一、序

作為一枚統(tǒng)計(jì)專業(yè)的學(xué)僧，首先需要掌握的編程語言一定是R。雖然自己對(duì)R談不上精通，但卻有著不一樣的熱愛，尤其熱衷于使用R語言繪制各種各樣覺得十分酷炫的圖。每每磕完一個(gè)繪圖作品，仿佛過了一個(gè)愉快的寒暑假，充實(shí)而滿足。而在R語言中，談到繪圖，就不得不聊聊ggplot2這個(gè)大神器。

剛開始接觸學(xué)習(xí)的時(shí)候，其實(shí)是非常抵觸，覺得非常非常難的，但隨著一張張圖片躍然于屏幕之上，心中的抵觸滿滿消失，取而代之的甚至多出了一絲喜愛。而這絲喜愛愈釀?dòng)己?，愈釀?dòng)闾稹＿@就促使我寫一寫這篇博文?；仡櫸抑皩W(xué)習(xí)ggplot2所走過的路，使大家能夠避免走上我曾經(jīng)走過的死胡同，從而走上一條康莊大道。也希望大家能夠愛上R這門編程語言，享受使用ggplot2繪圖的樂趣。

本文其實(shí)借鑒了網(wǎng)上很多的教程與參考文獻(xiàn)，具體這些學(xué)習(xí)資料的網(wǎng)址，也會(huì)在文末進(jìn)行說明。

二、ggplot2是什么？

一句話概括：它是一個(gè)用來繪制統(tǒng)計(jì)圖形(不只是統(tǒng)計(jì)圖形)的R包！

為什么叫g(shù)gplot呢？其中的gg當(dāng)然不是Good Game的意思，而是Grammar of Graphics，直譯就是繪圖的語法，這是一門學(xué)問，繪圖的學(xué)問。后面會(huì)介紹其與眾不同的語法。

作者是Hadley Wickham，下面我們先瞻仰一下大神，沾點(diǎn)靈氣，為后續(xù)的ggplot學(xué)習(xí)之路打好基礎(chǔ)。

說起這位作者，可就厲害了。他是RStudio公司的首席科學(xué)家，在博士期間其實(shí)就已經(jīng)開發(fā)出了ggplot包，后面覺得寫的不行，于是推陳出新，天空一聲巨響，ggplot2閃亮登場。由于這個(gè)包實(shí)在是太好用了，所以漸漸的，如今Python等多個(gè)編程語言都有了其對(duì)應(yīng)的庫。

當(dāng)然，如果僅僅憑借ggplot2，Wickham還無法成為RStudio公司的首席科學(xué)家，他還是dplyr，devtools，readxl，rvest等包的作者，是一位全能型大神。

與此同時(shí)，在工作之外，他擅長烘焙和調(diào)制雞尾酒，并且還有自己的家庭食譜網(wǎng)站。真的非常的膩害！

更新：大神還榮獲2019年的統(tǒng)計(jì)學(xué)諾貝爾獎(jiǎng)——COPSS 獎(jiǎng)！

好了，言歸正傳，我們接著介紹ggplot2。

三、ggplot2能畫出什么樣的圖？

前面一直在夸它的好，得看看它究竟能創(chuàng)作出什么樣的圖?。ㄓ捎诓┛偷南拗?，不能使用svg的高清無碼矢量圖，故只能使用略帶模糊的jpg圖片）

前面兩個(gè)圖都是標(biāo)準(zhǔn)的統(tǒng)計(jì)學(xué)的我們需要畫的圖，只不過是將箱線圖、柱狀圖、直方圖、散點(diǎn)圖、擬合回歸以及相關(guān)系數(shù)，全部融合在了一張圖上，信息量非常豐富。集百家之所長，成一家之言！但這還沒什么，ggplot2還能做出令你更加吃驚的統(tǒng)計(jì)圖。就比如下面的回歸樹圖：

還有下面這個(gè)像巖漿一樣的族譜圖：從祖先到你，如何薪火相傳。

以及最后一個(gè)犯罪率的變化情況。

好看的圖片千千萬，有趣的繪圖包只有ggplot2。這里只介紹極小的一部分情況，說明一下它能做些什么。屏幕中的圖，如果不自己生成，就永遠(yuǎn)只是別人家的圖，而不是自己的，所以下面我們就來講講如何像搭積木，組裝機(jī)器一樣，組裝成一個(gè)獨(dú)屬于你的妖嬈且風(fēng)騷的圖片。

四、組裝機(jī)器

ggplot2繪圖三步走：

• 按照**“設(shè)計(jì)圖紙”**
• 用一個(gè)個(gè)**“零件”**
• 自己進(jìn)行**“組裝”**

后面會(huì)一一進(jìn)行介紹，這三步。但其實(shí)只要有一個(gè)概念，用ggplot2就是像PS一樣，一個(gè)圖層一個(gè)圖層的疊加，最后組成我們的目標(biāo)繪圖。

它的優(yōu)勢(shì)非常明顯：

1. 用戶能在更抽象層面上控制圖形，使創(chuàng)造性繪圖更容易
2. 采用圖層的設(shè)計(jì)方式，使其更具靈活性
3. 圖形美觀，同時(shí)避免繁瑣細(xì)節(jié)
4. 將常見的統(tǒng)計(jì)變換融入到了繪圖中

五、設(shè)計(jì)圖紙

想要了解ggplot2，我們必須先了解下面這些概念：

1. 數(shù)據(jù)（Data）和映射（Mapping）：將數(shù)據(jù)映到圖像
2. 幾何對(duì)象（Geometric）：代表在圖中看到的實(shí)際元素，如點(diǎn)、線、多邊形等
3. 統(tǒng)計(jì)變換（Statistics）：對(duì)數(shù)據(jù)進(jìn)行某種匯總，如直方圖，或?qū)⒍S關(guān)系用線性模型解釋
4. 標(biāo)度（Scale）：將數(shù)據(jù)的取值映射到圖形空間，例如用：顏色、大小、形狀表示不同取值
5. 坐標(biāo)系（Coordinate）：數(shù)據(jù)如何映射到圖形所在平面，提供作圖所需的坐標(biāo)軸和網(wǎng)格線
6. 分面（Facet）：將數(shù)據(jù)分解為子集，進(jìn)行聯(lián)合展示
7. 圖層（Layer）：對(duì)所需的繪圖操作進(jìn)行一層一層疊加，最終得到所需圖形

這些概念能幫助你加深對(duì)其的理解，但是還是不懂？沒關(guān)系！我們剛開始只需要掌握下面的零件構(gòu)造就好了！

六、機(jī)器的零件

在最最最開始，你需要安裝R并且建議安裝R Studio，都是免費(fèi)的，并且都需要安裝，然后可以直接從R Studio打開。

然后我們需要先安裝ggplot2包，在R或者R Studio中使用下述語句，即可完成安裝。

install.packages('ggplot2')

接著，我們就可以學(xué)習(xí)其中的每個(gè)零件的用法了。

1. 零件——散點(diǎn)圖

如果我們想要看兩個(gè)變量之間的關(guān)系，最簡單，最方便的做法就是繪制散點(diǎn)圖，那我們?nèi)绾问褂?code>ggplot2繪制這樣一個(gè)圖形呢？

library(ggplot2)
p <- ggplot(data = mpg, mapping = aes(x = cty, y = hwy))
p + geom_point()

首先需要使用library()對(duì)ggplot2包進(jìn)行加載（記得每次重新打開都需要進(jìn)行加載?。?，當(dāng)然也可以使用require()。然后就可以愉快地進(jìn)行繪圖了。

我們需要找到一個(gè)映射，也就是一對(duì)一的對(duì)應(yīng)關(guān)系，這個(gè)我們?cè)诔绦蛑腥绾谓o定呢？這就需要使用ggplot()這個(gè)函數(shù)。

首先在data =后面需要加上數(shù)據(jù)集的名稱，在例子中是mpg一個(gè)關(guān)于汽車的數(shù)據(jù)集（注意：這個(gè)數(shù)據(jù)集是ggplot2包中特有的，加載了包才會(huì)有這個(gè)數(shù)據(jù)集）。在這個(gè)數(shù)據(jù)集里面有很多變量，其中有cty與hwy等一系列變量。 每個(gè)變量都有一列數(shù)值，也就是樣本的信息，我們需要看cty與hwy兩個(gè)變量對(duì)應(yīng)的信息，就需要指定x軸是誰，y軸對(duì)應(yīng)的是誰。在代碼中，首先需要使用aes()將兩個(gè)坐標(biāo)軸的信息對(duì)應(yīng)起來。aes代表的是aesthetic mappings，具有美感的映射，然后在里面分別使用x = ，y =來制定需要映射的變量。至此，我們的對(duì)應(yīng)關(guān)系就找出來了。

但是！此時(shí)，你運(yùn)行p這個(gè)變量是沒有圖像信息反饋出來的，因?yàn)槟阒皇侵付岁P(guān)系，而沒有說明應(yīng)該以什么形式進(jìn)行展現(xiàn)?？赡苁巧Ⅻc(diǎn)、折線、曲線等等。不過由于我們是進(jìn)行散點(diǎn)圖的繪制，所以使用的是后面還要+ geom_point()就可以展現(xiàn)出散點(diǎn)圖了，其中g(shù)eom表示的是geometric object，幾何對(duì)象的意思。

接著，我們?cè)賹?duì)散點(diǎn)圖進(jìn)行一點(diǎn)點(diǎn)潤色。（黑黑的點(diǎn)真的好丑）

1) 變換顏色

p <- ggplot(mpg, aes(x = cty, y = hwy, colour = factor(year)))
p + geom_point()

這里我們指定了其散點(diǎn)的顏色，在aes()中使用了colour =，其后面的year也是mpg數(shù)據(jù)集中的一個(gè)變量。里面只有1999和2008兩年，每個(gè)樣本都有一個(gè)年份。（colour =寫在aes()里面可以自動(dòng)分配顏色，寫在外面就是強(qiáng)制指定點(diǎn)的顏色，如加上‘blue'等）

不過為了將數(shù)字轉(zhuǎn)化成factor因子形式，我們這里使用了factor()將數(shù)值變成了因子（可以自己嘗試不添加factor()看看會(huì)出現(xiàn)什么樣的結(jié)果，其實(shí)會(huì)出現(xiàn)顏色的深淺表示數(shù)值的大?。?。

這里使用了p <- ggplot(mpg, aes(x = cty, y = hwy, colour = factor(year)))，我們默認(rèn)將后面這部分賦值給了變量p，后面的p全部都是指代這行語句。

這行代碼還有另外一個(gè)地方發(fā)生了變化，data =消失，只是這個(gè)都可以省略，只要在對(duì)應(yīng)的位置有數(shù)據(jù)集這個(gè)變量就好了（這里是mpg）。同理，其實(shí)x = 與y = 在這里都可以省略。

在出現(xiàn)了散點(diǎn)之后，還是覺得空蕩蕩的，我們?cè)偌狱c(diǎn)別的零件。

2) 擬合曲線

p + geom_point() + stat_smooth()

相比于原先的操作，只是再加了一行 + stat_smooth()，stat表示的是statistical transformation，統(tǒng)計(jì)學(xué)變換。因?yàn)槲覀冃枰貌逯档姆椒▉砝L制擬合直線，并且附帶置信區(qū)間。

3) 變換大小

p + geom_point(aes(colour = factor(year), size = displ)) + 
  stat_smooth()   # 排量越大，點(diǎn)越大

想要變換點(diǎn)的大小，只需再在aes()中加上size =，后面接上一個(gè)新的變量名稱displ代表著汽車的排量，每個(gè)點(diǎn)的尺寸越大，代表著排量越大，其對(duì)應(yīng)關(guān)系如右邊圖例所示。

在此基礎(chǔ)上我們還想在一張圖上添加更多的信息，同時(shí)也可以解決點(diǎn)與點(diǎn)之間的重疊的問題，不會(huì)因?yàn)檎谏w而使得我們有部分點(diǎn)看不到。那么我們應(yīng)該怎么做呢？

透明度！

4) 修改透明度

p + geom_point(aes(colour = factor(year),
                   size = displ), alpha = 0.5) +
  stat_smooth() + scale_size_continuous(range = c(4, 10))

同樣，我們只需使用alpha =即可其范圍在0 — 1之間，越小表示越透明。注意，在這里，我們是寫在aes()的外面，代表對(duì)所有的點(diǎn)都強(qiáng)制透明度為0.5。

在修改完透明度后，我們發(fā)現(xiàn)，圖像已經(jīng)有一點(diǎn)夢(mèng)幻般的感覺了。但仔細(xì)一看，會(huì)發(fā)現(xiàn)，這張圖實(shí)在是太擁擠了，1999年與2008年全部擠在了一塊兒，那有沒有什么簡單的方法可以將兩年直接分開呢？

使用分層操作！

5) 分層

p + geom_point(aes(colour = class, size = displ), alpha = 0.5) +
  stat_smooth() + scale_size_continuous(range = c(4, 10)) +
  facet_wrap(~ year, ncol = 1)

這次變化的內(nèi)容其實(shí)有點(diǎn)多，我們來細(xì)細(xì)捋一捋，首先是分層。

其實(shí)分層操作用起來非常的簡單，就一行代碼：facet_wrap(~ year, ncol = 1)，facet_wrap()是關(guān)鍵，facet與wrap兩個(gè)詞組合，就是逐面地包起來。里面我們選擇按照year這個(gè)變量來分層，就可以將1999與2008分開。一定要注意！這里在year前面有個(gè)~，回歸中的用法。而最后的ncol = 1代表著我們的小窗口是1列，指定了1列之后，默認(rèn)就是兩行啦。（因?yàn)槟攴菀还仓挥袃煞N）如果不加這句，會(huì)默認(rèn)橫著排列，或者想要指定幾行，則使用nrow = 1。

第二個(gè)修改的地方是colour = class。同樣的，class也是數(shù)據(jù)集中的一個(gè)變量，代表不同種類的汽車，而因?yàn)槠嚨姆N類非常多，所以顏色也就變的很多了。

第三個(gè)修改點(diǎn)是：添加了scale_size_continuous(range = c(4, 10))，也就是指定我們size的變化范圍。在本圖中，就是控制點(diǎn)的絕對(duì)大小的范圍， 不要太大，也不要太小。

至此，散點(diǎn)圖該潤色的地方，已經(jīng)潤色的差不多了，唯獨(dú)還有一個(gè)小小的缺陷：能否加個(gè)標(biāo)題，并且將這些英文簡寫的名稱改得更容易懂一些。畢竟做統(tǒng)計(jì)圖不是為了自娛自樂，而是要給別人看的，要讓大家明白你在做什么，在分析什么。

所以我們還需要進(jìn)行一點(diǎn)點(diǎn)修改。

6) 改中文

p + geom_point(aes(colour = class, size = displ), alpha=0.5) +
  stat_smooth() + scale_size_continuous(range = c(4, 10)) +
  facet_wrap(~ year,ncol = 1) +
  labs(y = '每加侖高速公路行駛距離', x = '每加侖城市公路行駛距離',
       title = '汽車油耗與型號(hào)', size = '排量', colour = '車型') +
  theme(text = element_text(family = "STHeiti"),
        plot.title = element_text(hjust = 0.5))

看到這么長的代碼，首先要做的就是淡定，不要虛！我們慢慢來解釋。

其實(shí)我們只添加了兩個(gè)地方，labs()與theme()。

labs()修改的是我們標(biāo)簽的名稱。我們前面在aes()中用了x =，y =，size =以及colour =，這些都是會(huì)有標(biāo)簽名稱的，默認(rèn)都是前面顯示的一些英文。而這里，我們只需要在labs()中，寫上其對(duì)應(yīng)的名稱即可。另外我們還附送一個(gè)title =，就是我們圖像的標(biāo)題。

theme()更偏向于格式的修改。text = element_text(family = "STHeiti")是對(duì)字體進(jìn)行修改，變?yōu)楹隗w。Windows系統(tǒng)的各位，可以不添加這行，一樣會(huì)顯示前面labs()中設(shè)定的中文。而如果是Mac或者Linux系統(tǒng)，由于字體的缺失，會(huì)顯示成一個(gè)一個(gè)的框框，在圖像上顯示不了中文字。

第二行plot.title = element_text(hjust = 0.5)是調(diào)整標(biāo)題的位置，不加這行，標(biāo)題會(huì)居左，加上才會(huì)居中。hjust = 0.5其實(shí)就是左右移動(dòng)的意思，0.5表示居中。

2. 零件——直方圖與條形圖

學(xué)完了零件——散點(diǎn)圖，我們?cè)賮韺W(xué)學(xué)其它零件。

我們先著重介紹直方圖與條形圖?？赡軙?huì)有有人問，這兩個(gè)不都是方塊兒條嗎，有什么區(qū)別。其實(shí)這兩個(gè)圖有本質(zhì)的區(qū)別：一個(gè)是針對(duì)連續(xù)的變量（直方圖，histogram），將連續(xù)的變量砍成一段一段，再進(jìn)行計(jì)數(shù)；一個(gè)是針對(duì)離散的變量（條形圖，bar），直接對(duì)每類的樣本來數(shù)數(shù)。

1) 直方圖

p1 <- ggplot(mpg, aes(x = hwy))
p1 + geom_histogram()

這里不再用前面的變量p，而是變成p1，其映射是不需要y的，只需要指定x =數(shù)據(jù)集中的一個(gè)變量即可。然后+ geom_histogram()會(huì)使用默認(rèn)的參數(shù)進(jìn)行直方圖的繪制。

2) 潤色

p1 + geom_histogram(aes(fill = factor(year), y = ..density..),
                    alpha = 0.3, colour = 'black') +
  stat_density(geom = 'line', position = 'identity', size = 1.5,
               aes(colour = factor(year))) +
  facet_wrap(~ year, ncol = 1)

這里又進(jìn)行了很多操作，下面將其進(jìn)行分解。

首先是facet_wrap(~ year, ncol = 1)按年分層，這里不再詳述。我們來聊聊geom_histogram()中的參數(shù)。

fill = factor(year) 放在aes() 中表示按年進(jìn)行填充顏色。為什么不用前面說到的colour = ？這是ggplot繪圖中一個(gè)非常重要的點(diǎn)?。ㄇ煤诎澹。?duì)于線與點(diǎn)這種面積為0的結(jié)構(gòu)，它的顏色就直接使用colour =進(jìn)行指定，而對(duì)條形圖，柱狀圖，扇形圖（特殊的柱狀圖），箱線圖等等有面積的圖形，其面積的顏色，我們需要用fill =來指定。

添加y = ..density.. 是將原本的頻數(shù)直方圖變成頻率密度直方圖，目的是為了在直方圖上添加密度曲線，兩者可以同時(shí)在一張圖上展現(xiàn)。

alpha = 0.3 是指定填充顏色的透明度， colour = 'black'則是強(qiáng)制指定柱狀圖邊框的顏色為黑色。注意這兩個(gè)參數(shù)是放在aes()外面，就是強(qiáng)制設(shè)定的意思。

stat_density()表示添加統(tǒng)計(jì)學(xué)中的密度曲線，進(jìn)行密度估計(jì)。geom = 'line'指定為線形， position = 'identity'表示一個(gè)一一映射， size = 1.5 是強(qiáng)制修改線的尺寸，為原先的1.5倍。最后的aes(colour = factor(year))為修改擬合密度曲線的顏色，這里就是用的colour =而不是fill =

3) 條形圖

p2 <- ggplot(mpg, aes(x=class))
p2 + geom_bar()

直接簡單地計(jì)算不同車種類在數(shù)據(jù)集中的數(shù)量，使用 + geom_bar()，用默認(rèn)參數(shù)即可繪制。我們直接從圖上也可以看出，geom_bar()與geom_histogram()，兩者繪制出來的圖形，一個(gè)有間隔，一個(gè)沒有間隔。這就正好對(duì)應(yīng)了我們的離散與連續(xù)的區(qū)別。

我們想進(jìn)一步比較不同年份，兩者的汽車種類的數(shù)量是否有差別，我們可以使用并立條形圖。

a. 并立條形圖

p3 <- ggplot(mpg, aes(class, fill = factor(year)))
p3 + geom_bar(position = 'dodge')

只需添加參數(shù)position = 'dodge'，并立條形圖帶回家！當(dāng)然前面要說明用什么變量來并立，這里是年份：fill = factor(year)

同樣，我們可以做不同的條形圖。

b. 堆疊條形圖

p3 <- ggplot(mpg, aes(class, fill = factor(year)))
p3 + geom_bar(position = 'dodge')

c. 分面條形圖

p3 + geom_bar(aes(fill = class)) + facet_wrap(~ year)

只需動(dòng)一動(dòng)手指，就可享受到買一送三的奢華體驗(yàn)！

3. 零件——餅圖

餅圖可以說是條形圖的一種特殊形式，其繪制方法可以從代碼中看出。

p4 <- ggplot(mpg, aes(x = factor(1), fill = factor(class))) +
  geom_bar(width = 1)
p4 + coord_polar(theta = "y")

首先x軸，只有一個(gè)柱子，柱子的寬度我們?cè)O(shè)置為1，geom_bar(width = 1)，也就是鋪滿整個(gè)圖，而柱子按照class變量來分類，并且是堆疊的（默認(rèn)是堆疊條形圖）。這時(shí)的圖，也就是p4是一個(gè)“千層餅”。然后我們按照y軸為原點(diǎn)，用coord_polar(theta = "y")，把這個(gè)千層餅卷成千層卷，就成了我們的餅圖了。

后面會(huì)專門開個(gè)博客來細(xì)講餅圖的一些細(xì)節(jié)操作。

4. 零件——箱線圖

用geom_boxplot()繪制箱線圖。

p5 <- ggplot(mpg, aes(class, hwy, fill = class))
p5 + geom_boxplot()

但是箱線圖怎么看都覺得不夠炫酷，我們可以用小提琴圖來使繪圖變得更加美麗動(dòng)人。

5. 零件——小提琴圖

p5 + geom_violin(alpha = 0.3) + geom_jitter(shape = 21)

使用geom_violin()繪制小提琴圖，同樣改變透明度。小提琴圖相比于箱線圖多了各個(gè)類別分布的信息，是圖像變得更加漂亮。

然后我們用geom_jitter()添加擾動(dòng)點(diǎn)，其實(shí)就是將數(shù)據(jù)點(diǎn)等間隔的排列，顯得更加高大上。其中的shape = 21指定的是擾動(dòng)點(diǎn)的形狀，我們用21號(hào)，也就是空心點(diǎn)（默認(rèn)是實(shí)心點(diǎn)）。

至此，主要的零件都已經(jīng)介紹完成了。但我們可以看到，ggplot繪制出來的圖，背景都是灰格子，我們可不可以將其去掉呢？

當(dāng)然可以！

6. 零件打磨

下面的一系列變化都基于前面繪制的箱線圖。我們通過修改theme()中一系列參數(shù)，來對(duì)背景進(jìn)行修改。

# 不要灰底
p5 <- ggplot(mpg, aes(class, hwy, fill = class))
p6 <- p5 + geom_boxplot()
p6 + theme_bw()

# 不要網(wǎng)格線
p6 + theme_bw() + theme(panel.grid = element_blank())

# 不要刻度標(biāo)簽
p6 + theme_bw() + theme(panel.grid = element_blank(),
                        axis.text = element_blank())

# 不要刻度線
p6 + theme_bw() + theme(panel.grid = element_blank(), 
                        axis.text = element_blank(),
                        axis.ticks = element_blank())

# 不要xy軸標(biāo)題
p6 + theme_bw() + theme(panel.grid = element_blank(), 
                        axis.text = element_blank(),
                        axis.ticks = element_blank(),
                        axis.title = element_blank())

# 不要外層邊框
p6 + theme_bw() + theme(panel.grid = element_blank(), 
                        axis.text = element_blank(),
                        axis.ticks = element_blank(),
                        axis.title = element_blank(),
                        panel.border = element_blank())

# 不要圖例
p7 <- p6 + theme_bw() + theme(panel.grid = element_blank(), 
                              axis.text = element_blank(),
                              axis.ticks = element_blank(),
                              axis.title = element_blank(),
                              panel.border = element_blank(),
                              legend.position = "none")
p7

7. 超級(jí)變變變

到這里還有沒有進(jìn)一步的提升空間呢？比如定制自己喜歡的配色？當(dāng)然可以！

這里我們使用scale_fill_manual()函數(shù)，來對(duì)箱線圖中填充的顏色進(jìn)行修改。觀察這個(gè)函數(shù)，可以發(fā)現(xiàn)，由于是箱線圖中填充的顏色，所以函數(shù)中間是fill。如果將中間的fill替換成colour，也就是scale_colour_manual()，就可以對(duì)點(diǎn)與線的顏色進(jìn)行定制了！

關(guān)于具體的配色，在文末會(huì)有推薦的網(wǎng)站，大家只需選中自己喜歡的配色，復(fù)制粘貼即可。

變

# 黃棕變
color = c('#ffffd4', '#fee391', '#fec44f', '#fe9929',
          '#ec7014', '#cc4c02', '#8c2d04')
p7 + scale_fill_manual(values = color)

變！

# 紅藍(lán)變
color = c('#b2182b', '#ef8a62', '#fddbc7', '#f7f7f7', 
          '#d1e5f0', '#67a9cf', '#2166ac')
p7 + scale_fill_manual(values = color)

變！！

# 清新脫俗變
color = c('#fbb4ae', '#b3cde3', '#ccebc5', '#decbe4',
          '#fed9a6', '#ffffcc', '#e5d8bd')
p7 + scale_fill_manual(values = color)

8. 其他常用零件

最后我們?cè)俳榻B一些其他常用的零件：

七、實(shí)踐出真知

別人家的男票再帥，也是別人家的。

同理可證，代碼一定要自己一行一行的敲，并且每次可以自己多試幾種類似的情況，看看圖形會(huì)怎么變。帶著問題去學(xué)習(xí)，去探索，一定會(huì)很快入門ggplot2這個(gè)大殺器！

八、學(xué)習(xí)資源

ggplot2官方參考文檔

ggplot2速查(Cheat Sheet)

ggmap(可以畫出美得令人窒息的地圖)

ggplot2很多很多衍生包

一個(gè)專治“疑難雜癥”的地方(Stack Overflow)

調(diào)色板(用于配色，很全面，但偶爾需要翻墻)

另一個(gè)配色網(wǎng)站

函數(shù)與使用方法速查

九、參考資料

ggplot2官方參考文檔

30分鐘學(xué)會(huì)ggplot2

ggplot2 Elegant Graphics for Data Analysis (use R)

ggplot2高級(jí)繪圖。

最后本文的PPT（利用 R 包 xaringan 制作而成）于GitHub上可獲得：
https://github.com/kannyjyk/ggplot2-xaringan

以上就是R語言學(xué)習(xí)ggplot2繪制統(tǒng)計(jì)圖形包全面詳解的詳細(xì)內(nèi)容，更多關(guān)于R語言ggplot2繪制統(tǒng)計(jì)圖形包的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論