作者丨阿左
来源丨医数思维云课堂（ID:Datamedi）
上次小编带大家学习了ggplot2的相关内容，今天我们继续深入学习一下，跟进我的步伐，不要掉队哟！
试想一下，如果组在图中并排出现，而不是重叠为单一的图形，关系是不是会更加清晰。那怎么做呢？ggplot2包中有你要的答案。我们可以使用facet_wrap()函数和facet_grid()函数创建网格图形，网格图形也就是俗称的刻面图。我们用合唱的例子来创建一个刻面图吧。
install.packages("ggplot2")
library(ggplot2)
install.packages("car")
library(car)
data(singer,package="lattice")
ggplot(singer,aes(x=height))+geom_histogram()+facet_wrap(~voice.part,nrow=4)
看一下效果图：
从图形上，可以得到各声部歌手身高的分布，将八个分布分为并排的小图可以方便比较。问题来啦，我们学过分组了，那如何创建一个包含刻面和分组的图呢？
ggplot(Salaries,aes(x=yrs.since.phd,y=salary,color=rank,shape=rank))+geom_point()+facet_grid(.~sex)
是不是很简单，图形可能更刺激。
怎么样？那加大一点儿难度吧，我们要展示singer数据集中每个声部成员的身高分布，并利用核密度图水平排列，给每个声部配不同的颜色，具体操作如下：
ggplot(singer,aes(x=height,fill=voice.part))+geom_density()+facet_grid(voice.part~.)
是不是出乎意料的简单，哈哈，代码就是这么任性。下面我们讨论一下如何添加光滑曲线吧。
图形显示了经验与薪水之间不是线性关系，还加上了95%的置信区间，操作很简单：
ggplot(data=Salaries,aes(x=yrs.since.phd,y=salary))+geom_smooth()+geom_point()
注意，我们用的是Salaries数据集啊。
那如果我们想按性别拟合一个二次多项式回归呢？
ggplot(data=Salaries,aes(x=yrs.since.phd,y=salary,linetype=sex,shape=sex,color=sex))+
geom_smooth(method=lm,formula=y~poly(x,2),se=FALSE,size=1)+geom_point(size=2)
是不是很简单，所有的几何函数的选项是不是都不陌生？那看一下效果图吧。
这么简单，大家一定要好好操作哟，ggplot2可视化的内容就讲到这里。下次我们见面，小编带大家一起修改ggplot2的外观，这样可好？
