R数据可视化--ggplot2定位之分面

分面也就是切割数据生成一系列小联号图，每一个小图表示不一样的数据子集。本篇将讨论如何较好的微调分面，特别是与位置标度相近的方法。

在qplot中能够选择分面系统。2维分面使用face_grid，1维分面使用face_wrap。

分面一般会占用大量空间，所以本篇使用mpg数据集的子集来进行展现。

> library(ggplot2)
> mpg2 <- subset(mpg,cyl != 5 &drv %in% c("4","f"))

　　1.网格分面

网格分面在2维网格中展现图形，输入分面表达式时，你须要设定哪些变量做为分面绘图的行，哪些变量做为列，规则以下：

• 不进行分面，咱们将获得一个单独的面板

> qplot(cty,hwy,data=mpg2) + facet_null()

　　

• 一行多列 ：". ~ a"

电脑屏幕一般较宽，所以这个方向最合适数据的展现。另外，由于坐标轴相同，这个方向也有助于y位置的比较。

 qplot(cty,hwy,data=mpg2) + facet_grid(. ~ cyl)

　　

• 一列多行："b ~ ."

横坐标轴相同，利于x位置的比较，尤为是对数据分布的比较。

> qplot(cty,data=mpg2,geom="histogram",binwidth=2) + facet_grid(cyl ~ .)

　　

• 多行多列："a ~ b"

咱们一般都将因子水平数目最大的变量按列排放，这样能够充分利用屏幕的宽高比。

> qplot(cty,hwy,data=mpg2) + facet_grid(drv ~ cyl)

　　

从以上图形咱们能够看出，变量在某行或者某列一块儿出现时，图形只会展现数据中出现的变量组合。而变量在行和列都出现时，图形将展现全部变量组合，包括原始数据中都没有出现的组合。不过这也可能会致使出现空白面板。

边际图：能够参考margins来绘制边际图。设定margins=TRUE可展现全部的边际图，或者margins=c("sex","age"),列出你要展现的边际图的变量名称。也可使用grand_row或grand_col来生成行或列的边际图。

边际图的分组方式与其余面板中分组方式相同：默认使用图层中全部分类变量的交互做用。下面第三张图表示对每一个驱动类型添加彩色平滑线。

> p <- qplot(displ,hwy,data=mpg2) + geom_smooth(method = "lm",se=F)
> p + facet_grid(cyl ~ drv)
> p + facet_grid(cyl ~ drv,margins = T)

> qplot(displ,hwy,data=mpg2) + geom_smooth(aes(colour=drv),method="lm",se=F)+
+ facet_grid(cyl ~ drv,margins=T)

　　

2.标度控制

对于上述分面，能够经过调整参数scales来控制面板的位置标度是固定的仍是容许变化的。

• scales = "fixed":x和y的标度在全部面板中都相同
• scales = "free"：x和y的标度在每一个面板均可以变化
• scales = "free_x"：x的标度可变，y的尺度固定
• scales = "free_y": y的标度可变，x的尺度固定‘

下面展现了固定标度与自由标度间的差别：

> library(ggplot2)
> p <- qplot(cty,hwy,data=mpg)
> p + facet_wrap(~ cyl)  ##下图左  每一个分面中固定标度即横纵坐标范围相同
> p + facet_wrap(~ cyl,scales="free")  ##下图右  自由标度即横纵坐标范围可变
> 

　　

固定标度可让咱们在相同的基准上对子集进行比较，观察在哪些地方各子集有类似的整体模式。而自由标度能够帮助咱们发现更多细节，它在展现不一样量纲的时间序列时很是有用。

> library(reshape2)
> em <- melt(economics,id = "date")
> qplot(date,value,data=em,geom="line",group=variable)+
+ facet_grid(variable~.,scale="free_y")
> 

　　

上图展现了自由标度在展现不一样量纲的时间序列时很是有用。

 3.分组与分面

与经过调整图形属性不一样（好比颜色、形状或大小）来分组分组不一样，分面提供了另一种分组途径。依据子集相对位置的不一样，这两种绘图技巧都有相应的优缺点。

在分面图形中，每一个组别都在单独的面板中，相隔较远，组间无重叠。所以组与组之间重叠严重时，分面图形有必定的好处。不过这也会致使组间的细微差异难以被发现。使用图形属性区分各组时，各组将会离得很近甚至可能重叠，不过细微得差异将会容易被发现。下图展现了二者优缺点得互补。

> library(ggplot2)
> xmaj <- c(0.3,0.5,1,3,5)
> xmin <- as.vector(outer(1:10,10^c(-1,0)))
> ymai <- c(500,1000,5000,10000)
> ymin <- as.vector(outer(1:10,10^c(2,3,4)))
> dplot <- ggplot(subset(diamonds,color %in% c("D","E","G","J")),aes(carat,price,colour=color)) +
+ scale_x_log10(breaks = xmaj,labels = xmaj,minor = xmin)+
+ scale_y_log10(breaks=ymai,labels=ymai,minor=ymin)+
+ scale_colour_hue(limits = levels(diamonds$color))+
+ theme(legend.position="none")
> dplot + geom_point()

> dplot + geom_point()+facet_grid(.~color)
> dplot + geom_smooth(method=lm,se=F,fullrange=T)
> dplot + geom_smooth(method=lm,se=F,fullrange=T)+facet_grid(.~color)

　　

     

在散点图中，仅使用颜色区分各组，咱们可能还没注意到图形重叠了，可是回归线却可让咱们看到D、E、和G被分组在一块儿，与J组相距甚远。

4.并列与分面

分面可绘制出与图形并列相似得图形效果。

>  qplot(color,data=diamonds,geom="bar",fill=cut,position="dodge") ##并列
> qplot(cut,data=diamonds,geom="bar",fill=cut)+facet_grid(.~color)+
+ theme(axis.text.x=element_text(angle=90,hjust=1,size=8,colour="grey50")) ##分面

　　

除标注方式外，当两个变量得因子水平几乎彻底交叉，而部分变量组合缺失时，两种绘图方式也就会有所不一样。此时，并列图形得用处不大，由于它只是对条形局部地分割，没有任何标签。而分面就实用不少，它能控制分割方式时局部得仍是全局得。