0x01 安裝與R基礎

一直聽説數據分析裏R語言是比較‘正統’，況且久聞ggplot2這些R語言的數據分析庫大名，想到今後數據分析和整理的需要，這裏開一個簡單的系列學習一些R語言和ggplot2的繪圖基礎。本人學習的書籍是Winston Chang大佬的《R Graphics Cookbook》，且稍有一點Python裏的Plotnine繪圖基礎。但我算是R語言小白，所以整個系列也可以記錄自己學習遇到的坑，供大家參考。

庫安裝

我使用的R版本為3.6.3，需要下載的庫包括ggplot2，gcookbook和dplyr庫。可以使用如下的安裝指令：

install.packages("ggplo2")
install.packages("dplyr")
install.packages("gcookbook")

如果遇到了installation of package ‘ggplot2’ had non-zero exit status類似的問題，可以指定安裝程序強制安裝二進制文件[1]，如

install.packages("ggplo2", type = "binary")

R語言數據處理基礎

首先簡單介紹數據輸入常用的兩種方法，一種是CSV數據，我們可以採用函數read.csv(file, args)輸入；另一種常用數據EXCEL數據可以使用read_excel(file)函數輸入數據。

dplyr包（magrittr包）提供了一種運算符%>%，可以在R中實現類似連續函數調用的編程方法，以嵌套函數f,g,h為例：

h(g(f(x)))

# 等價於
x %>% 
  f() %>% 
  g() %>% 
  h()

這樣的函數調用相比嵌套函數更加直觀，尤其是在多個連續的數據集處理場合。

基礎繪圖以及概念

散點圖和完整流程

繪製圖片使用的數據集為mtcars：

mtcars %>% head()

                   mpg cyl disp  hp drat    wt  qsec vs am gear carb
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

在開始繪圖之前，有一點基本的R語言基礎設施需要準備。R語言畫圖需要有基礎的畫布，可以用dev.new()函數來開啓一個新的畫布（如果是windows系統需要使用windows()函數）。

dev.new()
# windows() # windows系統使用

下面直接展示最簡單的散點圖繪製代碼：

p <- ggplot(mtcars, aes(x = wt, y = mpg)) +
  geom_point()

上面的代碼就是一個使用ggplot2繪圖的最基本結構，ggplot函數是保存數據集和映射信息（aes）等基本信息的繪圖主函數，也可以理解為存儲所有信息的畫布底層。第一個參數放入數據集，後續的映射都在此數據集上進行，本例中就是使用了mtcars中的wt列作為x，mpg列作為y值。ggplot2中的函數基本均是加法進行組合，所以這裏加上了geom_point函數組合進繪圖。此時geom_point函數通過ggplot函數可以得知其繪圖需要用到的鍵信息(x, y)分別對應的數據值。代碼運行結果如下：

繪製完圖後，可以選擇print(p)來查看圖片並保存，或者使用ggplot2自帶的函數ggsave來保存圖片，基本的格式例如png，pdf等都有[2]。

ggsave(p, "p.png")

如果想要繪圖的數據不屬於同一個data frame，那麼可以不指定ggplot函數的數據項，在aes映射中直接定義，如下所示：

ggplot(data=null, aes(x = mtcars$wt, y = mtcars$mpg))

其他基本繪圖與基礎

下面的代碼展示了R語言繪製線形圖的基本函數geom_line，同時展示了ggplot2通過組合函數geom_line和geom_point來繪圖的基本邏輯：

p <- ggplot(pressure, aes(x = temperature, y = pressure)) +
  geom_line() +
  geom_point()

對於柱形圖，ggplot2的相關支持比較多，這裏展示最基礎的兩種，一個是geom_bar函數：

p <- ggplot(mtcars, aes(x = factor(cyl))) +
  geom_bar()

這裏有一個新的函數factor，這個函數是將數據列變化為因子，體現在圖上類似於將連續變量轉化為了離散的變量。可以看到，上述的映射信息中不包括y值。這是因為geom_bar函數默認的運作方式count，也就是統計x的出現次數並繪圖，相當於geom_bar(stat="count")，其中stat選項是統計函數的意思。如果需要繪製具體數值類似y值的柱形圖就需要用到下一個函數了。
第二個柱形圖的函數是geom_col函數：

p <- ggplot(BOD, aes(x = factor(Time), y = demand)) +
  geom_col()

其實geom_col的效果與geom_bar(stat="identity")是一致的，這樣就能隨心所欲的繪製柱形圖了。

下面的代碼示例展示了繪製和柱形圖很像的直方圖的案例：

p <- ggplot(mtcars, aes(x = mpg)) +
  geom_histogram(binwidth = 3)

下面的代碼展示瞭如何繪製箱型圖的例子：

p <- ggplot(ToothGrowth, aes(x = interaction(supp, dose), y = len)) +
  geom_boxplot()

除開這些基本繪圖，數學函數的繪製也比較容易：

# 自定義函數
myfun <- function(xvar) {
  1 / (1 + exp(-xvar + 10))
}

p <- ggplot(data.frame(xdata = c(0, 20)), aes(x = xdata)) +
stat_function(fun = myfun, geom = "line")

總結

本節主旨在於R語言ggplot2繪圖的初探，熟悉基本的繪圖模式。後續將會一一展開學習庫中的繪圖細節，完善繪圖質量。

參考資料：

[1] 解決R包“had non-zero exit status”安裝報錯。
[2] ggplot2圖片保存