 2 0.21 326## 3 0.23 327## 4 0.29 334## 5 0.31 335## 6 0.24 336创建ggplot图层,后面再逐步添加图层c <- ggplot(data=diamonds, aes(carat, price))可添加的图层有：geom_bin2d(): 二维封箱热图geom_hex(): 六边形封箱图geom_density_2d(): 二维等高线密度图二维封箱热图geom_bin2d()将点的数量用矩形封装起来，通过颜色深浅来反映点密度c+geom_bin2d()设置bin的数量c+geom_bin2d(bins=150)六边形封箱图geom_hex()依赖于另一个R包hexbin，所以没安装的先安装：install.packages("hexbin")library(hexbin)c+geom_hex()修改bin的数目c+geom_hex(bins=10)二维等高线密度图sp <- ggplot(faithful, aes(x=eruptions, y=waiting))sp+geom_point()+ geom_density_2d()两个变量：连续函数主要是如何通过线来连接两个变量，使用数据集economics
head(economics)## # A tibble: 6 x 6## date pce pop psavert uempmed unemploy## <date> <dbl> <int> <dbl> <dbl> <int>## 1 1967-07-01 507.4 198712 12.5 4.5 2944## 2 1967-08-01 510.5 198911 12.5 4.7 2945## 3 1967-09-01 516.3 199113 11.7 4.6 2958## 4 1967-10-01 512.9 199311 12.5 4.9 3143## 5 1967-11-01 518.1 199498 12.5 4.7 3066## 6 1967-12-01 525.8 199657 12.1 4.8 3018先创建一个ggplot图层，后面逐步添加图层d <- ggplot(data = economics, aes(x=date, y=unemploy))可添加的图层有：geom_area():面积图geom_line()：折线图geom_step(): 阶梯图面积图d+geom_area()线图d+geom_line()阶梯图set.seed(1111)ss <- economics[sample(1:nrow(economics), 20),]ggplot(ss, aes(x=date, y=unemploy))+ geom_step()两个变量：x离散，y连续使用数据集ToothGrowth,其中的变量len(Tooth length)是连续变量，dose是离散变量
ToothGrowth$dose <- as.factor(ToothGrowth$dose)head(ToothGrowth)## len supp dose## 1 4.2 VC 0.5## 2 11.5 VC 0.5## 3 7.3 VC 0.5## 4 5.8 VC 0.5## 5 6.4 VC 0.5## 6 10.0 VC 0.5创建图层e <- ggplot(data = ToothGrowth, aes(x=dose, y=len))可添加的图层有：geom_boxplot(): 箱线图geom_violin()：小提琴图geom_dotplot()：点图geom_jitter(): 带状图geom_line(): 线图geom_bar(): 条形图箱线图e+geom_boxplot()添加有缺口的箱线图e+geom_boxplot(notch = TRUE)按dose分组映射给颜色e+geom_boxplot(aes(color=dose))将dose映射给填充颜色e+geom_boxplot(aes(fill=dose))按supp进行分类并映射给填充颜色ggplot(ToothGrowth, aes(x=dose, y=len))+ geom_boxplot(aes(fill=supp))小提琴图e+geom_violin(trim = FALSE)添加中值点e+geom_violin(trim = FALSE)+ stat_summary(fun.data = mean_sdl, fun.args = list(mult=1), geom="pointrange", color="red")与箱线图结合e+geom_violin(trim = FALSE)+ geom_boxplot(width=0.2)将dose映射给颜色进行分组e+geom_violin(aes(color=dose), trim = FALSE)点图e+geom_dotplot(binaxis = "y", stackdir = "center")添加中值点e + geom_dotplot(binaxis = "y", stackdir = "center") + stat_summary(fun.data=mean_sdl, color = "red",geom = "pointrange",fun.args=list(mult=1))与箱线图结合e + geom_boxplot() + geom_dotplot(binaxis = "y", stackdir = "center")添加小提琴图e + geom_violin(trim = FALSE) + geom_dotplot(binaxis='y', stackdir='center')将dose映射给颜色以及填充色e + geom_dotplot(aes(color = dose, fill = dose), binaxis = "y", stackdir = "center")带状图带状图是一种一维散点图，当样本量很小时，与箱线图相当e + geom_jitter(position=position_jitter(0.2))添加中值点e + geom_jitter(position=position_jitter(0.2)) + stat_summary(fun.data="mean_sdl", fun.args = list(mult=1), geom="pointrange", color = "red")与点图结合e + geom_jitter(position=position_jitter(0.2)) + geom_dotplot(binaxis = "y", stackdir = "center")与小提琴图结合e + geom_violin(trim = FALSE) + geom_jitter(position=position_jitter(0.2))将dose映射给颜色和形状e + geom_jitter(aes(color = dose, shape = dose), position=position_jitter(0.2))线图#构造数据集df <- data.frame(supp=rep(c("VC", "OJ"), each=3), dose=rep(c("D0.5", "D1", "D2"),2), len=c(6.8, 15, 33, 4.2, 10, 29.5))head(df)## supp dose len## 1 VC D0.5 6.8## 2 VC D1 15.0## 3 VC D2 33.0## 4 OJ D0.5 4.2## 5 OJ D1 10.0## 6 OJ D2 29.5将supp映射线型ggplot(df, aes(x=dose, y=len, group=supp)) + geom_line(aes(linetype=supp))+ geom_point()修改线型、点的形状以及颜色ggplot(df, aes(x=dose, y=len, group=supp)) + geom_line(aes(linetype=supp, color = supp))+ geom_point(aes(shape=supp, color = supp))条形图#构造数据集df <- data.frame(dose=c("D0.5", "D1", "D2"), len=c(4.2, 10, 29.5))head(df)## dose len## 1 D0.5 4.2## 2 D1 10.0## 3 D2 29.5df2 <- data.frame(supp=rep(c("VC", "OJ"), each=3), dose=rep(c("D0.5", "D1", "D2"),2), len=c(6.8, 15, 33, 4.2, 10, 29.5))head(df2)## supp dose len## 1 VC D0.5 6.8## 2 VC D1 15.0## 3 VC D2 33.0## 4 OJ D0.5 4.2## 5 OJ D1 10.0## 6 OJ D2 29.5创建图层f <- ggplot(df, aes(x = dose, y = len))f + geom_bar(stat = "identity")修改填充色以及添加标签f + geom_bar(stat="identity", fill="steelblue")+ geom_text(aes(label=len), vjust=-0.3, size=3.5)+ theme_minimal()将dose映射给条形图颜色f + geom_bar(aes(color = dose), stat="identity", fill="white")修改填充色f + geom_bar(aes(fill = dose), stat="identity")将变量supp映射给填充色，从而达到分组效果g <- ggplot(data=df2, aes(x=dose, y=len, fill=supp)) g + geom_bar(stat = "identity")#position默认为stack修改position为dodgeg + geom_bar(stat="identity", position=position_dodge())两个变量：x、y皆离散使用数据集diamonds中的两个离散变量color以及cutggplot(diamonds, aes(cut, color)) + geom_jitter(aes(color = cut), size = 0.5)两个变量：绘制误差图df <- ToothGrowthdf$dose <- as.factor(df$dose)head(df)## len supp dose## 1 4.2 VC 0.5## 2 11.5 VC 0.5## 3 7.3 VC 0.5## 4 5.8 VC 0.5## 5 6.4 VC 0.5## 6 10.0 VC 0.5绘制误差图需要知道均值以及标准误，下面这个函数用来计算每组的均值以及标准误
data_summary <- function(data, varname, grps){ require(plyr) summary_func <- function(x, col){ c(mean = mean(x[[col]], na.rm=TRUE), sd = sd(x[[col]], na.rm=TRUE)) } data_sum<-ddply(data, grps, .fun=summary_func, varname) data_sum <- rename(data_sum, c("mean" = varname)) return(data_sum)}计算均值以及标准误df2 <- data_summary(df, varname="len", grps= "dose")# Convert dose to a factor variabledf2$dose=as.factor(df2$dose)head(df2)## dose len sd## 1 0.5 10.605 4.499763## 2 1 19.735 4.415436## 3 2 26.100 3.774150创建图层f <- ggplot(df2, aes(x = dose, y = len, ymin = len-sd, ymax = len+sd))可添加的图层有：geom_crossbar(): 空心柱，上中下三线分别代表ymax、mean、ymingeom_errorbar(): 误差棒geom_errorbarh(): 水平误差棒geom_linerange()：竖直误差线geom_pointrange()：中间为一点的误差线具体如下：geom_crossbar()f+geom_crossbar()将dose映射给颜色f+geom_crossbar(aes(color=dose))自定义颜色f+geom_crossbar(aes(color=dose))+ scale_color_manual(values = c("#999999", "#E69F00", "#56B4E9"))+theme_classic()修改填充色f+geom_crossbar(aes(fill=dose))+ scale_fill_manual(values = c("#999999", "#E69F00", "#56B4E9"))+ theme_classic()通过将supp映射给颜色实现分组，可以利用函数stat_summary()来计算mean和sdf <- ggplot(df, aes(x=dose, y=len, color=supp))f+stat_summary(fun.data = mean_sdl, fun.args = list(mult=1), geom="crossbar", width=0.6, position = position_dodge(0.8))误差棒f <- ggplot(df2, aes(x=dose, y=len, ymin=len-sd, ymax=len+sd))将dose映射给颜色f+geom_errorbar(aes(color=dose), width=0.2)与线图结合f+geom_line(aes(group=1))+ geom_errorbar(width=0.15)与条形图结合，并将变量dose映射给颜色f+geom_bar(aes(color=dose), stat = "identity", fill="white")+ geom_errorbar(aes(color=dose), width=0.1)水平误差棒#构造数据集df2 <- data_summary(ToothGrowth, varname="len", grps = "dose")df2$dose <- as.factor(df2$dose)head(df2)## dose len sd## 1 0.5 10.605 4.499763## 2 1 19.735 4.415436## 3 2 26.100 3.774150创建图层f <- ggplot(data = df2, aes(x=len, y=dose,xmin=len-sd, xmax=len+sd))参数xmin与xmax用来设置水平误差棒f+geom_errorbarh()通过映射实现分组f+geom_errorbarh(aes(color=dose))geom_linerange()与geom_pointrange()f <- ggplot(df2, aes(x=dose, y=len, ymin=len-sd, ymax=len+sd))line rangef+geom_linerange()point rangef+geom_pointrange()点图+误差棒g <- ggplot(df, aes(x=dose, y=len))+ geom_dotplot(binaxis = "y", stackdir = "center")添加geom_crossbar()g+stat_summary(fun.data = mean_sdl, fun.args = list(mult=1), geom="crossbar", color="red", width=0.1)添加geom_errorbar()g + stat_summary(fun.data=mean_sdl, fun.args = list(mult=1), geom="errorbar", color="red", width=0.2) + stat_summary(fun.y=mean, geom="point", color="red")添加geom_pointrange()g + stat_summary(fun.data=mean_sdl, fun.args = list(mult=1), geom="pointrange", color="red")两个变量：地图绘制ggplot2提供了绘制地图的函数geom_map()，依赖于包maps提供地理信息
安装mapinstall.paclages("maps")下面将绘制美国地图，数据集采用USArrestslibrary(maps)head(USArrests)## Murder Assault UrbanPop Rape## Alabama 13.2 236 58 21.2## Alaska 10.0 263 48 44.5## Arizona 8.1 294 80 31.0## Arkansas 8.8 190 50 19.5## California 9.0 276 91 40.6## Colorado 7.9 204 78 38.7对数据进行整理一下,添加一列statecrimes <- data.frame(state=tolower(rownames(USArrests)), USArrests)head(crimes)## Murder Assault UrbanPop Rape## Alabama 13.2 236 58 21.2## Alaska 10.0 263 48 44.5## Arizona 8.1 294 80 31.0## Arkansas 8.8 190 50 19.5## California 9.0 276 91 40.6## Colorado 7.9 204 78 38.7#数据重铸library(reshape2)crimesm <- melt(crimes, id=1)head(crimesm)## state variable value## 1 alabama Murder 13.2## 2 alaska Murder 10.0## 3 arizona Murder 8.1## 4 arkansas Murder 8.8## 5 california Murder 9.0## 6 colorado Murder 7.9map_data <- map_data("state")#绘制地图，使用Murder进行着色ggplot(crimes, aes(map_id=state))+ geom_map(aes(fill=Murder), map=map_data)+ expand_limits(x=map_data$long, y=map_data$lat)三个变量使用数据集mtcars，首先绘制一个相关性图#构造数据df <- mtcars[, c(1,3,4,5,6,7)]head(df)## mpg disp hp drat wt qsec## Mazda RX4 21.0 160 110 3.90 2.620 16.46## Mazda RX4 Wag 21.0 160 110 3.90 2.875 17.02## Datsun 710 22.8 108 93 3.85 2.320 18.61## Hornet 4 Drive 21.4 258 110 3.08 3.215 19.44## Hornet Sportabout 18.7 360 175 3.15 3.440 17.02## Valiant 18.1 225 105 2.76 3.460 20.22cormat <- round(cor(df), 2)cormat_melt <- melt(cormat)head(cormat)## mpg disp hp drat wt qsec## mpg 1.00 -0.85 -0.78 0.68 -0.87 0.42## disp -0.85 1.00 0.79 -0.71 0.89 -0.43## hp -0.78 0.79 1.00 -0.45 0.66 -0.71## drat 0.68 -0.71 -0.45 1.00 -0.71 0.09## wt -0.87 0.89 0.66 -0.71 1.00 -0.17## qsec 0.42 -0.43 -0.71 0.09 -0.17 1.00创建图层：g <- ggplot(cormat_melt, aes(x=Var1, y=Var2))在此基础上可添加的图层有：geom_tile(): 瓦片图geom_raster(): 光栅图，瓦片图的一种，只不过所有的tiles都是一样的大小现在使用使用geom_tile()绘制相关性矩阵图，我们这里这绘制下三角矩阵图，首先要整理数据：#获得相关矩阵的下三角get_lower_tri <- function(cormat){ cormat[upper.tri(cormat)] <- NA return(cormat)}#获得相关矩阵的上三角get_upper_tri <- function(cormat){ cormat[lower.tri(cormat)] <- NA return(cormat)}upper_tri <- get_upper_tri(cormat = cormat)head(upper_tri)## mpg disp hp drat wt qsec## mpg 1 -0.85 -0.78 0.68 -0.87 0.42## disp NA 1.00 0.79 -0.71 0.89 -0.43## hp NA NA 1.00 -0.45 0.66 -0.71## drat NA NA NA 1.00 -0.71 0.09## wt NA NA NA NA 1.00 -0.17## qsec NA NA NA NA NA 1.00绘制相关矩阵图#数据重铸upper_tri_melt <- melt(upper_tri, na.rm = TRUE)ggplot(data=upper_tri_melt, aes(Var1, y=Var2, fill=value))+ geom_tile(color="white")+ scale_fill_gradient2(low = "blue", high = "red", mid = "white", midpoint = 0, limit=c(-1, 1), space = "Lab", name="Person\nCorrelation")+ theme_minimal()+ theme(axis.text.x = element_text(angle = 45, vjust = 1, size = 12, hjust = 1))+ coord_fixed()上图中蓝色代表互相关，红色代表正相关，至于coord_fixed()保证x，y轴比例为1可以看出上图顺序有点乱，我们可以对相关矩阵进行排序#构造函数reorder_cormat <- function(cormat){ dd <- as.dist((1-cormat)/2) hc <- hclust(dd) cormat <- cormat[hc$order, hc$order]}cormat <- reorder_cormat(cormat)lower_tri <- get_lower_tri(cormat)lower_tri_melt <- melt(lower_tri, na.rm = TRUE)head(lower_tri_melt)## Var1 Var2 value## 1 hp hp 1.00## 2 disp hp 0.79## 3 wt hp 0.66## 4 qsec hp -0.71## 5 mpg hp -0.78## 6 drat hp -0.45绘制图形ggheatmap <- ggplot(lower_tri_melt, aes(Var1, Var2, fill=value))+ geom_tile(color="white")+ scale_fill_gradient2(low = "blue", high = "red", mid = "white", midpoint = 0, limit=c(-1, 1), space = "Lab", name="Person\nCorrelation")+ theme_minimal()+ theme(axis.text.x = element_text(angle = 45, vjust = 1, size = 12, hjust = 1))+ coord_fixed()print(ggheatmap)图元：多边形、路径、带状、射线（线段）、矩形等本节主要讲述的是添加图形元件，将用到一下函数：geom_polygon()：添加多边形geom_path(): 路径geom_ribbon(): 带状geom_segment(): 射线、线段geom_curve(): 曲线geom_rect(): 二维矩形添加多边形library(dplyr)map_data("world")%>% filter(region==c("China", "Taiwan"))%>% ggplot(aes(x=long, y=lat, group=group))+ geom_polygon(fill="red", color="black")添加路径、带状、矩形创建图层h <- ggplot(economics, aes(date, unemploy))添加路径h+geom_path()添加带状h+geom_ribbon(aes(ymin=unemploy-800, ymax=unemploy+800), fill = "grey70")+geom_line(aes(y=unemploy))添加矩形h+ geom_path()+ geom_rect(aes(xmin=as.Date("1980-01-01"), ymin=-Inf, xmax=as.Date("1985-01-01"), ymax=Inf), fill="steelblue")添加线段i <- ggplot(mtcars, aes(wt, mpg))+geom_point()#添加线段i+geom_segment(aes(x=2, y=15, xend=3, yend=15))添加箭头i+geom_segment(aes(x=5, y=30, xend=3.5, yend=25), arrow = arrow(length = unit(0.5, "cm")))添加曲线i+geom_curve(aes(x=2, y=15, xend=3, yend=15), color="red")图形参数：主标题、坐标轴标签、图例标题创建图层ToothGrowth$dose <- as.factor(ToothGrowth$dose)p <- ggplot(ToothGrowth, aes(x=dose, y=len))+geom_boxplot()修改标题以及标签的函数有：ggtitle(“New main title”): 添加主标题xlab(“New X axis label”): 修改x轴标签ylab(“New Y axis label”): 修改y轴标签labs(title = “New main title”, x = “New X axis label”, y = “New Y axis label”): 可同时添加主标题以及坐标轴标签，另外，图例标题也可以用此函数修改修改主标题以及标签(p <- p+labs(title="Plot of length\nby dose", x="Dose (mg)", y="teeth length"))修改标签属性：颜色、字体、大小等使用theme()修改,element_text()可以具体修改图形参数，element_blank()隐藏标签#修改标签p+theme(plot.title = element_text(color = "red", size = 14, face = "bold.italic"),axis.title.x = element_text(color="blue", size = 14, face = "bold"),axis.title.y = element_text(color="#993333", size = 14, face = "bold"))#隐藏标签p+theme( plot.title = element_blank(), axis.title.x = element_blank(), axis.title.y = element_blank())修改图例标题p <- ggplot(ToothGrowth, aes(x=dose, y=len, fill=dose))+ geom_boxplot()p#修改图例标题p+labs(fill="Dose (mg)")图例位置以及外观修改图例位置以及外观#图例位置在最上面，有五个选项："left","top", "right", "bottom", "none"p+theme(legend.position = "top")移除图例p+theme(legend.position = "none")修改图例标题以及标签外观p+theme( legend.title = element_text(color="blue"), legend.text = element_text(color="red"))修改图例背景p+theme(legend.background = element_rect(fill="lightblue"))利用scale()函数自定义图例主要两个函数：scale_x_discrete()：修改图例标签顺序scale_fill_discrete(): 修改图例标题以及标签#修改顺序p+scale_x_discrete(limits=c("2", "0.5", "1"))#修改标题以及标签p+scale_fill_discrete(name="Dose", label=c("A","B","C"))自动/手动修改颜色mtcars$cyl <- as.factor(mtcars$cyl)创建图层# boxplotbp <- ggplot(ToothGrowth, aes(x=dose, y=len))# scatter plotsp <- ggplot(mtcars, aes(x=wt, y=mpg))修改填充色、轮廓线颜色bp+geom_boxplot(fill="steelblue", color="red")sp+geom_point(color="darkblue")通过映射分组修改颜色(bp <- bp+geom_boxplot(aes(fill=dose)))(sp <- sp+geom_point(aes(color=cyl)))手动修改颜色主要两个函数：scale_fill_manual(): 填充色scale_color_manual()：轮廓色，如点线# Box plotbp + scale_fill_manual(values=c("#999999", "#E69F00", "#56B4E9"))# Scatter plotsp + scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9"))使用RColorBrewer调色板scale_fill_brewer(): 填充色scale_color_brewer()：轮廓色，如点线# Box plotbp + scale_fill_brewer(palette="Dark2")# Scatter plotsp + scale_color_brewer(palette="Dark2")RColorBrewer包提供以下调色板还专门有一个灰度调色板：# Box plotbp + scale_fill_grey() + theme_classic()# Scatter plotsp + scale_color_grey() + theme_classic()梯度或连续颜色有时我们会将某个连续变量映射给颜色，这时修改这种梯度或连续型颜色就可以使用以下函数：scale_color_gradient(), scale_fill_gradient()：两种颜色的连续梯度scale_color_gradient2(), scale_fill_gradient2()：不同梯度scale_color_gradientn(), scale_fill_gradientn()：多种颜色梯度# Color by qsec valuessp2<-ggplot(mtcars, aes(x=wt, y=mpg)) + geom_point(aes(color = qsec))sp2# Change the low and high colors# Sequential color schemesp2+scale_color_gradient(low="blue", high="red")# Diverging color schememid<-mean(mtcars$qsec)sp2+scale_color_gradient2(midpoint=mid, low="blue", mid="white", high="red", space = "Lab" )点颜色、大小、形状R提供的点形状是由数字表示的，具体如下：# Basic scatter plotggplot(mtcars, aes(x=wt, y=mpg)) + geom_point(shape = 18, color = "steelblue", size = 4)# Change point shapes and colors by groupsggplot(mtcars, aes(x=wt, y=mpg)) + geom_point(aes(shape = cyl, color = cyl))可通过以下方法对点的颜色、大小、形状进行修改：scale_shape_manual() : to change point shapesscale_color_manual() : to change point colorsscale_size_manual() : to change the size of points# Change colors and shapes manuallyggplot(mtcars, aes(x=wt, y=mpg, group=cyl)) + geom_point(aes(shape=cyl, color=cyl), size=2)+ scale_shape_manual(values=c(3, 16, 17))+ scale_color_manual(values=c('#999999','#E69F00', '#56B4E9'))+ theme(legend.position="top")文本注释对图形进行文本注释有以下方法：geom_text(): 文本注释geom_label(): 文本注释,类似于geom_text(),只是多了个背景框annotate(): 文本注释annotation_custom(): 分面时可以在所有的面板进行文本注释set.seed(1234)df <- mtcars[sample(1:nrow(mtcars), 10), ]df$cyl <- as.factor(df$cyl)散点图注释# Scatter plotsp <- ggplot(df, aes(x=wt, y=mpg))+ geom_point() # Add text, change colors by groupssp + geom_text(aes(label = rownames(df), color = cyl), size = 3, vjust = -1)# Add text at a particular coordinatesp + geom_text(x = 3, y = 30, label = "Scatter plot", color="red")# geom_label()进行注释sp + geom_label(aes(label=rownames(df)))# annotation_custom(),需要用到textGrob()library(grid)# Create a textgrob <- grobTree(textGrob("Scatter plot", x=0.1, y=0.95, hjust=0, gp=gpar(col="red", fontsize=13, fontface="italic")))# Plotsp + annotation_custom(grob)#分面注释sp + annotation_custom(grob)+facet_wrap(~cyl, scales="free")线型R里的线型有七种：“blank”, “solid”, “dashed”, “dotted”, “dotdash”, “longdash”, “twodash”，对应数字0，1，2，3，4，5，6.具体如下：# Create some datadf2 <- data.frame(sex = rep(c("Female", "Male"), each=3), time=c("breakfeast", "Lunch", "Dinner"), bill=c(10, 30, 15, 13, 40, 17) )head(df2)## sex time bill## 1 Female breakfeast 10## 2 Female Lunch 30## 3 Female Dinner 15## 4 Male breakfeast 13## 5 Male Lunch 40## 6 Male Dinner 17# Line plot with multiple groups# Change line types and colors by groups (sex)ggplot(df2, aes(x=time, y=bill, group=sex)) + geom_line(aes(linetype = sex, color = sex))+ geom_point(aes(color=sex))+ theme(legend.position="top")同点一样，线也可以类似修改：scale_linetype_manual() : to change line typesscale_color_manual() : to change line colorsscale_size_manual() : to change the size of lines# Change line types, colors and sizesggplot(df2, aes(x=time, y=bill, group=sex)) + geom_line(aes(linetype=sex, color=sex, size=sex))+ geom_point()+ scale_linetype_manual(values=c("twodash", "dotted"))+ scale_color_manual(values=c('#999999','#E69F00'))+ scale_size_manual(values=c(1, 1.5))+ theme(legend.position="top")主题与背景颜色# Convert the column dose from numeric to factor variableToothGrowth$dose <- as.factor(ToothGrowth$dose)创建箱线图p <- ggplot(ToothGrowth, aes(x=dose, y=len))+ geom_boxplot()修改主题ggplot2提供了好几种主题，另外有一个扩展包ggthemes专门提供了一主题，可以安装利用
install.packages("ggthemes")theme_gray(): gray background color and white grid linestheme_bw() : white background and gray grid linesp+theme_gray(base_size = 14)p+theme_bw()theme_linedraw : black lines around the plottheme_light : light gray lines and axis (more attention towards the data)p + theme_linedraw()p + theme_light()theme_minimal: no background annotationstheme_classic : theme with axis lines and no grid linesp + theme_minimal()p + theme_classic()ggthemes提供的主题p+ggthemes::theme_economist()坐标轴：最大最小值p <- ggplot(cars, aes(x=speed, y=dist))+geom_point()修改坐标轴范围有以下几种方式：1、不删除数据p+coord_cartesian(xlim=c(5, 20), ylim=c(0, 50)):笛卡尔坐标系，这是设定修改不会删除数据2、会删除部分数据：不在此范围内的数据都会被删除,因此在此基础上添加图层时数据是不完整的p+xlim(5, 20)+ylim(0, 50)p+scale_x_continuous(limits=c(5, 20))+scale_y_continuous(limits=c(0, 50))3、扩展图形范围：expand()函数，扩大范围p+expand_limits(x=0, y=0):设置截距为0，即过原点p+expand_limits(x=c(5, 50), y=c(0, 150))：扩大坐标轴范围，这样图形显示就小了下面通过图形演示p#通过coord_cartesian()函数修改坐标轴范围p+coord_cartesian(xlim =c (5, 20), ylim = c(0, 50))#通过xlim()和ylim()函数修改p+xlim(5, 20)+ylim(0, 50)#expand limitsp+expand_limits(x=c(5, 50), y=c(0, 150))坐标变换p <- ggplot(cars, aes(x=speed, y=dist))+geom_point()坐标变换有以下几种：p+scale_x_log10(),p+scale_y_log10(): 绘图时对x，y取10的对数p+scale_x_sqrt(),p+scale_x_sqrt(): 开根号p+scale_x_reverse(),p+scale_x_reverse()：坐标轴反向p+coord_trans(x =“log10”, y=“log10”): 同上，可以对坐标轴取对数、根号等p+scale_x_continuous(trans=”log2”),p+scale_x_continuous(trans=”log2”): 同上，取对数的另外一种方法下面实例演示：pp+scale_x_continuous(trans = "log2")+ scale_y_continuous(trans = "log2")#修改坐标刻度标签require(scales)p+scale_y_continuous(trans=log2_trans(), breaks = trans_breaks("log2", function(x) 2^x), labels=trans_format("log2", math_format(2^.x)))#坐标轴反向p+scale_y_reverse()坐标刻度：刻度线、标签、顺序等更改坐标轴刻度线标签等函数：element_text(face, color, size, angle): 修改文本风格element_blank(): 隐藏文本(p <- ggplot(ToothGrowth, aes(x=dose, y=len))+geom_boxplot())修改刻度标签等p+theme(axis.text.x = element_text(face = "bold", color="#993333", size=14, angle = 45), axis.text.y = element_text(face = "bold", size = 14, color = "blue", angle = 45))移除刻度标签等p + theme( axis.text.x = element_blank(), # Remove x axis tick labels axis.text.y = element_blank(), # Remove y axis tick labels axis.ticks = element_blank()) # Remove ticks当然可以自定义坐标轴了离散非连续坐标轴scale_x_discrete(name, breaks, labels, limits)scale_y_discrete(name, breaks, labels, limits)连续型坐标轴scale_x_conyinuous(name, breaks, labels, limits)scale_y_continuous(name, breaks, labels, limits)详细情况如下：name: x,y轴的标题breaks: 刻度，分成几段labels：坐标轴刻度线标签limits: 坐标轴范围其中scale_xx()函数可以修改坐标轴的如下参数：坐标轴标题坐标轴范围刻度标签位置手动设置刻度标签具体演示：离散坐标轴#修改标签以及顺序p+scale_x_discrete(name="Dose (mg)", limits=c("2", "1", "0.5"))#修改刻度标签p+scale_x_discrete(breaks=c("0.5", "1", "2"),labels=c("Dose 0.5", "Dose 1", "Dose 2"))#修改要显示的项p+scale_x_discrete(limits=c("0.5", "2"))连续型坐标轴#散点图 (sp <- ggplot(cars, aes(x=speed, y=dist))+geom_point())修改坐标轴标签以及范围(sp <- sp+scale_x_continuous(name = "Speed of cars", limits = c(0, 30))+ scale_y_continuous(name = "Stopping distance", limits = c(0, 150)))更改y轴刻度，间隔50sp+scale_y_continuous(breaks = seq(0, 150, 50))修改y轴标签为百分数require(scales) sp+scale_y_continuous(labels = percent)添加直线：水平线、竖直线、回归线ggplot2提供以下方法为图形添加直线：geom_hline(yintercept, linetype, color, size): 添加水平线geom_vline(xintercept, linetype, color, size)：添加竖直线geom_abline(intercept, slope, linetype, color, size)：添加回归线geom_segment()：添加线段实例演示：sp <- ggplot(data=mtcars, aes(x=wt, y=mpg))+ geom_point()添加直线：#在y=20处添加一水平线，并设置颜色等sp+geom_hline(yintercept = 20, linetype="dashed", color='red')#在x=3处添加一竖直线，并设置颜色等sp+geom_vline(xintercept = 3, color="blue", size=1.5)#添加回归线sp+geom_abline(intercept = 37, slope = -5, color="blue")#添加水平线段sp+geom_segment(aes(x=2, y=15, xend=3, yend=15), color="red")图形旋转：旋转、反向主要是下面两个函数：coord_flip()：创建水平方向图scale_x_reverse(),scale_y_reverse()：坐标轴反向set.seed(1234)(hp <- qplot(x=rnorm(200), geom = "histogram"))#水平柱形图hp+coord_flip()#y轴反向hp+scale_y_reverse()分面分面就是根据一个或多个变量将图形分为几个图形以便于可视化，主要有两个方法实现：facet_grid()facet_wrap()ToothGrowth$dose <- as.factor(ToothGrowth$dose)(p <- ggplot(ToothGrowth, aes(x=dose, y=len, group=dose))+ geom_boxplot(aes(fill=dose)))针对上面图形进行分面：p+facet_grid(supp~.): 按变量supp进行竖直方向分面p+facet_grid(.~supp): 按变量supp进行水平方向分面p+facet_wrap(dose~supp)：按双变量supp和dose进行水平竖直方向分面p+facet_wrap(~fl): 将分成的面板边靠边置于一个矩形框内1、按一个离散变量进行分面：#竖直方向进行分面p+facet_grid(supp~.)#水平方向分面p+facet_grid(.~supp)2、按两个离散变量进行分面#行按dose分面，列按supp分面p+facet_grid(dose~supp)#行按supp，列按dose分面p+facet_grid(supp~dose)从上面图形可以看出，每个面板的坐标轴比例都是一样的，我们可以通过设置参数scales来控制坐标轴比例p + facet_grid(dose ~ supp, scales='free')位置调整很多图形需要我们调整位置，比如直方图时，由堆叠式、百分式、分离式等，具体的要通过实例说明p <- ggplot(mpg, aes(fl, fill=drv))#直方图边靠边排列，参数position="dodge"p+geom_bar(position = "dodge")堆叠式position=”stack”p+geom_bar(position = "stack")position=”fill”类似玉堆叠图，只不过按百分比排列，所有柱子都被标准化成同样高度p+geom_bar(position = "fill")position=”jitter”,（主要适用于散点图）增加扰动，避免重叠，前面讲的geom_jitter()就是来源于此ggplot(mpg, aes(cty, hwy))+ geom_point(position = "jitter")上面几个函数有两个重要的参数：heigth、weight
position_dodge(width, height)position_fill(width, height)position_stack(width, height)position_jitter(width, height)p+geom_bar(position = position_dodge(width = 1))坐标系p <- ggplot(mpg, aes(fl))+geom_bar()ggplot2中的坐标系主要有：p+coord_cartesian(xlim=NULL, ylim=NULL)：笛卡尔坐标系(默认)p+coord_fixed(ratio=1, clim=NULL, ylim=NULL)：固定了坐标轴比例的笛卡尔坐标系
默认比例为1p+coord_flip(…)：旋转笛卡尔坐标系p+coord_polar(theta=”x”, start=0, direction=1)：极坐标系p+coord_trans(x,y,limx,limy)：变换笛卡尔坐标系coord_map()：地图坐标系各个坐标系参数如下：1、笛卡尔坐标系：coord_cartesian(), coord_fixed() and coord_flip()xlim：x轴范围ylim：y轴范围ratio：y/x…：其他参数2、极坐标系：coord_polar()theta：外延坐标，x或ystart：坐标开始的位置，默认为12点钟direction：方向：顺时针(1),逆时针(-1)3、变换坐标系：coord_trans()x,y：变换的坐标轴limx,limy：坐标轴范围实例演示：p+coord_cartesian(ylim = c(0,200))p+coord_fixed(ratio = 1/50)p+coord_flip()p+coord_polar(theta = "x", direction = 1)p+coord_trans(y="sqrt")