R语言系列：

• 编程基础💎循环语句💎向量、矩阵和数组💎列表、数据帧
• 排序函数💎apply系列函数
• tidyverse：readr💎tibble

基本流程

ggplot2有其独特的绘图语法，想要实现数据绘图，除了数据和集合形状之外，还需要一个叫做aesthetic的东西，这个不知道应该怎么翻，后面就统一叫做美术风格了。

而实际在绘图过程中，ggplot2则分为两步，分别是构造数据，然后对数据进行绘图，并输出到屏幕，下面先来第一步

data <- tibble(time=c(time(nhtemp)), nhtemp=c(nhtemp))
g <- ggplot(data, aes(x=time, y=nhtemp))

其中， nhtemp是R自带的一个平均温度数据集，原本的格式是时间序列。第一步，将其转换为tibble，然后调用ggplot创建图像，接下来要做的，就是将不同的美术风格添加到这个图像上。

g + geom_point()

效果如下，很明显这是个散点图。

如果想看一下其变化过程，那么把点连成线显然是更直观

g + geom_point() + geom_line()

效果如下

渲染美化

散点图和折线图的基本元素无非是点还有线，而点和线可供操作的属性无非是颜色、形状、半径粗细等，这些属性可分别通过color, shape/linetype, size来声明，下面对点线图稍作更改

g + geom_point(color='blue', shape="star", size=1) +
    geom_line(color='green', linetype='dotted', size=0.5)

效果如下

color不必多言，基本上我们能想到的颜色都可以使用。

linetype则可选择"blank", "solid", "dashed", "dotted", "dotdash", "longdash", "twodash"等，我们选用了dotted，就是点线图。

shape表示点的形状，既可以通过字符串声明，也可以直接用数字代号，下面将这些图画出来看看

d=data.frame(p=c(0:25,32:127))
ggplot() + scale_shape_identity() +
    scale_y_continuous(name="") + scale_x_continuous(name="") + 
    geom_point(data=d, mapping=aes(x=p%%16, y=p%/%16, shape=p), size=5, fill="red") +
    geom_text(data=d, mapping=aes(x=p%%16, y=p%/%16+0.25, label=p))

在上面这个绘图代码中，scale_x_continuous, scale_y_continuous分别用于改变x,y轴的坐标范围。在geom_point中，选择了fill="red"，表示填充色为红色， 但只有21-25变红了，说明只有这几个形状支持填充。mapping=aes用于映射绘图位置，这些东西对于初学者来说稍显复杂，不必多虑，绘制这个图的主要目的是看看点的形状。

坐标轴设置

大体上讲，作图必备的要素，除了图像本身之外，最重要的就是坐标轴的刻度和说明，在ggplot中，通过xlab和ylab可以设置坐标轴的标签；通过xlim, ylim可以设置坐标轴的范围；通过theme可以更改坐标文字的风格。

最后，通过ggtitle可以为图像添加一个题图。

示例如下

g + geom_point(color="red") + ggtitle("nhtemp") +
    xlab("year") + ylab("Temperature") + 
    xlim(c(1910,1970)) + ylim(c(47,55))

效果如下