ggplot实战：政经数据可视化

在ggplot系统中，用于调整坐标轴和坐标系的函数有三类，第一类是scale_x/y_*函数，第二类是coord_*函数，第三类是x/ylim、labs等方便函数。

一、scale_x/y_*函数

如函数名称所示，scale_x/y_*中的"x"和"y"用于指明是对X轴还是Y轴进行调整，而"*"则指明坐标轴的类型及调整方法。我们下面将进行详细说明。

1. scale_x/y_continuous

当与坐标轴对应的数据是连续变量时，我们用scale_x/y_continous对坐标轴进行调整。本例使用的数据集为cpi1718.csv，它记录了2017和2018年中国各月的CPI数值。

library(ggplot2)

dat=read.csv("cpi1718.csv", row.names=1) # 课件中的文件

p=ggplot(dat)+geom_line(aes(1: 24, CPI), size=1) # 因为数据包含24个数据点，所以我们暂且把X值定为1至24的整数

p+scale_x_continuous(name="DATE", breaks=c(1, 5, 11), labels=c ("1", "60", "Here is 800"), minor_breaks=c(20.5, 21.5))

p+scale_y_continuous(position="right")+scale_x_continuous (limits=c(-3, 28), breaks=c(-10, 0, 30))

p+scale_y_continuous(expand=expansion(mult=c(0.02, 0.05), add=c(3, 4)))

我们来解释一下各参数的含义：

●name：坐标轴的标题。

●position：坐标轴的位置。X轴默认为"bottom"，可改为"top"，Y轴默认为"left"，可改为"right"。

●limits：坐标轴值域。本例中，与X轴相对应的数据的最小值是1，最大值是24，但我们仍可以将值域改为-3至8。ggplot会完全删去超出坐标轴值域的图形，并弹出警告。

●breaks：添加主要网格线（与坐标轴上的标签相对应的白色线条）和坐标轴刻度线的位置。如果不进行修改，ggplot会自动寻找合适的位置。当设为NULL时，所有位置都将被取消。

●labels：在由breaks指定的位置添加标签的内容，其长度要与breaks的长度相等。如不需要标签，可将其设为NULL。注意：标签的位置与内容无需相符，比如，在本例中，用breaks指定的位置是1、5、11，但用labels指定的标签则并非是这几个数值。另外，超出了由limits指定的值域的标签也不会显示出来，比如，在本例中，limits的值为-3至28，因此在-10和30这两个位置的标签就不会显示出来。使用labels参数的另一种方法是让它指向一个可对默认标签进行加工的函数。

●minor_breaks：添加次要网格线（即下方没有坐标轴标签的白色线条）的位置。如不需要次要网格线，可将其设为NULL。在默认情况下，ggplot首先确定主要网格线的位置，然后在主要网格线之间添加次要网格线，但我们同样可以对此进行修改。

●expand：坐标轴向左右或上下扩展的程度。这个参数的值必须是一个由expansion指定的值，其默认值为expansion(mult=0.05)（对连续变量）或expansion(add=0.6)（对离散变量），其中mult参数的前后两个值决定向左边和右边（或下边和上边）扩展的倍数，add参数决定在扩展之后直接添加的值。若参数只有一个值，会自动变为两个值。在本例中，Y轴值域若按Y值的最小值和最大值来算的话，理应是103至106.8，Y轴最下方和最上方的距离是106.8-103=3.8。但我们设定了expand=expansion(mult=c(0.02, 0.05), add=c(3, 4))，因此Y轴下方会扩展至103-3.8*0.02-3=99.924，上方会扩展至106.8+3.8*0.05+4=110.99。显然，如果不希望坐标轴扩展的话，只要认定expand=expansion(0)即可。

●trans：调整数值的方法。默认值为"identity"，即不作调整。常用选项有"log"（自然对数）、"log2"（以2为底的对数）、"log10"（以10为底的对数）、"sqrt"（开方）等。见以下例子。

●guide：参数值需由guide_axis函数生成。见以下例子。

## 用trans="log10"来呈现差异很大的数值

big=data.frame(x=1: 6, y=c(1, 2, 3, 200, 1022, 50000))

ggplot(big)+geom_point(aes(x, y))+

scale_y_continuous(trans="log10", breaks=big$y)

# 在本例中，与Y轴对应的数值之间的差异被放大，这是因为图表使用的不是原始数值，而是以10为底的对数

p+scale_x_continuous(guide=guide_axis(n.dodge=2, angle=30)) # n.dodge用于设置标签行数（默认值为1），有助于摆放多个较长的标签。angle为标签旋转角度，类似于本章第三节将提及的axis.text=element_text(angle=...)，但差异在于，前者会自动选择美观的对齐方式

2. scale_x/y_discrete

当数据为离散变量（例如，条形图中用于划分类别的变量）时，修改坐标轴需使用scale_x/y_discrete函数。让我们以世界各地专利授权数据为例进行讲解。

dat=read.csv("patents6.csv", row.names=1) # 课件中的文件

v=dat$Count

lab=dat$Area

p=ggplot()+geom_bar(aes(x=lab, y=v), stat="identity", fill="firebrick")

# 有时标签上的数字会以科学计数法的形式出现，但这并不是我们想要的。解决方法是把options(scipen=...)调整为一个较大的数

options(scipen=10) # 此时再作图，标签就是正常的200000、400000……了

p+scale_x_discrete(name="离散坐标", breaks=c("非州", "亚洲"), labels=c("Africa", "Asia")) # 在选定的位置标注经修改的标签

p+scale_x_discrete(limits=c("非州", "亚洲", "大洋洲")) # 仅显示选中的数据点，此时会弹出警告

p+scale_x_discrete(expand=expansion(mult=0.5)) # 本例包含6个数据点,我们可视其为占据了X轴上1至6的位置，最大值与最小值的距离是6-1=5，因此,如果设置expansion(mult=0.5)的话，那么左边将延伸到1-5*0.5=-1.5，右边延伸至6+5*0.5=8.5

ggplot()+geom_point(aes(x=lab, y=v), size=5) # 当然，除了条形图外，散点图也可使用离散变量

3. scale_x/y_date/datetime

如果变量为日期/时间对象（例如，折线图中与X轴对应的变量），我们有两种绘制方法：第一种方法是用1至n（n为数据点的个数）的整数来代替数值，第二种方法是将日期/时间对象映射到图表中。

我们以上文中使用过的CPI数据为例。

dat=read.csv("cpi1718.csv", row.names=1)

dat$Date=as.Date(dat$Date)

## 对标签进行一些调整（我们在第一章介绍了调整日期显示方式的代码）

lab=dat$Date

lab=seq(lab[1], lab[length(lab)], by="3 month")

lab_text=format(lab, format="%y年\n%b")

ggplot(dat)+geom_line(aes(Date, CPI), size=1)+

scale_x_date(name="Month", breaks=lab, labels=lab_text, expand=expansion(add=30)) # 用expand增加显示的天数

## scale_x/y_dateime的使用方法与scale_x/y_date相仿；只不过，为了防止标签挤在一起，我们得对文字进行更多调整

x=as.POSIXct("2019-08-08 12:00:00")+3600*(0: 23)

n=length(x)

mybreak=x[seq(1, n, 4)]

mylab=format(mybreak, format="%e日\n%H时%M分")

ggplot()+geom_point(aes(x, 1: n), size=3)+

scale_x_datetime(name="Time", breaks=mybreak, labels=mylab)

4. 获取美观的标签

坐标轴上每个标签与其两边的标签之间的间隔都是相等的。但我们会发现，这个间隔并不是随意计算出来的，而通常是1、2、5、10、100等数值的倍数。以此方式添加的标签会使坐标轴较为美观，我们通常亦无需对其进行修改。但有时，我们要么需要获取坐标轴标签以及相应的位置，要么自己生成一系列标签和位置。

library(plothelper)

dat=read.csv("cpi1718.csv", row.names=1)

## 用plothelper包中的get_gg_label函数可以获取gg对象的坐标轴信息

p=ggplot(dat)+geom_line(aes(1: nrow(dat), CPI), size=1) # 此图X轴标签均是5的倍数，Y轴标签均是1的倍数

mylab=get_gg_label(a=p)

# get_gg_label的结果是一个包含五项的列表：$min和$max为坐标轴的范围;$label为标签；$position为加标签的位置，也就是画主网格线的位置；$all是画所有网格线的位置

mylab=get_gg_label(a=p, axis="x") # 设axis="x"，则查看X轴的情况

# 以下两种写法会得到相同的结果，一是给出一个向量，二是给出最小值和最大值,同时还可用mult和add参数模仿expansion的效果

get_gg_label(v=dat$CPI, mult=0.05)

get_gg_label(a=min(dat$CPI), b=max(dat$CPI), mult=0.05)(www.xing528.com)

我们也可以直接用pretty生成标签位置

mylab=pretty(x=dat$CPI, n=5, min.n=2)

# [1] 103 104 105 106 107

# x参数是与坐标轴对应的向量，n为预期标签数量，min.n为当无法生成n个标签时至少生成多少个标签，默认值为n %/% 3的结果

二、coord_*函数

如果我们要对整个坐标系进行调整，就要用到coord_*系列函数。不过，在画一个图表的过程中，我们只能使用一次coord_*函数进行设置，否则，后边的设置会取代前边的设置。

coord_*函数的参数大多是相同的，包括：

●xlim、ylim：坐标轴值域。但它们实际效果与scale_x/y_*中limits的效果并不相同。请看以下示例。

●expand：是否扩展坐标轴值域。这个参数的可选项为TRUE（默认）和FALSE，而不像scale_x/y_*中的expand那样必须被赋予一个由expansion设定的值。

●clip：是否允许将图形画在超出面板的地方。默认值为"on"，可改为"off"。请看以下示例。

1. coord_cartesian：对坐标系进行设置

dat=read.csv("patents6.csv", row.names=1) # 使用上文提到过的专利授权数据

v=dat$Count

lab=dat$Area

p=ggplot()+geom_bar(aes(x=lab, y=v), stat="identity", fill="firebrick")

## 对条形图的Y轴进行调整：首先，ggplot并不会把条形图Y轴上的最小值设为0，所以如有必要，我们可以在此手动设置，其次，我们希望Y轴最高点略高于数据的最大值，故在此让最大值乘以1.1；另外，既然我们已经设置好了坐标轴，当然不希望它再自动扩展，所以把 expand设为FALSE

p+coord_cartesian(ylim=c(0, max(v)*1.1), expand=FALSE)

# 将clip设为"off"的作用之一是为图片加水印（后边的章节会介绍本例中theme和geom_text的用法）

p+geom_text(aes(x=3.5, y=c(200000, 600000), label="这是水印"), angle=45, color="grey75", size=25)+

theme(plot.margin=unit(rep(10, 4), "mm"))+

coord_cartesian(clip="off")

# 务必注意以下两种设置坐标轴值域方法的差异

p+coord_cartesian(ylim=c(0, 200000)) # 此时，有两个柱子超过了200000,但它们未超值域的部分仍会显示

p+scale_y_continuous(limits=c(0, 200000)) # 此时，那些有一部分超出了值域的图形根本不会出现在图表中

2. coord_flip：翻转X轴和Y轴

p+coord_flip() # 垂直条形图变为水平条形图

p+coord_flip(ylim=c(0, max(v)*1.1), expand=FALSE) # coord_flip中的xlim和ylim所调整的是翻转前的X轴和Y轴

## orientation参数

# 以下例子没有使用coord_flip，但却同样达到了翻转坐标轴的目的。注意：此处有两处修改。第一，我们设置orientation="y"，第二，我们用aes(x=v, y=lab)代替了aes(x=lab, y=v)

ggplot()+geom_bar(aes(x=v, y=lab), stat="identity", fill="firebrick", orientation="y")

# orientation的取值为"x"（默认）或"y"。实际上，除geom_bar之外，geom_line以及后文要介绍的geom_ribbon、geom_area、geom_smooth函数都使用这个参数

3. coord_polar：使用极坐标系

极坐标系可以被视为有着环状坐标轴的坐标系。与以上coord_*函数不同， coord_polar没有xlim、ylim和expand参数。theta用以决定将哪个坐标轴变为环形，默认值为"x"，可改为"y"；start用以设定起始点，默认值为0，即钟表表盘12点钟位置，3.14为6点钟位置；direction为旋转方向，1为顺时针（默认），-1为逆时针。

p+coord_polar() # 玫瑰图

p+coord_polar(start=1.57) # 将起始点改为3点钟方向

4. coord_fixed：固定代表单位长度的线段长度比

dat=read.csv("cpi1718.csv", row.names=1) # 以上文提到的CPI数据为例

p=ggplot(dat)+geom_line(aes(1: 24, CPI))

R会根据窗口的比例，自动调整代表单位长度的线段长度比，进而确定图表的高宽比。在本例中，假如要求坐标轴不进行扩展，X轴使用的是1至24的数值，跨度为23，Y轴使用103至106.8的数值，跨度为3.8；但即便如此，读者看到的X轴和Y轴在长度上并不会差太多，这是因为R进行了自动调整。如果不进行这一调整，X轴的长度将是Y轴的6倍多，我们将会得到一个扁平的图表，而这并不是我们想要的。可见，自动调整高宽比的功能，有助于我们得到理想的图表。但有时，我们却不希望R进行自动调整，比如，在我们画圆形时，如果R作了调整，那么显示出来的就可能是个椭圆。

我们可以用coord_fixed函数来取消自动调整功能并确定高宽比。参数ratio的默认值为1，其含义是：设窗口中用于显示X轴上一个单位长度的线段长度是a，用于显示Y轴上一个单位长度的线段长度是b，则ratio=b/a。不过要强调的是，这里的所谓高宽比，只是面板部分（即ggplot图表中的灰色矩形）的高宽比；而完整的图表还包含坐标轴、图例等附属元素，不受此高宽比限制。

p+coord_fixed() # 此时显示的将是一个虽然宽和高会随窗口变化，但是高宽比却不相应改变的扁平图表

## 以画正方形为例（本例用到的geom_polygon在后边的章节会讲到）

q=ggplot()+geom_polygon(aes(x=c(0, 1, 1, 0), y=c(0, 0, 1, 1))) # 此时我们看到的，可能是也可能不是正方形，图表高宽比会随窗口大小的改变而改变

q+coord_fixed() # 采用默认值，即ratio=1，此时无论我们怎样改变窗口，正方形都可以正常显示

q+coord_fixed(0.5) # 此时无论怎样改变窗口，正方形左右两边的长度都只会显示为上下两边长度的二分之一

## 既需固定高宽比，又要用coord_flip翻转坐标轴的情况：此时不能同时使用两个coord_fixed和coord_flip，而只能使用theme(aspect.ratio=...)的设置方法。不过，coord_fixed与theme(aspect.ratio=...)的调整机制是不同的,后者并不调整代表单位长度的线段长度比，而是直接确定面板区域的高宽比

xy=data.frame(x=letters[1: 10], y=1: 10) # 假设我们现在需要画一个X轴长度是Y轴长度2倍的条形图

r=ggplot(xy)+geom_bar(aes(x=x, y=y), stat="identity", fill="firebrick")

r+coord_flip(expand=FALSE) # 翻转坐标轴，但未固定高宽比

r+coord_fixed(2, expand=FALSE) # 固定高宽比，但未翻转坐标轴

r+coord_flip(expand=FALSE)+theme(aspect.ratio=2) # 同时产生两种效果

三、方便函数

dat=read.csv("cpi1718.csv", row.names=1)

p=ggplot(dat)+geom_line(aes(1: 24, CPI), size=1)

## 用labs添加各种标题性文字（图3-1-1）

p+labs(title="标题", subtitle="副标题", caption="注释（通常用来标出数据来源）", tag="标记\n例如\n Figure 1", x="X轴标题", y="Y轴标题")+theme(title=element_text(size=20))

图3-1-1 标题性文字

## 用x/ylim调整坐标轴范围

p+xlim(-2, 30)+ylim(100, 110)

p+xlim(-2, 30)+ylim(100, NA) # 只设置坐标轴的一端，另一端设为NA，以便让函数自行设定

## 注意：x/ylim、scale_x/y_*和coord_*这三类函数都可以调整坐标系范围,作图时不要重复使用。x/ylim和scale_x/y_*在调整坐标轴值域时效果是一样的,超出值域的图形将被完全删除

四、颠倒坐标轴、双坐标轴

在实际作图任务中，绘制双坐标轴通常没有实际意义，故在此仅作简单说明。

p=ggplot()+geom_point(aes(1: 5, 1: 5))

p+scale_x_continuous(sec.axis=dup_axis()) # 默认状态下，两条坐标轴完全相同

p+scale_x_continuous(name="first", sec.axis=dup_axis(name="second", breaks=c(2, 4))) # 可单独对每个坐标轴进行设置，dup_axis函数的参数跟scale_x/y_*相同

颠倒坐标轴的用途包括，在散点图中让较大值显示在左边，并让较小值显示在右边；在条形图中让矩形从上往下伸展等等。本章第三节提供了一个颠倒Y轴的图表示例。