ggplot2 标度

坐标轴与图例控制

Tidyverse 篇

💡

用 ggplot2 画图，有种恋爱的感觉: “你懂我的图谋不轨，我懂你的故作矜持”

这一章我们一起学习ggplot2中的scales语法，推荐大家阅读Hadley Wickham最新版的《ggplot2: Elegant Graphics for Data Analysis》，但如果需要详细了解标度参数体系，还是要看ggplot2官方文档

ggplot2图层语法框架

标度

在章，我们了解到ggplot2中，映射是数据转化到图形属性，这里的图形属性是指视觉可以感知的东西，比如大小，形状，颜色和位置等。我们今天讨论的标度（scale）是控制着数据到图形属性映射的函数，每一种标度都是从数据空间的某个区域（标度的定义域）到图形属性空间的某个区域（标度的值域）的一个函数。

简单点来说，标度是用于调整数据映射的图形属性。在ggplot2中，每一种图形属性都拥有一个默认的标度，也许你对这个默认的标度不满意，可以就需要学习如何修改默认的标度。比如，系统默认"a"对应红色，"b"对应蓝色，我们想让"a"对应紫色，"b"对应橙色。

图形属性和变量类型

还是用我们熟悉的ggplot2::mpg，可能有同学说，我画图没接触到scale啊，比如

library(tidyverse)
mpg %>% 
  ggplot(aes(x = displ, y = hwy)) + 
  geom_point(aes(colour = class))

能画个很漂亮的图，那是因为ggplot2默认缺省条件下，已经很美观了。（据说Hadley Wickham很后悔使用了这么漂亮的缺省值，因为很漂亮了大家都不认真学画图了。马云好像也说后悔创立了阿里巴巴？）

事实上，根据映射关系和变量名，我们将标度写完整，应该是这样的

ggplot(mpg, aes(x = displ, y = hwy)) + 
  geom_point(aes(colour = class)) +
  
  scale_x_continuous() + 
  scale_y_continuous() + 
  scale_colour_discrete()

如果每次都要手动设置一次标度函数，那将是比较繁琐的事情。因此ggplot2使用了默认了设置，如果不满意ggplot2的默认值，可以手动调整或者改写标度，比如

ggplot(mpg, aes(x = displ, y = hwy)) + 
  geom_point(aes(colour = class)) +
  
  scale_x_continuous(name = "This is my x axis") + 
  scale_y_continuous(name = "This is my y axis") + 
  scale_colour_brewer()

坐标轴和图例是同样的东西

丰富的标度体系

注意到，标度函数是由"_"分割的三个部分构成的

scale
视觉属性名 (e.g., colour, shape or x)
标度名 (e.g., continuous, discrete, brewer).

每个标度函数内部都有丰富的参数系统

scale_colour_manual(
  palette = function(), 
  limits = NULL,
  name = waiver(),
  labels = waiver(),
  breaks = waiver(),
  minor_breaks = waiver(),
  values = waiver(),
  ...
)

参数name，坐标和图例的名字，如果不想要图例的名字，就可以 name = NULL
参数limits, 坐标或图例的范围区间。连续性c(n, m)，离散型c("a", "b", "c")
参数breaks, 控制显示在坐标轴或者图例上的值（元素）
参数labels, 坐标和图例的间隔标签
一般情况下，内置函数会自动完成
也可人工指定一个字符型向量，与breaks提供的字符型向量一一对应
也可以是函数，把breaks提供的字符型向量当做函数的输入
NULL，就是去掉标签
参数values 指的是（颜色、形状等）视觉属性值,
要么，与数值的顺序一致；
要么，与breaks提供的字符型向量长度一致
要么，用命名向量c("数据标签" = "视觉属性")提供
参数expand, 控制参数溢出量
参数range, 设置尺寸大小范围，比如针对点的相对大小

下面，我们通过具体的案例讲解如何使用参数，把图形变成我们想要的模样。

案例详解

先导入一个数据

gapdata <- read_csv("./demo_data/gapminder.csv")

newgapdata <- gapdata %>% 
  group_by(continent, country) %>% 
  summarise(
    across(c(lifeExp, gdpPercap, pop), mean)
  )
newgapdata

newgapdata %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp)) +
    geom_point(aes(color = continent, size = pop)) +
    scale_x_continuous()

newgapdata %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp)) +
    geom_point(aes(color = continent, size = pop)) +
    scale_x_log10()

newgapdata %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp)) +
    geom_point(aes(color = continent, size = pop)) +
    scale_x_log10(breaks = c(500, 1000, 3000, 10000, 30000),
                  labels = scales::dollar)

newgapdata %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp)) +
    geom_point(aes(color = continent, size = pop)) +
    scale_x_log10(
      name = "GDP per capita",
      breaks = c(500, 1000, 3000, 10000, 30000),
      labels = scales::unit_format(unit = "dollar"))

newgapdata %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp)) +
    geom_point(aes(color = continent, size = pop)) +
    scale_x_log10() +
    scale_color_viridis_d()

离散变量映射到色彩的情形，可以使用ColorBrewer色彩。

newgapdata %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp)) +
    geom_point(aes(color = continent, size = pop)) +
    scale_x_log10() +
    scale_color_brewer(type = "qual", palette = "Set1")

newgapdata %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp)) +
    geom_point(aes(color = continent, size = pop)) +
    scale_x_log10() +
    scale_color_manual(
      name = "continents",
      values = c("Africa" = "red", "Americas" = "blue", "Asia" = "orange",
                 "Europe" = "black", "Oceania" = "gray"),
      breaks = c("Africa", "Americas", "Asia", "Europe", "Oceania"),
      labels = c("africa", "americas", "asia", "europe", "oceania")
    ) +
   scale_size(
     name = "population size",
     breaks = c(2e8, 5e8, 7e8),
     labels = c("200 million", "500 million", "700 million")
   )

用标度还是主题？

那什么时候用标度，什么时候用主题？这里有个原则：主题风格不会增加标签，也不会改变变量的范围，主题只会改变字体、大小、颜色等等。

作业

用 ggplot2 重复这张lego图

参考资料

<https://ggplot2tor.com/scales/>

# remove the objects
# rm(list=ls())
rm(gapdata, newgapdata)

pacman::p_unload(pacman::p_loaded(), character.only = TRUE)