ggplot2绘图基础功不扎实？看完这5个资源

基本上每个研究的发表，都伴随着精美的图表，比如：

能制作这样图表的工具很多， 我比较喜欢ggplot2+AI， 当然，或许有高手可以独立使用ggplot2调整全部图表细节，不过，我做不到。我只能做到的是可以绘制出几乎全部的图表的雏形，而且我个人觉得，把ggplot2学习到这个程度就足够了。

一张统计图就是从数据到几何对象（点、线、条形等）的图形属性（颜色、形状、大小等）的一个映射。

• ✦ 数据（Data），最基础的是可视化的数据和一系列图形映射（aesthetic mappings），该映射描述了数据中的变量如何映射到可见的图形属性。
• ✦ 几何对象（Geometric objects, geoms）代表在图中实际看到的点、线、多边形等。
• ✦ 统计转换（Statistical trassformations, stats）是对数据进行某种汇总，例如将数据分组创建直方图，或将一个二维的关系用线性模型进行解释。
• ✦ 标度（Scales）是将数据的取值映射到图形空间，例如用颜色、大小或形状来表示不同的取值，展现标度的常见做法是绘制图例和坐标轴。
• ✦ 坐标系（Coordinate system, coord）描述数据是如何映射到图形所在的平面，同时提供看图所需的坐标轴和网格线。
• ✦ 分面（faceting）如何将数据分解为子集，以及如何对子集作图并展示。
• ✦ 主题（theme）控制细节显示，例如字体大小和图形的背景色。

ggplot2作者亲自写的书

链接：https://ggplot2-book.org/facet.html

书名是：ggplot2: Elegant Graphics for Data Analysis 作者：Hadley Wickham

This is the online version of work-in-progress 3rd edition of “ggplot2: elegant graphics for data analysis”

虽然这本书有对应的中文译本，但是时间上相对滞后，建议直接看这个在线实时更新版本。

Getting started

• 1 Introduction
• 2 Getting started with ggplot2
• 3 Frequently asked questions
• II Toolbox

Introduction

• 4 Individual geoms
• 5 Collective geoms
• 6 Statistical summaries
• 7 Maps
• 8 Annotations
• 9 Arranging plots

III The Grammar

• 10 Mastering the grammar
• 11 Build a plot layer by layer
• 12 Scales, axes and legends
• 13 Coordinate systems
• 14 Facetting
• 15 Themes

IV Extending ggplot2

• 16 Programming with ggplot2
• 17 ggplot2 internals
• 18 Writing ggplot2 extensions
• 19 Extension Case Study: Springs, Part 1
• References

看完你一定会觉得不虚此行！至少花十天时间哦。

知识点参考卡片（速记表，小抄）

链接：https://ggplot2.tidyverse.org/reference/

内容如下：

• Plot basics
• Layer: geoms
• Layer: stats
• Layer: position adjustment
• Layer: annotations
• Aesthetics
• Scales
• Guides: axes and legends
• Facetting
• Facetting: labels
• Coordinate systems
• Themes
• Programming with ggplot2
• Extending ggplot2
• Vector helpers
• Data
• Autoplot and fortify

读这个知识点参考卡片，可以检验你ggplot2语法的记忆程度。

sthda网站的ggplot核心图表示例

链接：http://www.sthda.com/english/wiki/ggplot2-essentials

书籍本身提供售卖，价格是17欧元，不过内容都是电子化了，大家直接网页浏览，就是免费的哈！

内容：

1. qplot(): Quick plot with ggplot2

• Scatter plots
• Bar plot
• Box plot, violin plot and dot plot
• Histogram and density plots

1. Box plots

• Basic box plots
• Box plot with dots
• Change box plot colors by groups
  • Change box plot line colors
  • Change box plot fill colors
• Change the legend position
• Change the order of items in the legend
• Box plot with multiple groups
• Functions: geom_boxplot(), stat_boxplot(), stat_summary()

··· 中间省略 25个章节

1. Rotate a plot: flip and reverse

• Horizontal plot : coord_flip()
• Reverse y axis
• Functions: coord_flip(), scale_x_reverse(), scale_y_reverse()

1. Faceting: split a plot into a matrix of panels

• Facet with one variable
• Facet with two variables
• Facet scales
• Facet labels
• facet_wrap
• Functions: facet_grid(), facet_wrap(), label_both(), label_bquote(), label_parsed()

内容之丰富，起码需要五天左右时间完全follow下来。

还包括以下扩展包：

• factoextra - Extract and Visualize the outputs of a multivariate analysis: PCA (Principal Component Analysis), CA (Correspondence Analysis), MCA (Multiple Correspondence Analysis) and clustering analyses.
• easyggplot2: Perform and customize easily a plot with ggplot2: box plot, dot plot, strip chart, violin plot, histogram, density plot, scatter plot, bar plot, line plot, etc, …
• ggplot2 - Easy way to mix multiple graphs on the same page
• ggplot2: Correlation matrix heatmap. Functions: geom_raster() and geom_tile()
• ggfortify: Allow ggplot2 to handle some popular R packages. These include plotting 1) Matrix; 2) Linear Model and Generalized Linear Model; 3) Time Series; 4) PCA/Clustering; 5) Survival Curve; 6) Probability distribution
• GGally: GGally extends ggplot2 for visualizing correlation matrix, scatterplot plot matrix, survival plot and more.
• ggRandomForests: Graphical analysis of random forests with the randomForestSRC and ggplot2 packages.
• ggdendro: Create dendrograms and tree diagrams using ggplot2
• ggmcmc: Tools for Analyzing MCMC Simulations from Bayesian Inference
• ggthemes: Package with additional ggplot2 themes and scales
• Theme used to create journal ready figures easily

ggplot2之所以备受推崇，就是因为它已经成为了一个生态，层出不穷的新奇想法会在它的基础上面生长起来。

绘图菜谱

链接：http://www.cookbook-r.com/Graphs/

这个有中文翻译版本，务必直接下单购买，放在书桌旁边随时翻阅。

内容：

1. Bar and line graphs (ggplot2)
2. Plotting means and error bars (ggplot2)
3. Plotting distributions (ggplot2) - Histograms, density curves, boxplots
4. Scatterplots (ggplot2)
5. Titles (ggplot2)
6. Axes (ggplot2) - Control axis text, labels, and grid lines.
7. Legends (ggplot2)
8. Lines (ggplot2) - Add lines to a graph.
9. Facets (ggplot2) - Slice up data and graph the subsets together in a grid.
10. Multiple graphs on one page (ggplot2)
11. Colors (ggplot2)

学了那么多语法，就在菜谱里面把握细节吧！

最后一个是 https://stackoverflow.com/

你会发现，你想实现的各种稀奇古怪的绘图需求，只需要你能使用英文描述出来，就是能找到答案的！

• 用谷歌搜索来使用ggplot2做可视化（上）：https://mp.weixin.qq.com/s/WN4TSMNjH4b6vZgYVjaRvQ
• 用谷歌搜索来使用ggplot2做可视化（下）：https://mp.weixin.qq.com/s/_Q16zDZgCr3XoO0r3wqRkw

如果我说，全部学完，需要一年的时间，不知道你还是否愿意入坑呢？

不过，如果你是R语言都没有掌握好，那么可能需要先学习我给初学者的六步系统入门R语言，知识点路线图如下：

• 了解常量和变量概念
• 加减乘除等运算（计算器）
• 多种数据类型（数值，字符，逻辑，因子）
• 多种数据结构（向量，矩阵，数组，数据框，列表）
• 文件读取和写出
• 简单统计可视化