R 有几种用于制作图形的系统，但 ggplot2 是最优雅和最通用的系统之一。与大多数其他图形包不同，ggplot2 具有基于图形语法的底层语法，它允许您通过组合独立组件来组合图形。如果想要更加了解ggplot2，请阅读ggplot2: Elegant Graphics for Data Analysis，可以从https://ggplot2-book.org/getting-started.html学习本书
介绍所有的图都由数据data，想要可视化的信息，映射mapping（即数据变量如何映射到美学属性的描述）组成
有五个映射组件： 以下我们详细描述各组件添加的参数1.图层（layers）是几何元素和统计变换的集合。几何对象，简称geoms，代表你在图中实际看到的东西：点、线、多边形等等。 统计转换，简称stats，总结数据:例如，装箱和计数观察，以创建一个直方图，或拟合一个线性模型。
2.Scales将数据空间中的值映射到美学空间中的值。这包括颜色、形状和大小的使用。Scale还绘制图例和轴，这使得从图中读取原始数据值成为可能(反向映射)。
3.坐标（coords）或坐标系统描述如何将数据坐标映射到图形的平面。它还提供了轴和网格线来帮助读取图形。我们通常使用笛卡尔坐标系，但也可以使用其他一些坐标系，包括极坐标和地图投影。
4.刻面（facet）指定如何拆分数据子集并将其显示为小倍数。这也被称为条件反射或网格/格子。
5.theme控制更精细的显示点，如字体大小和背景颜色。
ggplot2的参数（分别从图层，scale，坐标，facet和theme介绍）ggplot2有许多参数，可根据需求自行选取，具体参数详情可见https://ggplot2.tidyverse.org/reference/index.html
基础绘图：由ggplot(data,aes(x,y))+geom_开始,至少包含这三个组件，可以通过"+"不断的添加layers, scales, coords和facets。
（1）图层（layers）Geoms：几何对象，通常，您将使用geom_函数创建层，以下为常用的图形：geom_bar() ：直方图，条形图geom_boxplot()：box图geom_density()：平滑密度估计曲线geom_dotplot()：点图geom_point():点图geom_violin()：小提琴图
> library(ggplot2)> mpg# A tibble: 234 x 11 manufacturer model displ year cyl trans drv cty hwy fl class 1 audi a4 1.8 1999 4 auto(l… f 18 29 p comp… 2 audi a4 1.8 1999 4 manual… f 21 29 p comp… 3 audi a4 2 2008 4 manual… f 20 31 p comp… 4 audi a4 2 2008 4 auto(a… f 21 30 p comp… 5 audi a4 2.8 1999 6 auto(l… f 16 26 p comp… 6 audi a4 2.8 1999 6 manual… f 18 26 p comp… 7 audi a4 3.1 2008 6 auto(a… f 18 27 p comp… 8 audi a4 quat… 1.8 1999 4 manual… 4 18 26 p comp… 9 audi a4 quat… 1.8 1999 4 auto(l… 4 16 25 p comp…10 audi a4 quat… 2 2008 4 manual… 4 20 28 p comp…# … with 224 more rows> ggplot(mpg, aes(x = displ, y = hwy)) + geom_point() #点图1.jpgaes()，颜色、大小、形状和其他审美属性要向绘图添加其他变量，我们可以使用其他美学，如颜色、形状和大小。按照属性定义它们的工作方式与x和y相同，aes()：aes(displ, hwy, colour = class) #按照某个属性着色aes(displ, hwy, shape = drv) #按照某个属性定义aes(displ, hwy, size = cyl) #按照某个属性定义
> ggplot(mpg, aes(x = displ, y = hwy,colour = class)) + geom_point()2.jpg整体自定义geom_xxx(colour =自定义颜色)geom_xxx(shape=形状编号)geom_xxx(size =编号大小定义 0-10)
注意根据需求按照aes()还是geom进行添加属性
以下为R语言中各shape形状编号
6.jpg> ggplot(mpg, aes(displ, hwy)) + geom_point(colour = "blue") #把所有点定义为blue3.jpg> ggplot(mpg, aes(displ, hwy,colour=hwy)) + geom_point(shape=3)7.jpg（2）scalescale控制如何将数据值转换为视觉属性的细节。labs()和lims()是对标签和限制进行最常见调整。
labs() ，主要对图形进行调整，注释等labs()括号内参数：title主标题，subtitle副标题，caption右下角描述，tag左上角xlab() ，x轴命名ylab() ，y轴命名ggtitle() ，标题
> ggplot(mpg, aes(displ, hwy)) + geom_point()+ labs(title="TILTLE",subtitle="sub",caption="the caption",tag="A")+ xlab("XXX")+ #横坐标命名 ylab("YYY") #纵坐标命名4.jpglims()xlim(), xlim(a,b) 限制坐标(a，b)ylim() ， ylim(a,b) 限制坐标(a，b)
>ggplot(mpg, aes(displ, hwy)) + geom_point()+ labs(title="TILTLE",subtitle="sub",caption="the caption",tag="A")+ xlab("XXX")+ #横坐标命名 ylab("YYY")+ #纵坐标命名 xlim(0,8)+ ylim(0,60)5.jpgscale_alpha() 透明度尺度scale_shape() ，搭配aes(shape=某个属性)使用参数：name ，solid =T/F是否填充
> ggplot(mpg, aes(displ, hwy,shape=drv,colour=drv)) + geom_point()+ labs(title="TILTLE",subtitle="sub",caption="the caption",tag="A")+ xlab("XXX")+ #横坐标命名 ylab("YYY")+ #纵坐标命名 xlim(0,8)+ ylim(0,60)+ scale_shape(name="shape",solid = TRUE) 8.jpgscale_size() 搭配aes(size=某个属性)使用参数：name，range =c(0, 10)
> ggplot(mpg, aes(displ,hwy,size=hwy,colour=drv)) + geom_point()+ labs(title="TILTLE",subtitle="sub",caption="the caption",tag="A")+ xlab("XXX")+ #横坐标命名 ylab("YYY")+ #纵坐标命名 xlim(0,8)+ ylim(0,60)+ scale_size(name="SIZE",range=c(0,3))9.jpg在ggplot2中有几种参数设置颜色：1.适用于发散和定性的数据
a.scale_colour_brewer()，scale_colour_brewer(palette =" ")，scale_colour_brewer(palette ="Green ")
palette来自RcolorBrewer包，所有面板：
10.jpg> ggplot(mpg, aes(displ, hwy,colour=drv))+ ##drv是一种定性尺度 geom_point()+ scale_colour_brewer(palette = "Set1")11.jpgb.scale_colour_manual()scale_colour_manual(values=c( )) 可以自定义颜色，常用的参数values可直接定义颜色，但是建议使用命名向量，例如values=c("8" = "red", "4" = "blue", "6" = "darkgreen", "10" = "orange")
PS：注意在aes(colour=factor()),一定要把因素转换为factor型，否则无效
ggplot(mpg, aes(displ,hwy,colour = factor(drv)))+ geom_point()+ scale_colour_manual(values = c("red", "blue", "green"))17.jpg2.适用于连续的值，渐变颜色a.scale_colour_gradient()scale_colour_gradient (low =" ",high=" ")，根据值大小定义颜色,创建两个颜色梯度(低-高)，
> ggplot(mpg, aes(displ, hwy,colour=displ))+ geom_point()+ scale_colour_gradient(low = "green", high = "black")14.jpgb.scale_colour_gradient2()scale_colour_gradient2(low = " ",mid = " ",high = " ")创建一个发散的颜色梯度(低-中-高)
> df ggplot(df, aes(x, y,colour = z)) + geom_point()+ scale_colour_gradient2(low = "green",,mid = "white",high = "black")15.jpgc.scale_colour_gradientn()创建一个n色渐变，scale_colour_gradientn(colours =许多R语言中的颜色面板)，
> ggplot(mpg, aes(displ, hwy,colour=displ))+ ##displ是连续的值 geom_point()+ scale_colour_gradientn(colours = terrain.colors(10))13.jpg3.coords坐标默认坐标系是笛卡尔coord_cartesian()一般不会修改
4.facet，把不同的因素分成不同的面，每个显示不同的数据子集facet_grid()，在网格中布置面板facet_grid(rows = vars() ) ;cols或rows = vars(因素)，图形按列或行分割
ggplot(mpg, aes(displ, cty)) + geom_point()+ facet_grid(rows = vars(drv))18.jpgfacet_wrap()facet_wrap(vars( ), ncol =n) , ncol或者nrow,分为多少行多少列
> ggplot(mpg, aes(displ, cty)) + geom_point()+ facet_wrap(vars(drv), ncol =2)19.jpg5.themetheme_bw()，可以覆盖所有主题，背景变为白色,我们在文章中所用的图片大都需要该背景。或者用theme_classic()，同时去除了网格线
> ggplot(mpg, aes(displ, cty)) + geom_point()+ theme_bw()20.jpg> ggplot(mpg, aes(displ, cty)) + geom_point()+ theme_classic()21.jpgtheme()，修改主题的组件，里面涉及多个参数，根据需求调整
常见参数：legend.position，图例的位置,包括 "left" 左, "right" 右, "bottom" 下, "top" 上和"none",不显示
ggplot(mpg, aes(displ, cty,colour= factor(drv))) + geom_point()+ theme_classic()+ theme(legend.position = "left")22.jpg