参考书籍： R for Data Science
书籍链接：https://r4ds.had.co.nz/index.html
参考答案链接：https://jrnold.github.io/r4ds-exercise-solutions/data-visualisation.html

典型数据处理流程

（1）Import：获取存储在文件、数据库、web API中的数据，将其倒入R语言的data frame。
（2）Tidy： 将数据存储为符合符合存储数据集的语义的一致格式。
（3）Transform：转化包括缩小感兴趣的观测范围（如一座城市里的所有人，最后一年的所有数据）、由先存变量的函数创建新的变量（如通过加速度和时间计算速度）和计算一组汇总统计数据（如计数和平均值）。
（4）Visualization：可视化是基础的人类活动。好的可视化能够向你展示意想不到的结果、提出新的问题，还能够帮你发现错误的问题或者你需要手机不同的数据。
（5）Models： 模型是可视化的补充工具，是基本的数学和计算机工具，因此它们通常具有很好的伸缩性。
（6）Communication：数据科学的最后一个步骤，也是任何数据分析计划最重要的部分，你可以跟别人交流你的工作。
注意：
①可视化与建模的优点和缺点是互补的，因此实际分析中可能会反复进行多次。
②上述所有的工具都需要编程programming.
③数据分析可以分为两个部分：hypothesis generation和hypothesis confirmation

ggplot2数据可视化

ggplot2网站：http://had.co.nz/ggplot2/
两种构图语法：Wickham’s grammar and Wilkinson’s grammar
构图的层次语法：http://vita.had.co.nz/papers/layered-grammar.pdf

ggplot2绘图有很多的层：

(1)Aesthetics：美学层（x，y轴、颜色、大小、标签、形状、线宽等）

library(tidyverse)
ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy,color = class))

ggplot()创建一个坐标系统，可以添加图层；ggplot(data = mpg)创建了一副空的图。
geom_point()增加了一个点图层，创建散点图。
aes()函数的功能是指定每个变量扮演的角色(aes代表aesthetics，即如何用视觉形式呈现信息)
aes的参数包括color、shape、size、stroke等。

(2)Facets：面（划分绘图面板）

通过单个变量划分绘图面板，使用facet_wrap()

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) +
  facet_wrap(~ class, nrow = 2)

结合两个变量划分绘图面，使用facet_grid()

ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy)) +
  facet_grid(drv ~ cyl)

（3）Geometries：几何客体层（散点图、线图、柱状图、条形图等）

# 用点来描述
ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy))

# 用平滑的曲线来描述
ggplot(data = mpg) +
  geom_smooth(mapping = aes(x = displ, y = hwy))

#以drv为分类变量对数据进行分类，然后对各个分类分别作图
ggplot(data = mpg) +
  geom_smooth(mapping = aes(x = displ, y = hwy, linetype = drv)) +
  geom_point(mapping = aes(x = displ, y = hwy，color = drv))

geom_smooth()基于描述汽车的驱动轮的变量drv, 将汽车划分为三条线。

以drv为分类变量对数据进行分类，然后对各个分类分别作图

（4） Statistics：统计层（添加统计信息）

?diamonds
#使用geom_bar绘制条形图
ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut))

#使用stat_count绘制条形图
ggplot(data = diamonds) +
  stat_count(mapping = aes(x = cut))

geom_bar的默认统计量stat是count，意味着geom_bar()将调用stat_count()。
上述两个命令显示相同的图片，这是因为每一个几何量gemo都对应着一个统计量stat, 每一个统计量stat也对应着一个几何量geom。
ggplot2提供了20个统计函数，每个函数的用法你可用?stat_bin获取帮助，或者查看ggplot2 cheatsheet：
https://www.rstudio.com/wp-content/uploads/2015/03/ggplot2-cheatsheet.pdf

（5）Position Adjustments：位置调整系统

"identity", "dodge"和 "fill"三个参数的含义：

• position = "identity" 将直接展示object的位置。会重叠，对于条形图不太适用，常需要设置透明度参数alpha。
• position = "fill"像栈一样，使每个堆放的条形图高度相同，便于组间的比例比较。
• position = "dodge"将重复的object直接放在另外一个object的旁边。
• 对于散点图可以使用position = "jitter"为点加上一个很小的随机噪声，避免点的重叠overplotting。

（6） Coordinates System：坐标系（笛卡尔坐标系、极坐标系等）

坐标系系统是ggplot2最复杂的部分，默认的坐标系统是笛卡尔坐标系（x和y独立表示点的位置）。除此之外还有以下坐标系：

• coord_flip() 交换x轴和y轴。在画横向的箱线图时很有用。
• coord_quickmap() 为映射设置正确的纵横比。如果你要用ggplot2绘制空间数据，那么这一点很重要。、

nz <- map_data("nz")
ggplot(nz, aes(long, lat, group = group)) +
  geom_polygon(fill = "white", color = "black")
ggplot(nz, aes(long, lat, group = group)) +
  geom_polygon(fill = "white", color = "black") +
  coord_quickmap()

• coord_polar()用于极坐标系。极坐标能够揭示柱状图和鸡冠图之间的有趣联系。

bar <- ggplot(data = diamonds) +
  geom_bar(
    mapping = aes(x = cut, fill = cut),
    show.legend = FALSE,
    width = 1
  ) +
  theme(aspect.ratio = 1) +
  labs(x = NULL, y = NULL)

bar + coord_flip()
bar + coord_polar()