12 ggplot2 绘图

12.1 学习目标

本节课学习用 ggplot2 绘制常见统计图形。

本节课结束后，应能完成以下任务：

认识 ggplot2 的基本思想：用图层一步一步搭建图形。
区分变量映射和固定样式。
根据变量类型选择散点图、箱线图、直方图、条形图、柱形图、热图、折线图等图形。
理解 labs()、scale_*()、theme_*() 和 theme() 分别控制什么。
在散点图上添加趋势线。
使用分面把一张图拆成多张小图。
了解 coord_polar() 极坐标图形和 3D 图形作为拓展。
使用 ggsave() 保存图片，并在讲义渲染时只显示代码、不执行保存。

12.2 准备环境

ggplot2 是 R 中常用的数据可视化包。它的基本思想是：先给数据，再说明变量如何映射到图形上，最后选择图形类型。

如果电脑中还没有安装 ggplot2，先运行一次下面的代码。

Code

install.packages("ggplot2")

每次开始使用时，需要加载包。

Code

library(ggplot2)
data(iris)

12.3 认识 iris 数据

本节课主要使用 R 自带的 iris 数据集。每一行是一朵鸢尾花，每一列是这朵花的一个信息。

Code

head(iris)

  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa

常用变量如下。

变量名	含义	类型
`Sepal.Length`	萼片长度，单位 cm	数值变量
`Sepal.Width`	萼片宽度，单位 cm	数值变量
`Petal.Length`	花瓣长度，单位 cm	数值变量
`Petal.Width`	花瓣宽度，单位 cm	数值变量
`Species`	鸢尾花种类	分类变量

后面选图形时，主要看变量类型：两个数值变量看关系，分类变量加数值变量做分组比较。

12.4 ggplot2 的基本思想

ggplot2 最初由 Hadley Wickham 开发，现在由 tidyverse 团队维护。它的理论基础是 The Grammar of Graphics，中文常译为“图形语法”。

这句话可以简单理解为：

一张图不是一次性画出来的，而是由数据、映射、图层、标度、坐标和主题逐步组成。

本节课只讲入门用法。学习顺序是：先会画基本图形，再学习如何修改标题、颜色、主题，最后再讲趋势线、分面和保存图片。

12.5 ggplot2 的基本结构

ggplot2 最基本的写法如下。

ggplot(data = 数据, mapping = aes(x = 横轴变量, y = 纵轴变量)) +
  geom_图形()

这段代码包含三个部分：

data：使用哪一个数据集。
aes()：把哪些变量放到图中。
geom_*()：使用哪一种图形。

例如，绘制花瓣长度和花瓣宽度的散点图。

Code

ggplot(data = iris, mapping = aes(x = Petal.Length, y = Petal.Width)) +
  geom_point()

这个图中，每一个点代表一朵鸢尾花。

12.6 一张 ggplot 图由哪些部分组成

初学时可以把 ggplot2 代码看成“搭积木”。每一行通常只负责一件事。

代码部分	控制什么	初学时怎么理解
`ggplot(data = 数据)`	使用哪个数据集	先把数据放到画布上
`aes(x = ..., y = ...)`	哪些变量放到横轴、纵轴、颜色等位置	变量映射
`geom_*()`	画什么图形元素	点、线、柱子、箱线、方块等
`labs()`	标题、坐标轴名称、图例名称、说明文字	改文字
`scale_*()`	颜色、填充色、坐标刻度、图例显示方式	改“变量如何显示”
`theme_*()`	一整套图形外观	换整体风格
`theme()`	字体、图例位置、网格线、背景等细节	微调外观
`facet_wrap()`	按分类变量拆成多张小图	分面比较
`coord_*()`	坐标系统或坐标比例	改坐标显示方式

最常用的顺序是：

ggplot(数据, aes(变量映射)) +
  geom_图形() +
  labs(文字) +
  scale_标度() +
  theme_整体主题() +
  theme(局部细节)

不是每张图都要写完所有部分。基础图形通常只需要 ggplot()、aes() 和一个 geom_*()。

12.7 映射和固定样式

aes() 表示映射。映射的意思是：把数据中的变量放到图形属性上。

常见映射包括：

x：横轴位置。
y：纵轴位置。
color：点或线的颜色。
fill：柱子、箱子或密度区域的填充颜色。
shape：点的形状。

例如，把 Species 映射到颜色上。

Code

ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color = Species)) +
  geom_point()

如果颜色写在 aes() 里面，表示颜色跟变量有关。

Code

ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color = Species)) +
  geom_point()

如果颜色写在 aes() 外面，表示所有点固定为同一种颜色。

Code

ggplot(iris, aes(x = Petal.Length, y = Petal.Width)) +
  geom_point(color = "steelblue")

需要记住：

写在 aes() 里面：变量映射。
写在 aes() 外面：固定样式。

12.8 基本图形的选择

不同问题对应不同图形。先想清楚问题，再选择函数。

问题	变量类型	常用图形
两个数值变量有没有关系	数值 + 数值	散点图 `geom_point()`
不同组的数值是否不同	分类 + 数值	箱线图 `geom_boxplot()`
不同组的数值分布形状是否不同	分类 + 数值	小提琴图 `geom_violin()`
一个数值变量集中在哪里	数值	直方图 `geom_histogram()`
一个数值变量的平滑分布	数值	密度图 `geom_density()`
每个类别有多少个样本	分类	条形图 `geom_bar()`
已经算好的数值要画成柱子	分类 + 已计算数值	柱形图 `geom_col()`
多个分组和多个变量的数值大小	分类 + 分类 + 数值	热图 `geom_tile()`
数据随时间如何变化	时间 + 数值	折线图 `geom_line()`
简单展示区域轮廓	经度 + 纬度 + 分组	地图 `geom_polygon()`

下面先绘制基本图形。此时先不重点修改主题，只关注图形是否正确表达问题。

12.9 散点图

散点图用于观察两个数值变量之间的关系。

问题：花瓣越长，花瓣是否也越宽？

Code

ggplot(iris, aes(x = Petal.Length, y = Petal.Width)) +
  geom_point()

如果需要比较不同种类，可以把 Species 映射到颜色上。

Code

ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color = Species)) +
  geom_point()

从图中可以看出，setosa 的花瓣明显较短、较窄；versicolor 和 virginica 有部分重叠，但整体仍有差异。

12.10 箱线图

箱线图用于比较不同组的数值分布。

问题：三种鸢尾花的萼片长度是否不同？

Code

ggplot(iris, aes(x = Species, y = Sepal.Length)) +
  geom_boxplot()

箱线图中：

中间的粗线表示中位数。
箱子的上下边表示中间 50% 的数据范围。
须线表示大多数数据的范围。
单独的点通常表示离群值。

也可以把原始数据点叠加到箱线图上。

Code

ggplot(iris, aes(x = Species, y = Sepal.Length)) +
  geom_boxplot(outlier.shape = NA) +
  geom_jitter(width = 0.12, alpha = 0.5)

geom_jitter() 会给点增加一点随机横向偏移，避免点完全重叠。

12.11 小提琴图

小提琴图也用于比较不同组的数值分布。它和箱线图的区别是：箱线图强调中位数和四分位数，小提琴图更强调分布形状。

问题：三种鸢尾花的萼片长度分布形状是否不同？

Code

ggplot(iris, aes(x = Species, y = Sepal.Length)) +
  geom_violin()

小提琴图越宽的位置，表示该数值附近的数据越多。

也可以在小提琴图中叠加一个窄箱线图。

Code

ggplot(iris, aes(x = Species, y = Sepal.Length)) +
  geom_violin(trim = FALSE) +
  geom_boxplot(width = 0.12)

trim = FALSE 表示不把小提琴图的尾部裁剪到数据范围内。初学时只需要知道：它可以让分布形状显示得更完整。

12.12 直方图

直方图用于观察一个数值变量的分布。

问题：鸢尾花萼片长度主要集中在哪些范围？

Code

ggplot(iris, aes(x = Sepal.Length)) +
  geom_histogram(binwidth = 0.3)

binwidth = 0.3 表示每 0.3 cm 分为一个区间。

区间太宽：细节会减少。
区间太窄：图形会显得零散。

如果想比较三种鸢尾花，可以把 Species 映射到填充颜色。

Code

ggplot(iris, aes(x = Sepal.Length, fill = Species)) +
  geom_histogram(binwidth = 0.3, position = "identity", alpha = 0.5)

这里使用了两个参数：

position = "identity"：不同组的柱子重叠显示。
alpha = 0.5：设置透明度，便于看到重叠部分。

12.13 密度图

密度图可以看作平滑版的直方图，也用于观察数值变量的分布。

Code

ggplot(iris, aes(x = Sepal.Length, color = Species)) +
  geom_density(linewidth = 1)

如果想让曲线下面有颜色，可以同时设置 fill。

Code

ggplot(iris, aes(x = Sepal.Length, color = Species, fill = Species)) +
  geom_density(alpha = 0.2, linewidth = 1)

密度图适合比较分布形状。对初学者来说，直方图通常更直观。

12.14 条形图

条形图用于统计每个类别有多少个样本。

问题：三种鸢尾花各有多少朵？

Code

ggplot(iris, aes(x = Species)) +
  geom_bar()

geom_bar() 没有指定 y，因为它会自动统计每个类别有多少行。

12.15 柱形图

柱形图用于绘制已经计算好的数值。

例如，先计算三种鸢尾花的平均萼片长度。

Code

iris_mean <- aggregate(Sepal.Length ~ Species, data = iris, FUN = mean)
iris_mean

     Species Sepal.Length
1     setosa        5.006
2 versicolor        5.936
3  virginica        6.588

再把平均值画成柱形图。

Code

ggplot(iris_mean, aes(x = Species, y = Sepal.Length)) +
  geom_col()

geom_bar() 和 geom_col() 的区别：

geom_bar()：原始数据中没有 y，函数自动计数。
geom_col()：数据中已经有 y，函数直接画出数值。

12.16 热图

热图用于把数值大小显示为颜色深浅。它适合比较“多个组”和“多个变量”的数值。

这里仍然使用 iris 数据。问题是：三种鸢尾花在四个测量变量上的平均值有什么差异？

Code

library(reshape2)
library(ggplot2)
cor_mat <- cor(mtcars)
cor_df <- melt(cor_mat)
ggplot(cor_df, aes(x = Var1, y = Var2, fill = value)) + geom_tile(color = "white")

12.17 折线图

折线图适合表示时间顺序上的变化。iris 中每一行是一朵独立的花，没有时间顺序，因此不适合直接连线。

这里用 ggplot2 自带的公开数据集 economics 演示折线图。该数据记录了美国经济相关指标随时间的变化。

Code

head(economics)

# A tibble: 6 × 6
  date         pce    pop psavert uempmed unemploy
  <date>     <dbl>  <dbl>   <dbl>   <dbl>    <dbl>
1 1967-07-01  507. 198712    12.6     4.5     2944
2 1967-08-01  510. 198911    12.6     4.7     2945
3 1967-09-01  516. 199113    11.9     4.6     2958
4 1967-10-01  512. 199311    12.9     4.9     3143
5 1967-11-01  517. 199498    12.8     4.7     3066
6 1967-12-01  525. 199657    11.8     4.8     3018

绘制失业人数随时间变化的折线图。

Code

ggplot(economics, aes(x = date, y = unemploy)) +
  geom_line()

折线图的关键是：横轴通常是时间或有明确顺序的变量。

12.18 简单地图

地图也是一种图形。最基本的地图可以理解为：用经度和纬度确定位置，再把区域边界画出来。

地图内容后面会单独讲。本节只展示最简单的世界地图轮廓。

如果没有安装 maps 包，需要先安装。

Code

install.packages("maps")

Code

library(maps)
  world_map <- map_data("world")
  ggplot(world_map, aes(x = long, y = lat, group = group)) +  geom_polygon()

这段代码中：

long 表示经度。
lat 表示纬度。
group 表示哪些点属于同一个区域边界。
geom_polygon() 用来画多边形区域。

本节只需要知道地图也可以用 ggplot2 画。地图投影、空间数据格式和真实地理分析后面再讲。

12.19 极坐标图形

前面的图大多使用普通直角坐标系：横轴是 x，纵轴是 y。ggplot2 也可以使用极坐标。极坐标用“角度”和“半径”确定位置，常见于圆形图、雷达图和一些数学曲线。

在 ggplot2 中，coord_polar() 负责把普通坐标转换成极坐标。它不改变数据，只改变显示方式。

下面画一个简单的数学花形曲线。先生成角度 theta，再用公式计算半径 r。\(r = 1 + 0.45\cos(6\theta)\)

Code

theta <- seq(0, 2 * pi, length.out = 800)

polar_flower <- data.frame(
  theta = theta,
  r = 1 + 0.45 * cos(6 * theta)
)

再把 theta 放在横轴，r 放在纵轴，最后使用 coord_polar() 转成极坐标。

Code

ggplot(polar_flower, aes(x = theta, y = r)) +
  geom_line(color = "#D55E00", linewidth = 1.1) +
  coord_polar(theta = "x")

这段代码可以这样理解：

theta 控制旋转角度。
r 控制离中心的距离。
geom_line() 先画线。
coord_polar() 再把线绕成圆形。

如果改变 cos(6 * theta) 里的数字，花瓣数量和形状也会改变。

12.20 和其他包合作画 3D 图

ggplot2 主要用于二维图形。如果想做可旋转的三维图，可以和其他包合作，例如 plotly、rgl 或 rayshader。

如果电脑中没有安装 plotly，先运行一次下面的代码。

library(ggplot2)
library(rayshader)
p <- ggplot(faithfuld, aes(waiting, eruptions, fill = density)) +
  geom_raster() +
  scale_fill_viridis_c() +
  theme_minimal()
plot_gg(p, width = 5, height = 4, scale = 300)

这段代码的作用是：

先用 ggplot2 绘制一个二维密度热图，然后用 rayshader 将这个二维图渲染成三维立体图。

核心流程是：

数据 → ggplot 二维热图 → rayshader 三维渲染图

可以简单理解为：

ggplot2 负责画平面图，rayshader 负责把平面图立起来。

12.21 faithfuld 数据集

本例使用 ggplot2 自带的 faithfuld 数据集。

Code

head(faithfuld)

# A tibble: 6 × 3
  eruptions waiting density
      <dbl>   <dbl>   <dbl>
1      1.6       43 0.00322
2      1.65      43 0.00384
3      1.69      43 0.00444
4      1.74      43 0.00498
5      1.79      43 0.00542
6      1.84      43 0.00574

faithfuld 是美国黄石公园 Old Faithful 间歇泉数据的二维密度估计结果。

主要包含以下变量：

变量	含义
`eruptions`	喷发持续时间
`waiting`	两次喷发之间的等待时间
`density`	对应位置的数据密度

这里需要注意：

faithfuld 不是原始观测数据，而是已经计算好的二维密度网格数据。

12.22 图形修饰的基本顺序

基本图形能够回答问题后，再进行图形修饰。修饰的目的是让图更清楚，而不是改变数据本身。

推荐顺序如下：

先加文字：labs()。
再调颜色和坐标显示：scale_*()。
再选择整体主题：theme_*()。
最后微调细节：theme()。

这四类函数的作用不同。

函数	主要控制什么	常见例子	不负责什么
`labs()`	图中的文字	标题、横轴名、纵轴名、图例名、数据来源	不改颜色和背景
`scale_*()`	变量的显示方式	颜色方案、填充色、坐标刻度、图例范围	不改标题和主题
`theme_*()`	整体外观	`theme_minimal()`、`theme_bw()`、`theme_classic()`	不改数据映射
`theme()`	外观细节	图例位置、网格线、字体大小、坐标轴文字角度	不选择图形类型

简单记忆：

labs() 管文字。
scale_*() 管变量怎么显示。
theme_*() 管整体风格。
theme() 管外观细节。

12.23 添加标题和坐标轴

labs() 用来添加标题、坐标轴名称、图例名称和数据来源说明。

Code

ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color = Species)) +
  geom_point() +
  labs(
    title = "鸢尾花花瓣长度与花瓣宽度的关系",
    x = "花瓣长度 (cm)",
    y = "花瓣宽度 (cm)",
    color = "鸢尾花种类",
    caption = "数据来源：R 内置数据集 iris"
  )

标题应说明图的主要内容。坐标轴名称应说明变量含义和单位。

12.24 修改颜色和标度

scale_*() 控制变量如何显示在图中。函数名里的 color、fill、x、y 通常对应 aes() 里的映射。

常见用法如下。

函数	对应的映射	适合什么变量	作用
`scale_color_manual()`	`color`	分类变量	手动设置点或线的颜色
`scale_fill_manual()`	`fill`	分类变量	手动设置柱子、箱子等填充颜色
`scale_fill_gradient()`	`fill`	连续数值变量	用浅色到深色表示数值由小到大
`scale_fill_gradient2()`	`fill`	有中点的连续数值变量	用两端颜色表示低值和高值，中间颜色表示中点
`scale_x_continuous()`	`x`	连续数值变量	修改横轴刻度、范围、标签
`scale_y_continuous()`	`y`	连续数值变量	修改纵轴刻度、范围、标签

scale_fill_gradient2() 常用于相关系数这类数据，因为相关系数有负数、0 和正数。普通平均值热图通常用 scale_fill_gradient() 就够了。

先定义一组颜色。

Code

iris_colors <- c(
  setosa = "#0072B2",
  versicolor = "#D55E00",
  virginica = "#009E73"
)

再应用到图中。

Code

ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color = Species)) +
  geom_point(size = 2.2, alpha = 0.8) +
  scale_color_manual(values = iris_colors) +
  labs(
    title = "鸢尾花花瓣长度与花瓣宽度的关系",
    x = "花瓣长度 (cm)",
    y = "花瓣宽度 (cm)",
    color = "鸢尾花种类"
  )

scale_color_manual() 改变颜色显示方式，但不改变数据。

12.25 选择整体主题

主题控制图中的非数据元素，例如背景、网格线、字体大小和图例位置。

常用主题包括：

theme_gray()：默认主题，灰色背景。
theme_bw()：白色背景，保留边框。
theme_minimal()：背景更简洁。
theme_classic()：经典样式，去掉主要背景网格。

例如使用 theme_minimal()。

Code

ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color = Species)) +
  geom_point(size = 2.2, alpha = 0.8) +
  scale_color_manual(values = iris_colors) +
  labs(
    title = "鸢尾花花瓣长度与花瓣宽度的关系",
    x = "花瓣长度 (cm)",
    y = "花瓣宽度 (cm)",
    color = "鸢尾花种类"
  ) +
  theme_minimal(base_size = 14)

base_size = 14 表示设置基础字号。

12.26 微调主题细节

theme() 用来修改主题中的具体元素。

下面的代码把图例放到底部，并去掉次要网格线。

Code

ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color = Species)) +
  geom_point(size = 2.2, alpha = 0.8) +
  scale_color_manual(values = iris_colors) +
  labs(
    title = "鸢尾花花瓣长度与花瓣宽度的关系",
    x = "花瓣长度 (cm)",
    y = "花瓣宽度 (cm)",
    color = "鸢尾花种类"
  ) +
  theme_minimal(base_size = 14) +
  theme(
    legend.position = "bottom",
    panel.grid.minor = element_blank()
  )

主题修改的逻辑是：

theme_*() 先确定整体风格。
theme() 再调整局部细节。
theme() 不负责修改数据变量，也不负责选择图形类型。

12.27 添加趋势线

趋势线用于辅助观察两个数值变量之间的整体关系。趋势线通常加在散点图上。

Code

ggplot(iris, aes(x = Petal.Length, y = Petal.Width)) +
  geom_point(alpha = 0.7) +
  geom_smooth(method = "lm", se = FALSE, linewidth = 1) +
  labs(
    title = "花瓣长度与花瓣宽度的整体趋势",
    x = "花瓣长度 (cm)",
    y = "花瓣宽度 (cm)"
  ) +
  theme_minimal(base_size = 14)

参数含义：

method = "lm"：使用线性模型拟合趋势线。
se = FALSE：不显示置信区间阴影。
linewidth = 1：设置线宽。

如果把 Species 映射到颜色上，趋势线也会按种类分别绘制。

Code

ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color = Species)) +
  geom_point(alpha = 0.75) +
  geom_smooth(method = "lm", se = FALSE, linewidth = 1) +
  scale_color_manual(values = iris_colors) +
  labs(
    title = "不同鸢尾花种类的花瓣长度与宽度趋势",
    x = "花瓣长度 (cm)",
    y = "花瓣宽度 (cm)",
    color = "鸢尾花种类"
  ) +
  theme_minimal(base_size = 14)

12.28 使用分面

分面用于把同一张图按照某个分类变量拆成多张小图。

例如，按 Species 分成三个小图。

Code

ggplot(iris, aes(x = Petal.Length, y = Petal.Width)) +
  geom_point(color = "#0072B2", alpha = 0.75) +
  facet_wrap(~ Species) +
  labs(
    title = "按鸢尾花种类分别观察花瓣关系",
    x = "花瓣长度 (cm)",
    y = "花瓣宽度 (cm)"
  ) +
  theme_minimal(base_size = 14)

facet_wrap(~ Species) 的意思是：按照 Species 的不同取值，把图分成多个面板。

分面适合回答的问题是：不同组内部的规律是否相同。

12.29 计算统计量并绘图

科研图中常见的形式是“平均值 + 误差线”。先计算每组的平均值和标准差。

Code

iris_summary <- aggregate(
  Sepal.Length ~ Species,
  data = iris,
  FUN = function(x) c(mean = mean(x), sd = sd(x))
)

iris_summary <- do.call(data.frame, iris_summary)
names(iris_summary) <- c("Species", "mean", "sd")
iris_summary

     Species  mean        sd
1     setosa 5.006 0.3524897
2 versicolor 5.936 0.5161711
3  virginica 6.588 0.6358796

再绘图。

Code

ggplot(iris_summary, aes(x = Species, y = mean, fill = Species)) +
  geom_col(width = 0.65, alpha = 0.75) +
  geom_errorbar(
    aes(ymin = mean - sd, ymax = mean + sd),
    width = 0.15,
    linewidth = 0.7
  ) +
  scale_fill_manual(values = iris_colors) +
  labs(
    title = "三种鸢尾花萼片长度的平均值和标准差",
    x = "鸢尾花种类",
    y = "萼片长度 (cm)",
    fill = "鸢尾花种类"
  ) +
  theme_minimal(base_size = 14)

平均值图可以概括组间差异，但会隐藏原始数据。展示数据时，可同时考虑箱线图或原始散点。

12.30 保存图片

ggsave() 用于保存图形。保存图片时，建议先把图存为对象，再保存对象。

本节所有保存图片的代码都设置为 eval: false。渲染讲义时只显示代码，不真正执行保存命令。

Code

dir.create("figures", showWarnings = FALSE)

p <- ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color = Species)) +
  geom_point(size = 2.2, alpha = 0.8) +
  scale_color_manual(values = iris_colors) +
  labs(
    title = "鸢尾花花瓣长度与花瓣宽度的关系",
    x = "花瓣长度 (cm)",
    y = "花瓣宽度 (cm)",
    color = "鸢尾花种类"
  ) +
  theme_minimal(base_size = 14)

ggsave(
  filename = "figures/iris_petal_scatter.png",
  plot = p,
  width = 7,
  height = 5,
  dpi = 300
)

保存为 PDF。

Code

ggsave(
  filename = "figures/iris_petal_scatter.pdf",
  plot = p,
  width = 7,
  height = 5
)

保存箱线图。

Code

p_box <- ggplot(iris, aes(x = Species, y = Sepal.Length, fill = Species)) +
  geom_boxplot(width = 0.55, alpha = 0.7) +
  scale_fill_manual(values = iris_colors) +
  labs(
    title = "三种鸢尾花萼片长度比较",
    x = "鸢尾花种类",
    y = "萼片长度 (cm)",
    fill = "鸢尾花种类"
  ) +
  theme_minimal(base_size = 14)

ggsave(
  filename = "figures/iris_sepal_length_boxplot.png",
  plot = p_box,
  width = 7,
  height = 5,
  dpi = 300
)

保存图片时需要注意：

文件名要能说明图片内容。
width 和 height 控制图片大小。
dpi = 300 常用于论文、报告和打印。
PNG 适合插入 Word、PPT 和网页。
PDF 适合论文排版，放大后不容易模糊。

12.31 课堂练习

12.31.1 练习：修改变量

把下面代码中的 Petal.Length 和 Petal.Width 改为 Sepal.Length 和 Sepal.Width，绘制萼片长度和萼片宽度的散点图。

Code

ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color = Species)) +
  geom_point()

12.31.2 练习：判断图形类型

请根据问题选择合适图形。

问题	合适图形
花瓣长度和花瓣宽度有没有关系？
三种花的花瓣长度是否不同？
三种花的萼片长度分布形状是否不同？
萼片长度主要集中在哪些范围？
三种花各有多少朵？
美国失业人数随时间如何变化？
三种花在四个测量变量上的平均值如何比较？

参考答案：

问题	合适图形
花瓣长度和花瓣宽度有没有关系？	散点图
三种花的花瓣长度是否不同？	箱线图
三种花的萼片长度分布形状是否不同？	小提琴图
萼片长度主要集中在哪些范围？	直方图
三种花各有多少朵？	条形图
美国失业人数随时间如何变化？	折线图
三种花在四个测量变量上的平均值如何比较？	热图

12.31.3 练习：解释映射和固定样式

说明下面两行代码的区别。

Code

geom_point(aes(color = Species))
geom_point(color = "blue")

答案要点：

aes(color = Species)：颜色由 Species 变量决定。
color = "blue"：所有点固定为蓝色。

12.31.4 练习：保存图片

修改下面代码中的文件名，把图片保存为自己的作业图片。渲染讲义时不要执行。

Code

ggsave(
  filename = "figures/my_iris_plot.png",
  plot = p,
  width = 7,
  height = 5,
  dpi = 300
)

12.32 本节小结

ggplot2 的基本结构是：

ggplot(data = 数据, mapping = aes(x = 横轴变量, y = 纵轴变量)) +
  geom_图形()

需要重点记住：

先判断问题，再选择图形。
两个数值变量看关系，使用散点图。
分类变量和数值变量做比较，使用箱线图。
分类变量和数值变量看分布形状，使用小提琴图。
一个数值变量看分布，使用直方图或密度图。
一个分类变量数数量，使用条形图。
已经计算好的数值，使用柱形图。
多个组和多个变量的数值比较，可以使用热图。
时间变化，使用折线图。
简单区域轮廓可以用经度、纬度和多边形绘制地图。
coord_polar() 可以把普通图形转换成极坐标图形。
写在 aes() 里面是变量映射，写在 aes() 外面是固定样式。
图形修饰的顺序是：labs()、scale_*()、theme_*()、theme()。
趋势线用 geom_smooth()，分面用 facet_wrap()。
保存图片用 ggsave()，讲义中保存代码设置为 eval: false。

12.33 参考资料

ggplot2 官方入门文章：https://ggplot2.tidyverse.org/articles/ggplot2.html
ggplot2 作者与维护者信息：https://ggplot2.tidyverse.org/authors.html
ggplot2 在线书：https://ggplot2-book.org/
ggplot2 地图数据函数 map_data()：https://ggplot2.tidyverse.org/reference/map_data.html
ggplot2 关于 linewidth 的官方说明：https://ggplot2.tidyverse.org/reference/scale_linewidth.html
ggplot2 4.0.0 发布说明：https://tidyverse.org/blog/2025/09/ggplot2-4-0-0/