很忙，很久没有写文章。学习R绘图，这些都是我的兴趣爱好，并非我大的主业。也被我朋友说了很多次，别做这些没用的，既不能带来实际的收益，又耽误正事的时间。
但是我可能对绘图有着某种浓烈的兴趣吧，所以总是抽出时间来瞎捣鼓这些。所以今天跟大家分享一个最近无意中实现的对于R-ggridges包的改进。ggridges包有一个很惊艳的函数geom_density_ridges_gradient（）可以绘制多数据系列的核密度估计图，如下图所示：
#代码如下：
library(ggplot2)
library(ggridges)
#theme_set(theme_ridges())
ggplot(lincoln_weather, aes(x = `Mean Temperature [F]`, y = `Month`)) +
geom_density_ridges_gradient(aes(fill = `Month`), scale = 3, size = 0.3) + theme(legend.position = "none")
在这个函数中，fill的颜色还可以以x轴的数值作为映射，如下图所示：
#代码如下：
library(ggplot2)
library(ggridges)
#theme_set(theme_ridges())
library(RColorBrewer)
Colormap<- colorRampPalette(rev(brewer.pal(11,'Spectral')))(32)
ggplot(lincoln_weather, aes(x = `Mean Temperature [F]`, y = `Month`)) +
geom_density_ridges_gradient(aes(fill = ..x..), scale = 3, size = 0.3 ) +
scale_fill_gradientn(colours=Colormap,name = "Temp. [F]")
但是这种图好看归好看，存在两个问题：
1. 由于没有Y轴数值，无法得知每个数据系列对应的Y轴数值，也就无法得到核密度估计得具体数值，只能看到数据大概的分布形状；
2.这个函数只能绘制这种核密度估计的山峰叠峦图，但是有时候我们只是想展示多数据系列的时序数据的波动，而不是核密度估计。
所以，我自己研究解决了这两个问题：下图就是核密度估计的山峰叠峦图，但是每个数据系列的核
下面就是使用山峰叠峦图展示多数据系列的时序数据，而不是核密度估计，如下图1所示
图1
图2
大家，肯定想知道这些怎么实现的。所以，我现在想把这几个图的函数打包供大家直接使用。但是由于我时间有限，最近比较忙。顺便看有没有有共同爱好的之士，同时又会打包的朋友。大家可以一起合作，将这几个函数打包package，供大家直接使用。
谢谢！
