[关闭]
@K1999 2016-07-05T05:28:38.000000Z 字数 7764 阅读 11613

数据可视化ggplot2系列——标尺（scale）设置

R 数据可视化

1 标尺设定函数

ggplot2修改标尺的函数有一大堆：

  1. > library(ggplot2)
  2. > scalex <- ls("package:ggplot2", pattern = "^scale.+")
  3. > length(scalex)
  4. [1] 75

提取函数名的第二个字段，对这些函数的作用进行分类：

  1. > scalex <- scalex[grep("([^_]+_){2}.+", scalex)]
  2. > unique(gsub("(([^_]+_){2}).+", "\\1***", scalex))
  3. [1] "scale_alpha_***"    "scale_color_***"    "scale_colour_***"  
  4. [4] "scale_fill_***"     "scale_linetype_***" "scale_shape_***"   
  5. [7] "scale_size_***"     "scale_x_***"        "scale_y_***"

可以看到标尺设置的内容有8种（颜色color/colour算一种）：线条颜色、填充色、透明度、线型、形状、大小，x和y轴。标尺设置的内容都有对应的映射设置类型，但映射比标尺多了xmin, xmax, ymin, ymax, xend, yend，group和string等（请参看映射一节）。
虽然设置函数很多，但不管是函数用法还是函数名称上都是很有规律的：

  1. ### 线条颜色
  2. > scalexx <- scalex[grepl("scale_color.+", scalex)]
  3. > unique(gsub("(([^_]+_){2})(.+)", "\\3", scalexx))
  4.  [1] "brewer"     "continuous" "discrete"   "distiller"  "gradient"   "gradient2" 
  5.  [7] "gradientn"  "grey"       "hue"        "identity"   "manual"
  8. ### 填充色
  9. > scalexx <- scalex[grepl("scale_fill.+", scalex)]
  10. > unique(gsub("(([^_]+_){2})(.+)", "\\3", scalexx))
  11.  [1] "brewer"     "continuous" "date"       "datetime"   "discrete"   "distiller" 
  12.  [7] "gradient"   "gradient2"  "gradientn"  "grey"       "hue"        "identity"  
  13. [13] "manual" 
  16. ### 大小 
  17. > scalexx <- scalex[grepl("scale_size.+", scalex)]
  18. > unique(gsub("(([^_]+_){2})(.+)", "\\3", scalexx))
  19. [1] "area"       "continuous" "date"       "datetime"   "discrete"   "identity"  
  20. [7] "manual"
  23. ### 透明度
  24. > scalexx <- scalex[grepl("scale_alpha.+", scalex)]
  25. > unique(gsub("(([^_]+_){2})(.+)", "\\3", scalexx))
  26. [1] "continuous" "discrete"   "identity"   "manual"
  29. ### 线型
  30. > scalexx <- scalex[grepl("scale_linetype.+", scalex)]
  31. > unique(gsub("(([^_]+_){2})(.+)", "\\3", scalexx))
  32. [1] "continuous" "discrete"   "identity"   "manual"    
  35. ### 形状
  36. > scalexx <- scalex[grepl("scale_shape.+", scalex)]
  37. > unique(gsub("(([^_]+_){2})(.+)", "\\3", scalexx))
  38. [1] "continuous" "discrete"   "identity"   "manual"
  41. ### x轴
  42. > scalexx <- scalex[grepl("scale_x.+", scalex)]
  43. > unique(gsub("(([^_]+_){2})(.+)", "\\3", scalexx))
  44. [1] "continuous" "date"       "datetime"   "discrete"   "log10"      "reverse"   
  45. [7] "sqrt"
  48. ### y轴
  49. > scalexx <- scalex[grepl("scale_y.+", scalex)]
  50. > unique(gsub("(([^_]+_){2})(.+)", "\\3", scalexx))
  51. [1] "continuous" "date"       "datetime"   "discrete"   "log10"      "reverse"   
  52. [7] "sqrt"

除坐标轴外，其它标尺都有四种基本设置函数： "continuous"，"discrete"，"identity"和"manual"。结合标尺的作用和设定方法两个标准，H.W把它们分为4种类型的标尺：位置、颜色、无变换和人工设置类型（说实话，他的分类思维有点乱）。颜色设置相关的函数较多，线条颜色和填充色设置的函数类型一样，而x轴和y轴设置的函数类型也一样。
由于标尺函数的命名和用法很有规律，下面仅介绍颜色和坐标轴设置函数的一些用法。

2 颜色标尺设置

2.1 连续型颜色标尺

当前版本的ggplot2提供了13个填充色设置的标尺函数（线条颜色也一样）：

  1. > ls("package:ggplot2", pattern = "^scale_fill.+")
  2.  [1] "scale_fill_brewer"     "scale_fill_continuous" "scale_fill_date"      
  3.  [4] "scale_fill_datetime"   "scale_fill_discrete"   "scale_fill_distiller" 
  4.  [7] "scale_fill_gradient"   "scale_fill_gradient2"  "scale_fill_gradientn" 
  5. [10] "scale_fill_grey"       "scale_fill_hue"        "scale_fill_identity"  
  6. [13] "scale_fill_manual"

先看看“continuous”的用法。对于数据为非因子型的填充色映射，ggplot2自动使用“continuous”类型颜色标尺表示连续颜色空间。如果要修改默认颜色就要使用scale_fill_continuous函数进行修改，这个函数最有用的参数是low和high，分别表示低端和高端数据的颜色，中间颜色根据颜色空间space自动计算：

  1. theme_set(theme_bw())
  2. df <- expand.grid(1:30, 1:30)
  3. colnames(df) <- c("x", "y")
  4. df$z <- rnorm(900)
  5. p <- ggplot(data = df, aes(x = x, y = y, fill = z))
  6. p + geom_raster()
  7. p + geom_raster() + scale_fill_continuous(low = "darkgreen", high = "orangered", space = "rgb")

颜色可以使用预设颜色名称，也可以使用十六进制表示。颜色空间可以是rgb或Lab，两者差别还比较大(rgb已经弃用)：

  1. p + geom_raster() + scale_fill_continuous(low = "#000099", high = "#FF0000", space = "rgb")
  2. p + geom_raster() + scale_fill_continuous(low = "#000099", high = "#FF0000", space = "Lab")

连续填充色设置函数还有scale_fill_gradient，scale_fill_gradient2和 scale_fill_gradientn，其中scale_fill_gradient的用法和作用和scale_fill_continuous完全相同（其实ggplot2早期版本连续颜色标尺默认使用scale_fill_gradient，没有scale_fill_continuous函数；后者可能是H.W头脑清楚以后加进去的，相当于前者的别名）。scale_fill_gradient2增加了中间点和中间颜色的设置,效果相当不错：

  1. p + geom_raster() + scale_fill_gradient2(low = "darkgreen", high = "red", mid = "yellow")
  2. p + geom_raster() + scale_fill_gradient2(low = "darkgreen", high = "red", mid = "yellow", midpoint = 1)

而scale_fill_gradientn可以使用colours参数设置多个中间颜色，配合其它颜色参数函数使用也很不错：

  1. p + geom_raster() + scale_fill_gradientn(colours = c("blue", "green", "yellow", "red"))
  2. p + geom_raster() + scale_fill_gradientn(colours = terrain.colors(100))

注意参数名称为colours，不是colors，米国人民可能不习惯，不过问题不大。

2.2 离散（间断）型颜色标尺

如果数据是因子型的颜色映射，颜色标尺则是离散型的，修改标尺需要使用相应的离散型颜色标尺如scale_color_discrete或scale_color_hue。这两个函数只是别名函数，早期版本只有scale_color_hue。它们通过设置色调范围（h）、饱和度（c）和亮 度（l）获取颜色，不太容易掌握：

  1. set.seed(100)
  2. dt <- diamonds[sample(nrow(diamonds), 500), ]
  3. p <- ggplot(data = dt, aes(x = carat, y = price, color = cut))
  4. p + geom_point() + scale_color_discrete()
  5. p + geom_point() + scale_color_discrete(h = c(150, 350), c = 100, l = 60)

注意：因为映射是color，所以标尺设置也得相应用scale_color而不是scale_fill。
scale_color_discrete或scale_color_hue设置颜色不是很直观，如果想要啥来啥，那就用manual类型函数：

  1. p + geom_point() + scale_color_manual(values = c("blue", "cyan", "yellow", "orange", "red"))
  2. p + geom_point() + scale_color_manual(values = rainbow(5))

grey灰度标尺函数是设置离散型颜色的另外一类函数，用法很简单。

  1. p + geom_point() + scale_color_grey(start = 0, end = 0.8)

brewer类型函数则可以直接使用RColorBrewer包预定义的一些调色板，那些调色板最多能设置8-11种颜色不等，如果超过最大颜色数就不合适了。

  1. x <- sample(LETTERS, 13)
  2. y <- 1:13 qplot(x = x, y = y, fill = x, geom = "bar") + scale_fill_brewer(palette = "YlOrRd")
  3. x <- x[1:8] y = y[1:8] qplot(x = x, y = y, fill = x, geom = "bar") + scale_fill_brewer(palette = "YlOrRd")

与其去记那些调色板名称，还不如用manual可以设置自己需要的颜色（可参考本博客的文章《R语言进阶之一：颜色设置》）。
查看scale_fill_gradientn等函数的说明发现很多用于连续颜色设置的函数都有palette参数选项，似乎连续型和离散型颜色在函数上没有严格区别，但实际使用时会出错，或许这些功能只是H.W做的TODO list。

2.3 identity标尺

如果数据本身就是可以用作标尺的取值，那当然可以直接使用：

  1. > set.seed(2)
  2. > (col <- sample(colors(), 4))
  3. "deepskyblue1"  "mediumblue"   "indianred4"    "darkslategray2"
  4. val <- abs(rnorm(4)) * 10
  5. qplot(x = col, y = val, fill = col, geom = "bar") + scale_fill_identity()
  6. qplot(x = carat, y = price, data = dt, size = x) + scale_size_identity()

设置identity标尺后不再产生对应的图例。

3. 坐标轴标尺设置

ggplot2为x或y轴标尺的设置分别提供了7个函数：

  1. > ls("package:ggplot2", pattern = "^scale_x.+")
  2. "scale_x_continuous" "scale_x_date" "scale_x_datetime" "scale_x_discrete" "scale_x_log10" "scale_x_reverse" "scale_x_sqrt"

这些函数最基本的是continuous和discrete两个，通过设置它们的参数可以实现其它函数的效果。

3.1 breaks, labels, limits参数

continuous和discrete坐标轴标尺设定函数中最常用的参数是breaks、labels和limits，分别用于设置刻度位置、刻度标签和坐标轴范围。先看看前两个参数：

  1. p <- ggplot(data = dt, aes(x = carat, y = price)) + geom_point()
  2. bks <- pretty(range(dt$price), 10)
  3. p + scale_y_continuous(breaks = bks)
  4. bks <- c(0, 2000, 10000, 15500, 18000)
  5. p + scale_y_continuous("Price (*1000)", breaks = bks, labels = bks/1000)

如果xy轴都是非因子数据，limits的设置比较顺利，但另外一个坐标轴还不能自动调整，可能需要改进：

  1. p + scale_x_continuous(limits = c(0.5, 1.5))
  2. p + scale_y_continuous(limits = c(500, 1000))

用limits参数设置因子型数据轴还有意外的效果：既能选择要显示的数据子集，还能调整它们在图形上的显示顺序：

  1. qplot(x = x, y = y, geom = "bar") + scale_x_discrete(limits = c("W", "D", "F"))

3.2 trans参数
连续数据的坐标轴可以设置trans参数，它应该是通过调用scales包的相应trans类型实现的，比如scales中有log10_trans，ggplot2中可以直接设置trans='log10'，它其实就是scale_x_log10函数的效果：

  1. p + scale_y_continuous(trans = "log10") + ggtitle("scale_y_continuous(trans='log10')")
  2. p + scale_y_log10() + ggtitle("scale_y_log10()")

同样reverse_trans和sqrt_trans也等价于scale_x_reverse和scale_x_sqrt，它们分别对坐标轴反转和求平方根。日期相关的转换函数scale_x_date和scale_x_datetime我没用过，就不说来。scales包中还有其它一些转换函数，但在 ggplot中没有对应的设置函数，如果数据合适，有些可以直接用：

  1. p + scale_y_continuous(trans = "reciprocal") + ggtitle("reciprocal_trans")
  2. p + scale_x_continuous(trans = "log1p") + ggtitle("log1p_trans")

3.3 坐标轴标尺转换与数据映射

如果你认为坐标轴标尺只是改变了坐标轴的外观那就错了，它还影响到用于建立映射的数据。下面我们分别用坐标轴标尺应用之前和之后的数据获得拟合直线：

  1. lmx <- lm(dt$price ~ dt$carat)
  2. gs1 <- geom_line(aes(y = lmx$fitted.values), size = 3, color = "red")
  3. gs2 <- geom_smooth(aes(group = 1), method = "lm", se = FALSE, size = 1.5)
  4. p + gs1 + gs2 p + gs1 + gs2 + scale_x_log10()

第一个图没改变坐标轴标尺，所以两个拟合直线是完全重合的；而第二个图中两条先就差别很大，原来红色的直线变成了曲线，而geom_smooth获得的仍然是直线。改变坐标轴范围也是同样的效果：

  1. p + gs1 + gs2 + scale_y_continuous(limits = c(1000, 10000))
  2. p + gs1 + gs2 + ylim(limits = c(1000, 10000))

也就是说人工设置坐标轴标尺后改变了用于建立映射的数据，或作变换，或取子集（设置limits），这个过程发生在建立映射之前。如果想在ggplot2建立映射后改变坐标轴，应该用coord_xxx类型函数：

  1. p + gs1 + gs2 + coord_cartesian(ylim = c(1000, 10000))
  2. p + gs1 + gs2 + coord_trans(xtrans = "log10")

前面用到了ylim函数，同样也有xlim，它们只是辅助函数，实质调用了坐标轴标尺设置函数。在映射一文我们还提到柱形图不能用scale类函数调整坐标轴刻度范围，主要原因是：柱形图即直方图，不能改变y轴起始为非0；另外scale设置导致取数据子集，随之直方图坐标轴范围改变，这些改变多数情况下会和scale的设置冲突。用scale设置柱形图保险不出错的情况是设置的范围比数据范围要大，但没有什么实际意义：

  1. qplot(x = x, y = y, geom = "bar") qplot(x = x, y = y, geom = "bar") + ylim(limits = c(-10, 10))

4 标尺函数的通用参数

除前面提到的breaks和labels外，常用的还有name，用于改变所设scale的名称，具体表现是改变坐标轴标题或图例标题。放在第一个参数的位置可以不用写参数名称。

  1. qplot(x = carat, y = price, color = cut, data = dt) + scale_color_hue("Diamond Cut")
  2. qplot(x = carat, y = price, color = cut, data = dt) + scale_y_continuous("Diamond Cut")
添加新批注
在作者公开此批注前，只有你和作者可见。
回复批注