ggplot2都有哪些使用不多但是却异常强大的图层函数
source link: http://www.10tiao.com/html/404/201806/2651058167/2.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
杜雨，EasyCharts团队成员，R语言中文社区专栏作者，兴趣方向为：Excel商务图表，R语言数据可视化，地理信息数据可视化。
个人公众号：数据小魔方（微信ID：datamofang） ，“数据小魔方”创始人。
精彩集锦
点击图片，查看详情
要说ggplot2中那些使用不多但是却功能强大的图层函数，我首先想到的就是geom_rect、geom_linerange、geom_segment、geom_ploygon。
这四个函数分别定义了ggplot2中的矩形图、垂直线图（线范围图）、线段图、几何多边形图。
这四种图表类型独立使用的机会很少，一般都是作为图表的辅助信息，但是如果能恰到好处的使用，你会挖掘出很多新意。
geom_rect()
geom_rect()一般用于制作自定义矩形，仅需在美学映射中指定每一个矩形在坐标系统中的左边界、右边界、下边界、上边界即可。
分辨对应xmax,xmax,ymin,ymax等四个美学映射参数，当然单个矩形仍然可以执行分组颜色映射操作。
具体示意如下：
library("showtext")
library("ggplot2")
library("magrittr")
library("reshape2")
library("ggthemes")
library('dplyr') mydata <- data.frame( Lebal = c("Point1","Point2","Point3","Point4","Point5"), xstart = c(5.5,15.7,19.5,37.2,36.9), xend = c(9.7,28.1,24.6,44.6,47.1), ystart = c(9.6,23.1,2.3,33.2,9.2), yend = c(16.1,36.2,11.7,38.5,15.3), size = c(12,48,30,11.5,28), class = c("A","A","A","C","C") )ggplot(mydata)+ geom_rect(aes(xmin = xstart,xmax = xend , ymin = ystart , ymax = yend , fill = class)) + scale_fill_wsj()按照x轴进行圆周化：
ggplot(mydata)+ geom_rect(aes(xmin = xstart,xmax = xend , ymin = ystart , ymax = yend , fill = class)) + scale_fill_wsj() + ylim(-10,40) + scale_x_continuous(expand = c(0,0)) + coord_polar(theta = 'x')#按照y轴进行圆周化
ggplot(mydata)+ geom_rect(aes(xmin = xstart,xmax = xend , ymin = ystart , ymax = yend , fill = class)) + scale_fill_wsj() + scale_y_continuous(expand = c(0,0)) + coord_polar(theta = 'y')分面操作： ggplot(mydata)+ geom_rect(aes(xmin = xstart,xmax = xend , ymin = ystart , ymax = yend , fill = class)) + scale_fill_wsj() + facet_grid(.~class) + scale_y_continuous(expand = c(0,0))想想这几个图如何使用上述图层实现?
geom_segment()
geom_segment通常用于制作直线段图，路径图、放射线图等，思路也很简单，只需要指定每一条线段的起点坐标、终点坐标即可。
即分别制定x,y,xend,yend。
具体示意如下：
mydata <- data.frame( Lebal = c("Segment1","Segment2","Segment3","Segment4","Segment5"), xstart = c(3.5,4.4,8.3,13.2,20), ystart = c(5,2.7,4.6,2.2,4.7), xend = c(7.5,8.7,21,25,23), yend = c(7.9,4.2,7.2,3.8,4.4), class = c("A","A","A","C","C") )ggplot(mydata) + geom_segment( aes( x = xstart, y = ystart, xend = xend, yend = yend, colour = class ), arrow = arrow(length = unit(0.5,"cm")), size = 1.5 ) + scale_colour_wsj()#按照X轴圆周化
ggplot(mydata) + geom_segment( aes( x = xstart , y = ystart , xend = xend , yend = yend , colour = class ), arrow = arrow(length = unit(0.5,"cm")), size = 1.5 ) + scale_colour_wsj() + scale_y_continuous(expand = c(0,0)) + coord_polar(theta = 'x')#按照y轴圆周化
ggplot(mydata) + geom_segment( aes( x = xstart , y = ystart , xend = xend , yend = yend , colour = class ), arrow = arrow(length = unit(0.5,"cm")), size = 1.5 ) + scale_colour_wsj() + scale_y_continuous(expand = c(0,0)) + coord_polar(theta = 'y')#分面操作：
ggplot(mydata) + geom_segment( aes( x = xstart , y = ystart , xend = xend , yend = yend , colour = class ), arrow = arrow(length = unit(0.5,"cm")), size = 1.5 ) + facet_grid(.~class) + scale_colour_wsj() + scale_y_continuous(expand = c(0,0))感觉没啥卵用？想想这几个图怎么实现？
geom_linerange()
这个图层函数乍看起来真的没啥用，貌似很多辅助图形都可以替代，比如那些误差线（geom_errorbar）、垂直线（geom_vline）、水平线(geom_hline)等。
但是其实不然，这个grom_linerange函数可以实现批量美学映射，包含线条颜色自定义、粗细自定义、线型自定义以及线条上下边界的自定义，通过coord_flip函数还可以将垂直线的所有应用转化为水平线应用，非常方便。
只需要指定x值，y轴的上下边界即可。
即x,ymin,ymax。
mydata <- data.frame( Lebal = c("linerange1","linerange2","linerange3","linerange4","linerange5"), xstart = c(3.5,7,12,16,20), ymin = c(2.5,6.5,3,4.5,3.8), ymax = c(7.5,9.5,9,13.5,4.2), class = c("A","A","A","C","C") )ggplot(mydata) + geom_linerange(aes(x = xstart, ymin = ymin , ymax = ymax , colour = class) , size = 1.5) + scale_colour_wsj()# 横纵轴互换：
ggplot(mydata) + geom_linerange(aes(x = xstart, ymin = ymin , ymax = ymax , colour = class) , size = 1.5) + coord_flip() + scale_colour_wsj()#按x轴圆周化：
ggplot(mydata) + geom_linerange(aes(x = xstart, ymin = ymin , ymax = ymax , colour = class) , size = 1.5) + scale_colour_wsj() + scale_x_continuous(limits = c(0,25),expand = c(0,0)) + coord_polar(theta = 'x')#按y轴圆周化：
ggplot(mydata) + geom_linerange(aes(x = xstart, ymin = ymin , ymax = ymax , colour = class) , size = 1.5) + scale_colour_wsj() + scale_y_continuous(expand = c(0,0)) + coord_polar(theta = 'y')#分面：
ggplot(mydata) + geom_linerange(aes(x = xstart, ymin = ymin , ymax = ymax , colour = class) , size = 1.5) + scale_colour_wsj() + facet_grid(.~class) + scale_x_continuous(limits = c(0,25),expand = c(0,0))ggplot(mydata) + geom_linerange(aes(x = xstart, ymin = ymin , ymax = ymax , colour = class) , size = 1.5) + coord_flip() + scale_colour_wsj() + facet_grid(.~class) + scale_x_continuous(limits = c(0,25),expand = c(0,0))这个图层函数结合地图数据，可以想象的空间也很大哒！
geom_polygon()
最后一个可以说是很厉害了，几乎是ggplot2里面最为复杂、强大、适应性广的图层函数了，因为它使用极限思维，什么东西都是用尽可能多的点来拟合。
想象一下我们常见的大部分图表都是由点线面集合元素来构成，所以理论上说，只要你能从这个图形对象中发现规律，从而得到尽可能多的图形边界点，那么使用geom_polygon对象来实现目标图形那都是分分钟的事儿。
它的思路是我们对象看成是若干个闭合多边形，每一个闭合多边形通过一组有序点坐标进行首尾连接，之后再按照事物真实的隶属关系对group(闭合多边形)进行二次分组，按照有意义的组别进行颜色映射。
具体示意如下：
mydata <- data.frame( long = c(15.4,17.2,19.7,15.9,7.4,8.9,8.5,10.4,11.3,9.7,4.8,3.7,22.4,25.6,27.8,25.1,16.7,15.9,29.9,38.7,43.2,40.2,35.6,29.4), lat = c(38.1,36.2,33.1,24.6,29.0,33.6,12.1,11.7,8.9,6.1,5.7,9.1,8.4,7.6,5.7,3.9,4.3,5.9,32.6,31.8,27.6,22.3,24.5,29.6), group= c(1,1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,3,4,4,4,4,4,4), order =c(1,2,3,4,5,6,1,2,3,4,5,6,1,2,3,4,5,6,1,2,3,4,5,6), class = rep(c("A","c"),each = 12) )#
ggplot(mydata) + geom_polygon(aes(x = long , y = lat , group = group , fill = class),colour = "white") + scale_fill_wsj()#按照X轴圆周化：
ggplot(mydata) + geom_polygon(aes(x = long , y = lat , group = group , fill = class),colour = "white") + coord_polar(theta = 'x') + scale_x_continuous(expand = c(0,0)) + scale_fill_wsj()#按照y轴圆周化：
ggplot(mydata) + geom_polygon(aes(x = long , y = lat , group = group , fill = class),colour = "white") + coord_polar(theta = 'y') + scale_y_continuous(expand = c(0,0)) + scale_fill_wsj()#分面：
ggplot(mydata) + geom_polygon(aes(x = long , y = lat , group = group , fill = class),colour = "white") + facet_grid(.~class) + scale_fill_wsj()那么关于这个图层函数，到底有啥用呢，用处大了去了，不信请看：
这个几个图形应该算是平时使用几率不会很高的图形了，但是用的恰到好处的话，能够做出非常惊艳的效果，赶快试一试吧~
《R语言商务图表与数据可视化》的课程已经更新到空间地理信息数据可视化的章节了，感兴趣的童鞋，不了解一下嘛~
https://edu.hellobi.com/course/264
如果你想要深入的去学ggplot2，但是又苦于平时学习、工作太忙木有时间研究浩如烟海的源文档，那也没关系，本小编最近花了不少功夫，把我自己学习ggplot2过程中的一些心得体会、学习经验、仿入坑指南精心整理，现已成功上线了R语言ggplot2可视化的视频课程，由天善智能独家发行，希望这门课程可以给你的R语言数据可视化学习带来更加丰富的体验。
相关课程推荐
体系全面，最具调性！R语言可视化&商务图表实战课程：
点击“阅读原文”开启新姿势
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK