R语言可视化——散点图及其美化技巧！

今天开始跟大家分享散点图及其美化技巧！

R语言中的散点图需要两个数值型变量分别作为X轴、Y轴映射对象，同时通过颜色、大小、形状进行分类变量映射。

由于散点图在数据量较多的情况下效果更佳，这里使用ggplot包内自带的数据集diamonds进行案例演示。

ggplot(diamonds,aes(carat,price))+geom_point()

在R中制作散点图的基本语法如上，数据集、X轴、Y轴，最后是散点图图层。

以上散点图是最简单的不加任何修饰的默认图形，通过在aes映射中添加分类变量，以大小、颜色、形状进行区分，就可以制作出多系列散点图。

散点图（形状分类）

ggplot(diamonds,aes(carat,price))+geom_point(aes(shape=cut))

散点图（颜色分类）

ggplot(diamonds,aes(carat,price))+geom_point(aes(colour=cut))

散点图（大小分类）

ggplot(diamonds,aes(carat,price))+geom_point(aes(size=cut))

也可以同时在一个函数语句中加入两个以上的分类指标参数。

ggplot(diamonds,aes(carat,price))+geom_point(aes(colour=cut,size=table))

由于该数据集记录较多，所以数据点相互重合，很多区域很难辨识，R语言中提供了两种处理方式：

使用alpha参数（透明化处理）：

ggplot(diamonds,aes(carat,price))+geom_point(alpha = 1/10)

使用像素级散点图：

ggplot(diamonds,aes(carat,price))+geom_point(shape=".")

由于散点图可以通过添加size参数用来展示某一指标在散点上的大小，所以基本也不需要单独的气泡图函数。

以上散点图都没有考虑过美化的问题；这里通过添加主题、颜色模板可以将其美化：

ggplot(diamonds,aes(carat,price))+geom_point(aes(colour=cut))+ggtitle("Scatter Plot")+theme_economist(base_size=14)+scale_colour_economist()+guides(colour=guide_legend(title=NULL))

ggplot(diamonds,aes(carat,price))+geom_point(aes(colour=cut,size=table))+ggtitle("Scatter Plot")+theme_wsj()+scale_colour_wsj()+guides(size=guide_legend(title=NULL),colour=guide_legend(title=NULL))

ggplot(diamonds,aes(carat,price))+geom_point(aes(colour=cut,size=table))+ggtitle("Scatter Plot")+theme_economist(base_size=14)+scale_colour_economist()+guides(size=guide_legend(title=NULL),colour=guide_legend(title=NULL))

当然，如果你觉得上数据集太过密集，想要看某一个区域内的具体分布情况，只需要添加xlim()、ylim()参数即可：

ggplot(diamonds,aes(carat,price))+geom_point(aes(colour=cut,size=table))+ggtitle("Scatter Plot")+theme_wsj()+scale_colour_wsj()+guides(size=guide_legend(title=NULL),colour=guide_legend(title=NULL))+xlim(1,2)+ylim(5000,10000)

ggplot(diamonds,aes(carat,price))+geom_point(aes(colour=cut,size=table))+ggtitle("Scatter Plot")+theme_economist(base_size=14)+scale_colour_economist()+guides(size=guide_legend(title=NULL),colour=guide_legend(title=NULL))+xlim(1,2)+ylim(5000,10000)

最后，如果你想要拟合出该数据集的走势曲线，也可以通过添加geom_smooth()参数实现：

ggplot(diamonds,aes(carat,price))+geom_point()+geom_smooth(method='lm')+theme_classic()

散点图函数结合统计变换之后可以衍生无穷多中图表类型，具体的图表类型细节，可以参考哈德利的ggplot原著。