//直方图和密度曲线 p <- ggplot(mpg,aes(hwy))
p + geom_histogram(position = 'identity', alpha=0.5,aes(y = ..density..,fill = factor(year))) +stat_density(geom =
'line',position = 'identity', aes(colour = factor(year)))
// alpha透明参数，aes y轴映射为频率，fill填充色为year，对year映射密
度曲线，绘制密度曲线,geom为几何类型，position是覆盖点的位置，数据源可以由aes指定
//位置调整
with(mpg,table(class,year))
//直接操作数据框，等价于table(mpg$class,mpg$year)多维频率统计 //首先将数据按照year这个变量划分为两组，用不同的颜色绘制直方图，而且用
频率而非计数来刻画Y轴，并添加密度曲线。
p <- ggplot(data=mpg,aes(x=class,fill=factor(year))) p + geom_bar(position='dodge') p + geom_bar(position='stack') p + geom_bar(position='fill')
p + geom_bar(position='identity',alpha=0.3)
//geom_bar是绘制条状几何对象，dodge方式是将不同年份的数据并列放置；
stack方式是将不同年份数据堆叠放置，这也是geom_bar的默认处理方式；fill方式和stack类似，但Y轴不再是计数，而是以百分比显示；identity方式是不做任何改变直接显示出来，所以需要设置透明度才能看得清楚。
//上面的等价于：ggplot(mpg)+geom_bar(aes(x=class,fill=factor(year)),position='dodge') ggplot()+geom_bar(aes(x=c(LETTERS[1:3]),y=1:3),stat=\
//直方图把连续型的数据按照一个个等长的分区（bin）来切分，然后计数，画柱状图。而柱状图是分类数据，按类别计数//限制坐标轴范围 y=c(1.1,1.8,2.5,3.6,3.1,2.7,1.9,-0.1,-3.5,3.0) x=2001:2010
data=data.frame(x,y)
p=ggplot(data,aes(x,y,fill=y))//填充色以y
p+geom_bar(stat=\
geom_abline(intercept = 0, slope =0,size=1,colour='gray')+//添加直线x=0 geom_text(aes(label=y),hjust=0.5, vjust=-0.5)+//添加文字说明 scale_y_continuous(limits=c(-3.8,4.2))+//?????? labs(x='年份',y='GDP增长率%')+//xlab,ylab opts(title = \美国GDP增长率\
21
//散点图
p<- ggplot(mpg, aes(cty, hwy))
p1<- p + geom_point(aes(colour = factor(year),shape = factor(year),size = mpg$displ), alpha = 0.6, position = 'jitter')//颜色，形状，大小，透明度，位置jitter??? print(p1)//画出p1
//坐标轴控制
cty.mean=with(mpg,mean(cty))//均值相当于mean(mpg$cty) cty.sd=with(mpg,sd(cty))//计算标准差
p1+scale_x_continuous(trans='log',breaks=c(cty.mean-cty.sd,cty.mean,cty.mean+cty.sd), labels=c(\
//对X轴和Y轴均进行对数变换，然后对X轴的坐标显示加以限制----只显示X轴数据的均值，以及一倍标准差的坐标。
//添加文字说明
p<- ggplot(mtcars, aes(x=wt,y=mpg,colour=factor(cyl),label=rownames(mtcars))) p+ geom_text(hjust=0,vjust=-1,alpha=0.8)+geom_point(size=3,aes(shape=factor(cyl)))
//矩阵散点图
plotmatrix(USArrests)+geom_smooth()//展示了矩阵两两列变量间的关系
//对角线的图是变量的密度估计，比如左上角第一个就是murder这个变量的密度估计曲线。
ggplot(x)+geom_density(aes(x= x$x1,colour =x$x2,
fill=x$x1))//geom_density画密度函数图,fill向曲线下方填充颜色 geom_××××
geom_abline eom_area geom_bar geom_bin2d
geom_blank geom_boxplotgeom_contour geom_crossbar geom_density geom_density2d geom_dotplotgeom_errorbar geom_errorbarh geom_freqpoly geom_hex geom_histogram geom_hline geom_jitter geom_line geom_linerange geom_map geom_pathgeom_point geom_pointrange geom_polygon geom_quantile geom_raster geom_rect geom_ribbon geom_rug geom_segment geom_smooth geom_stepgeom_text geom_tile geom_violin geom_vline 实例： library(ggplot2) //数据来源
p=ggplot(data=x,mapping=aes(x=x$x1,y=x$y1,colour=factor(x$z),size=displ) //
p+geom_point(aes=factor(x$z),alpha=.5,position='jitter')+stat_smooth()
+scale_color_manual(values=c('red','blue'))+scale_size_continuous(range=c(4,10)) +coord_cartesian(xlim= c(15, 25),ylim=c(15,40))+facet_wrap(~ year, ncol=1) +opts(title='汽车油耗与型号')
22
+labs(y='每加仑高速公路行驶距离',x='每加仑城市公路行驶距离') +guides(size=guide_legend(title='排量'),colour= guide_legend(title='车型',override.aes=list(size=5))) //直方图
q<- ggplot(mpg,aes(x=hwy))//将变量hwy映射到x轴 q+ geom_histogram()
q+ geom_histogram(aes(fill=factor(year),y=..density..),alpha=0.3,colour='black') +stat_density(geom='line',position='identity',size=1.5,aes(colour=factor(year))) +facet_wrap(~year,ncol=1) //柱状图
class2<- mpg$class; class2 <- reorder(class2,class2,length) mpg$class2<- class2
p<- ggplot(mpg, aes(x=class2)) p+ geom_bar(aes(fill=class2)) //饼图
p<- ggplot(mpg, aes(x = factor(1), fill = factor(class)))+geom_bar(width = 1) p+ coord_polar(theta = \//箱线图
p<- ggplot(mpg, aes(class,hwy,fill=class)) p+geom_boxplot() //琴图
p+ geom_violin(alpha=0.3,width=0.9)+geom_jitter(shape=21) //点图
p<- ggplot(diamonds,aes(carat,price)) p+ geom_point() 观察密集散点的方法
?增加扰动 （jitter） ?增加透明度 （alpha） ?二维直方图 （stat_bin2d）
?密度图 （stat_density2d） //密度曲线
p+ stat_bin2d(bins = 60)
p+ stat_density2d(aes(fill = ..level..), geom=\+coord_cartesian(xlim= c(0, 1.5),ylim=c(0,6000))
+scale_fill_continuous(high='red2',low='blue4')//??????? 标尺
在对图形属性进行映射之后，使用标尺可以控制这些属性的显示方式，比如坐标刻度，可能通过标尺，将坐标进行对数变换；比如颜色属性，也可以通过标尺，进行改变。 ggplot(small)+ geom_point(aes(x = carat, y = price, shape = cut, colour = color))+ scale_y_log10() + scale_colour_manual(values = rainbow(7))
23
//将纵坐标取对数，并手动设置颜色为彩虹色
回归线
ggplot(small,aes(x = carat, y = price)) + geom_point() + scale_y_log10() +stat_smooth() 坐标系统
ggplot(small)+ geom_bar(aes(x = cut, fill = cut)) + coord_flip() //coord_flip()实现坐标轴翻转，转换成极坐标可以由coord_polar()实现
//饼图实际上就是柱状图，只不过是使用极坐标而已，柱状图的高度，对应于饼图的角度 ggplot(small)+ geom_bar(aes(x = factor(1), fill = cut)) + coord_polar(theta =\饼图 //geom_errorbar()画标准误差 分面
ggplot(small,aes(x = carat, y = price)) + geom_point(aes(colour = cut)) +scale_y_log10() + facet_wrap(~cut) + stat_smooth()//facet_wrap() 主题
ggtitle()+xlab()+ylab(),需要改变字体，字体大小，坐标轴，背景等各种元素，这需要通过theme()函数来完成
theme_grey()为默认主题，theme_bw()为白色背景的主题，theme_classic()主题和R的基础画图函数较像 ggthemes包里的主题
theme_economisttheme_economist_white theme_wsj theme_excel theme_few theme_foundationtheme_igray theme_solarized theme_stata theme_tufte 画出囧字
f <-function(x) 1/(x^2 - 1) x <-seq(-3, 3, by = 0.001) y <-f(x)
d <-data.frame(x = x, y = y) p <-ggplot()
p <-p + geom_rect(fill = \xmin = -3,xmax = 3, ymin = -3, ymax = 3, alpha = 0.1)) p <-p +geom_line(data = d, aes(x, y), size = 3) + ylim(-3, 3)
p <-p + theme_bw() + theme(axis.text.x = element_blank(), axis.text.y =element_blank(), legend.position= \
panel.grid.major = element_blank(), panel.background =element_blank(), axis.ticks = element_blank(), panel.border = element_blank())
24
p +xlab(\
//geom_rect矩形框,geom_line线，查看?theme帮助文档
二维密度图
ggplot(diamonds,aes(carat, price)) + stat_density2d(aes(fill = ..level..), geom =\+
scale_fill_continuous(high = \//stat_density_2d二维密度图，scale_fill_continuous填充颜色 图层
图层就是对象的不断叠加
mapdist('XiDan','WangFuJing', 'walking')//计算从西单到王府井步行距离信息
adply(x,fun)//针对数组x的每一个元素调用fun函数结果返回一个数据框
字符串操作： #字符串连接：
paste()#paste(..., sep = \paste(“11”,”22”,sep='/') // 11/22 #字符串分割：
strsplit()#strsplit(x, split, extended = TRUE, fixed = FALSE, perl = FALSE) strsplit(x,split=”,”,fixed=T)//严格按照逗号分割字符串
#计算字符串的字符数： nchar()
#字符串截取： substr(x,start, stop)
substring(text,first, last = 1000000) substr(x,start, stop) <- value
substring(text,first, last = 1000000) <- value
#字符串替换及大小写转换： chartr(old,new, x)
25