3. 设置值范围
除了设置坐标轴的范围，我们也可以设置图形中必须包含某个或某些值。
可以使用 expand_limits() 函数，该函数接受一个命名列表，名称必须为图形属性
示例
对于下面这张散点图
p <- ggplot(mtcars, aes(mpg, wt)) + geom_point()
> mtcars %>% distinct(mpg) %>% summarise(min=min(.), max=max(.))
min max
1 10.4 33.9
> mtcars %>% distinct(wt) %>% summarise(min=min(.), max=max(.))
min max
1 1.513 5.424
从上面的结果中，我们可以计算出：X 轴（mpg）和 Y 轴（wt）的数据范围
下面，让我们用 expand_limits 来调整数据范围
p1 <- p + expand_limits(x = 0)
p2 <- p + expand_limits(y = c(1, 9))
p3 <- p + expand_limits(x = 0, y = 0)
plot_grid(p1, p2, p3, labels = c('A', 'B', 'C'), nrow = 1)
在图 A 中，我们设置 X 轴数据要包含 0，尽管并没有对应的值，但是 X 坐标轴还是会从 0 开始。
类似的，图 B 设置了 Y 轴需要包含 1 和 9，超过了数据的范围，相当于扩大了 Y 轴的范围
我们还可以对颜色进行设置
p1 <- ggplot(mtcars, aes(mpg, wt)) +
geom_point(aes(colour = cyl)) +
expand_limits(colour = seq(2, 10, by = 2))
p2 <- ggplot(mtcars, aes(mpg, wt)) +
geom_point(aes(colour = factor(cyl))) +
expand_limits(colour = factor(seq(2, 10, by = 2)))
plot_grid(p1, p2, labels = c('A', 'B'))
A 图设置了渐变色，B 图是离散配色。
> mtcars %>% distinct(cyl)
cyl
Mazda RX4 6
Datsun 710 4
Hornet Sportabout 8
我们可以看到，其实颜色的值只有三个 4、6、8，但是我们设置了 5 个不同的颜色层级。
从 B 图可以明显看出，2 和 10 的颜色并没有显示，因为不存在相应的数据
4. 设置间隔
可以使用 expansion() 函数设置数据与轴之间的间隔，该函数主要搭配 scale_(x|y)_continuous 与 scale_(x|y)_discrete 使用。
# 推荐使用
expansion(mult = 0, add = 0)
# 已被弃用
expand_scale(mult = 0, add = 0)
该函数包含两个参数：
-
mult: 百分比间距，接受一个向量，如果向量长度为1，则上下间距的间隔是一样的，如果长度为2，则mult[1]为下间距，mult[2]为上间距 -
add: 常数值单位间距，类似mult
示例
p1 <- ggplot(mtcars) +
geom_bar(aes(x = factor(cyl)))
p2 <- ggplot(mtcars) +
geom_bar(aes(x = factor(cyl))) +
scale_y_continuous(expand = expansion(mult = c(0, .1)))
p3 <- ggplot(subset(diamonds, carat > 2), aes(cut, clarity)) +
geom_jitter() +
scale_x_discrete(expand = expansion(add = 2))
p4 <- ggplot(subset(diamonds, carat > 2), aes(cut, price)) +
geom_jitter() +
scale_x_discrete(expand = expansion(add = .6)) +
scale_y_continuous(expand = expansion(mult = .05))
plot_grid(p1, p2, p3, p4, labels = LETTERS[1:4],
nrow = 2)
其中，D 图所设置的间距是默认值
5. 设置透明度
alpha 透明度并不是非常有用，但它可以方便地从视觉上降低不太重要的观察结果的权重
设置透明度的函数包括：
scale_alpha(..., range = c(0.1, 1))
scale_alpha_continuous(..., range = c(0.1, 1))
scale_alpha_binned(..., range = c(0.1, 1))
scale_alpha_discrete(...)
scale_alpha_ordinal(..., range = c(0.1, 1))
其中 scale_alpha 是 scale_alpha_continuous 的别名，因为这个函数是最常用的。
其中 range 参数的值为透明度的范围，必须在 0-1 之间。
其他参数分别被 continuous_scale(), binned_scale, 和 discrete_scale() 解析
示例
首先在 aes 中设置透明度，如
p <- ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(alpha = year))
然后使用标度函数来修改透明度范围
p1 <- p + scale_alpha("cylinders")
p2 <- p + scale_alpha(range = c(0.4, 0.8))
plot_grid(p1, p2, labels = LETTERS[1:2],
nrow = 1)
在图 A 中，我们传递了一个字符串，相当于设置了 name 参数的值，更改了图例的名称
自定义透明度
p <- ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(alpha = factor(year)))
p + scale_alpha_manual(values = c(0.1, 0.2))
6. 设置线条类型
线条的类型可以使用 0-6 之间的整数来指定，分别代表
0 = blank 1 = solid
2 = dashed 3 = dotted
4 = dotdash 5 = longdash
6 = twodash
绘制所有的线条类型
df_lines <- tibble(
linetype = factor(0:6)
)
ggplot(df_lines) +
geom_hline(aes(linetype = linetype, yintercept = 0), size = 2) +
scale_linetype_discrete() +
facet_grid(linetype ~ .) +
theme_void(20)
线条类型不支持连续型数据，因为无法将连续型数据映射到线型。但是可以使用 scale_linetype_binned()，由于线型没有固定的顺序，也不推荐这样使用
示例
对于数据
> economics_long
# A tibble: 2,870 x 4
date variable value value01
<date> <chr> <dbl> <dbl>
1 1967-07-01 pce 507. 0
2 1967-08-01 pce 510. 0.000265
3 1967-09-01 pce 516. 0.000762
4 1967-10-01 pce 512. 0.000471
5 1967-11-01 pce 517. 0.000916
6 1967-12-01 pce 525. 0.00157
7 1968-01-01 pce 531. 0.00207
8 1968-02-01 pce 534. 0.00230
9 1968-03-01 pce 544. 0.00322
10 1968-04-01 pce 544 0.00319
# … with 2,860 more rows
我们根据 variable 变量进行分组，绘制折线图
base <- ggplot(economics_long, aes(date, value01))
base + geom_line(aes(group = variable))
注意：我们是通过设置 group = variable 来设置分组的，但是组与组之间没有区分度。
为图片添加线型和颜色
base + geom_line(aes(linetype = variable, colour=variable))
这样，每组之间的趋势就很明显了。
自定义线条映射
df <- economics_long %>% filter(variable %in% c("pop", "pce", "uempmed"))
lt <- c("pop"=1, "pce"=3, "uempmed"=5)
ggplot(df, mapping = aes(date, value01)) +
geom_line(aes(linetype = variable, colour=variable)) +
scale_linetype_manual(values = lt)
7. 设置形状
scale_shape() 函数可以将离散变量映射为 6 个不同的形状。
如果你有超过 6 个类别，你将会得到一个警告信息，并且第 7 个或更后面的类别将不会在图片中显示
形状与线型一样，不支持连续型数据，也不推荐使用 scale_shape_binned 函数来设置
scale_shape(..., solid = TRUE)
scale_shape_binned(..., solid = TRUE)
其中 solid 参数控制形状是不是实心的
下面的代码展示了所有的形状
df_shapes <- data.frame(shape = 0:25)
ggplot(df_shapes, aes(0, 0, shape = shape)) +
geom_point(aes(shape = shape), size = 5, fill = 'red') +
scale_shape_identity() +
facet_wrap(~shape) +
theme_void()
取值范围为 0-25，共 26 个整数值分别代表了相应的形状。
注意：红色的形状是可以设置填充色(fill)的，其他形状只能设置轮廓颜色(colour)。
示例
dsmall <- diamonds[sample(nrow(diamonds), 100), ]
d <- ggplot(dsmall, aes(carat, price)) + geom_point(aes(shape = cut))
p2 <- d + scale_shape(solid = FALSE)
p3 <- d + scale_shape(name = "Cut of diamond")
levels(dsmall$cut) <- c("Fair", "Good", "Very Good", "Premium", "Ideal")
p4 <- ggplot(dsmall, aes(price, carat)) + geom_point(aes(shape = cut))
plot_grid(d, p2, p3, p4, labels = LETTERS[1:4])
注意：在绘制图 D 时，会输出警告信息，提示不建议对排序的变量设置形状
自定义形状映射
shape_map <- c("Fair"=13, "Good"=20, "Very Good"=15, "Premium"=2, "Ideal"=11)
d + scale_shape(solid = FALSE) +
scale_shape_manual(values = shape_map)
8. 设置大小
一般只有点图和文本需要设置大小。而我们通常是将数据映射到点的面积，而不是映射到半径。
标度函数如下
scale_size(..., range = c(1, 6))
scale_radius(..., range = c(1, 6))
scale_size_binned(..., range = c(1, 6))
scale_size_area(..., max_size = 6)
scale_size_binned_area(..., max_size = 6)
如果需要将值为 0 的点映射为 0，需要使用 scale_size_area 函数
示例
例如，下面这张散点图
p <- ggplot(mpg, aes(displ, hwy, size = hwy)) +
geom_point()
# 设置图例标题
p1 <- p + scale_size("Highway mpg")
# 设置点的大小范围
p2 <- p + scale_size(range = c(0, 10))
# 允许将 0 值映射为面积为 0 的点（不绘制）
p3 <- p + scale_size_area()
# 方便从看出图例中看出分箱
p4 <- p + scale_size_binned()
# This is most useful when size is a count
p5 <- ggplot(mpg, aes(class, cyl)) +
geom_count() +
scale_size_area()
# 将数据映射为半径，不推荐
p6 <- p + scale_radius()
plot_grid(p1, p2, p3, p4, p5, p6,
labels = LETTERS[1:6], nrow = 3)
自定义数据大小，我们根据 cyl 的值倒序设置点的大小
ggplot(mpg, aes(displ, hwy, size = factor(cyl))) +
geom_point() +
scale_size_manual(
name="cyl",
values = c(
"4" = 5,
"5" = 4,
"6" = 3,
"8" = 2
))
