作者：李誉辉  

四川大学在读研究生 

7 scale_xxx()标度调整

标度用于控制变量映射到视觉对象的具体细节，如坐标轴标签和图例
视觉对象分为：
坐标轴，alpha透明度，color/fill颜色，date/time时间轴, hue色相, grey灰度,
shape点形, size尺寸, linetype线型, radius半径, area面积
它们都有相应的标度函数
分为简单函数和复合函数，复合函数内包含简单函数，简单函数如下：

（点击放大）

复合标度函数：
除去默认的8个系统默认的标度scale_xxx_identity()，软件默认的一般用不上，用得上就不需要改了， 这8个分别是：

 scale_color_identity(), scale_fill_identity(), scale_shape_identity(), scale_linetype_identity(),
scale_alpha_identity(), scale_size_identity(), scale_discrete_identity(), scale_continuous_identity()
还有一个手动处理任意离散变量的标度函数scale_discrete_manual(),其增加了1个映射参数，如aesthetics = c("color", "fill")
现在还剩下11组标度函数，分类如下：

（点击放大）

7.1 坐标轴标度与scales包

（点击放大）

参数解释：
* name 表示指定坐标轴名称，也将作为对应的图例名称
* breaks 表示指定坐标轴刻度位置，即粗网格线位置
* labels 表示指定坐标轴刻度标签内容
* limits 表示指定坐标轴显示范围，支持反区间
* expand 表示扩展坐标轴显示范围，不能缩小
* trans 表示指定坐标轴变换函数，自带有“asn”,“atanh”,“boxcox”,“exp”,“identity”,“log”,“log10”,“log1p”,“log2”,“logit”,“probability”,“probit”,“reciprocal”。

还支持scales包内的其它变换函数，如scales::percent()百分比刻度,自定义scales::trans_new()
* position 表示指定坐标轴显示位置，x轴为“left”和“right”, y轴为“top”和“bottom”
* minor_breaks 表示指定细网格线对应位置，细网线没有标签对应，没有labels参数
* sec.axis 表示是否开启次坐标轴
例：

library(ggplot2)

p1 <- ggplot(mpg, aes(displ, hwy)) +

  geom_point()

p1 



p1 + 

  scale_x_continuous(name = "发动机排量/L", limits = c(2,6), breaks = c(2, 4, 6), labels = c("two", "four", "six"), 

                     minor_breaks = c(3, 5)) + # 重新指定坐标轴名称, 只显示区间(2, 6)范围的元素, 更改坐标轴刻度和标签

  scale_y_continuous(name = "高速公路油耗" )  # 重新指定坐标轴名称



set.seed(14)

df <- data.frame(

  x = rnorm(10) * 100000,

  y = seq(0, 1, length.out = 10)

)



p2 <- ggplot(df, aes(x, y)) + geom_point(shape=21, color = "purple", fill = "cyan", size = 5) 

p2 + scale_y_continuous(labels = scales::percent) # y轴百分号显示



p2 + scale_x_continuous(labels = scales::comma) + # 数字逗号分割，每3位数增加1个逗号

  scale_y_continuous(labels = scales::dollar) # y轴美元单位显示

7.2 颜色fill/color，灰度grey，色相hue, 色盲颜色

（点击放大）

参数解释：
* type 在scale_color_continuous中表示指定变化类型，是普通渐变“gradient”还是色盲渐变“viridis”
在scale_xxx_distiller()中表示指定色板类型，是“seq”渐变,“qual”离散对比,还是“div”两极色板
* palette 表示指定色条类型，当type色板类型已经指定的情况下，可以用序号指定，若type未指定，则必须用色条名称指定
* direction 表示指定标度与变量的匹配方向，direction=-1表示方向翻转 在scale_xxx_hue()中，direction=1表示色轮的顺时针方向，direction=-1表示逆时针方向
* low, high表示渐变的颜色两极颜色名称或HEX色值，如果用颜色名称指定，则可用muted("color")指定某个暗色
* mid 表示指定渐变的中点颜色
* midpoint 表示指定渐变的中点对应的变量值
* colors/colours 多色渐变中，指定颜色向量， 如colour = terrain.colors(10)取10个地形图颜色作为渐变的基础色
* values 表示指定自定义颜色向量，如果变量为数字类型，则默认按数字大小顺序与values匹配，
如果变量为字符类型，则默认按变量字母顺序与values匹配，
为了按照想要的顺序匹配，可以给变量增加一个因子水平，然后自动按照因子水平与values匹配(自上而下，由低到高)
也可给values向量设置名称属性，名称与要映射的变量值一样，然后按照名称属性匹配
* range 表示指定指定显示的透明度范围，在[0, 1]区间内，0表示不透明，1表示不透明
* limits 表示设定显示范围
* breaks 表示设定图例刻度位置
* labels 表示指定图例刻度处显示标签
* h 表示指定色相范围，在区间[0, 360]内
* c 表示指定chroma(色度，鲜艳或是暗淡)值，最大值取决于hue和luminance
* l 表示指定luminance(亮度)，在区间[0, 100]内
* start 表示指定灰度起点，从0到1,0表示白色，1表示黑色
* end 表示灰度结束点，通常end，默认end更黑,若设定start>end,则翻转标度
* end 表示灰度结束点，通常end，默认end更黑
* 其它公共参数：name图例名称，palette, breaks, labels, limits, expand, position(标签在图例的上)
* 只有连续的标度函数，如

scale_xxx_gradient^()才支持trans内置参数

色轮图：
以红色和橙色的界限作为0刻度，开始旋转

7.2.1 color/fill

library(ggplot2)



# scale_fill_continuous

v <- ggplot(faithfuld, aes(waiting, eruptions, fill = density)) + geom_tile()

v

v + scale_fill_continuous(type = "gradient", name = "密度", breaks = c(0, 0.05, 

    0.01, 0.02, 0.03, 0.04), labels = c(0, 0.05, 0.01, 0.02, 0.03, 0.04), position = "left")  # 更改图例名称，不支持刻度点，图例标签位置,匹配方向等参数

v + scale_fill_continuous(type = "viridis")  # 结果与scale_fill_viridis_c()一样



# scale_color_distiller

set.seed(19)

dsamp <- diamonds[sample(nrow(diamonds), 1000), ]

(d <- ggplot(dsamp, aes(carat, price)) + geom_point(aes(colour = clarity)))

v <- ggplot(faithfuld) + geom_tile(aes(waiting, eruptions, fill = density))

v

v + scale_fill_distiller(palette = "Spectral", breaks = c(0, 0.05, 0.01, 0.02, 

    0.03, 0.04), labels = c(0, 0.05, 0.01, 0.02, 0.03, 0.04))  # 更改图例刻度及标签失败



# scale_xxx_gradient^()

set.seed(18)

df <- data.frame(x = runif(100), y = runif(100), z1 = rnorm(100), z2 = abs(rnorm(100)))



ggplot(df, aes(x, y)) + geom_point(aes(colour = z2))  # 默认从light blue到dark blue



ggplot(df, aes(x, y)) + geom_point(aes(colour = z2)) + scale_colour_gradient(low = "white", 

    high = "black", name = "这是图例名称", breaks = c(0, 0.5, 1, 2, 3, 4), labels = c(0, 

        0.5, 1, 2, 3, 4))  # 灰度渐变,修改图例名称，图例刻度及刻度标签



ggplot(df, aes(x, y)) + geom_point(aes(colour = z1), size = 2) + scale_colour_gradient2()  # 两极渐变，



ggplot(df, aes(x, y)) + geom_point(aes(fill = z2), shape = 21, size = 3) + scale_fill_gradient2(low = "blue", 

    mid = "red", midpoint = 2, high = "cyan", name = "这是图例名称")  # 修改基础颜色，



ggplot(df, aes(x, y)) + geom_point(aes(colour = z1)) + scale_colour_gradientn(colours = terrain.colors(10), 

    name = "这是图例名称")  # 应用terrain.colors内置色板，更改标度方向失败

library(ggplot2)



# scale_color_brewer

dsamp <- diamonds[sample(nrow(diamonds), 1000), ]

(d <- ggplot(dsamp, aes(carat, price)) + geom_point(aes(colour = clarity)))

d + scale_colour_brewer(name = "钻石透明度", palette = "Greens", direction = -1, 

    position = "left")  # 更改图例名称，色板，标度方向，更改位置失败

d + scale_colour_brewer(palette = "Set1", name = "钻石透明度")  # 多种颜色也可以渐变，非常方便



# scale_color_manual

p <- ggplot(mtcars, aes(mpg, wt)) + geom_point(aes(colour = factor(cyl)))

p + scale_colour_manual(values = c("red", "blue", "green"))



# 按名称属性匹配

cols <- c(`8` = "red", `4` = "blue", `6` = "darkgreen", `10` = "orange")  # 设定名称属性

p + scale_colour_manual(values = cols)  # 名称属性匹配



p + scale_colour_manual(name = "这是图例名字", values = cols, breaks = c("4", 

    "6", "8"), labels = c("four", "six", "eight"), limits = c("4", "6", "8", 

    "10"))

7.2.2 透明度、色相、灰度

library(ggplot2)



p <- ggplot(mpg, aes(displ, hwy)) +

  geom_point(aes(alpha = year))

p

p + scale_alpha(range = c(0.4, 0.8), name = "这是图例名称") # 设定透明度范围为0.4到0.8



dsamp <- diamonds[sample(nrow(diamonds), 1000), ]

d <- ggplot(dsamp, aes(carat, price)) + geom_point(aes(colour = clarity))



d + scale_colour_hue(name = "这是图例名称") # 默认全色轮

d + scale_colour_hue(l = 70, c = 150, name = "这是图例名称")# 调整色度和亮度

d + scale_colour_hue(h = c(0, 90), "这是图例名称") # 设定色相范围,0代表红色与橙色的分界 

d + scale_colour_hue(h = c(90, 180), "这是图例名称")

d + scale_colour_hue(h = c(270, 360), "这是图例名称")



# 灰度

p <- ggplot(mtcars, aes(mpg, wt)) + geom_point(aes(colour = factor(cyl)))

p + scale_colour_grey()

p + scale_colour_grey(start = 0.8, end = 0.2, name = "这是图例名称") # 修改灰度范围



# 灰度增加缺失值映射

miss <- factor(sample(c(NA, 1:5), nrow(mtcars), replace = TRUE))

ggplot(mtcars, aes(mpg, wt)) +

  geom_point(aes(colour = miss)) + # 若缺失向量是data数据的子集，则可以映射

  scale_colour_grey(na.value = "green", name = "这是图例名称") # 增加缺失值为绿色

7.2.3 色盲友好色

library(ggplot2)



# 离散变量

txsamp <- subset(txhousing, city %in% c("Houston", "Fort Worth", "San Antonio", 

    "Dallas", "Austin"))

d <- ggplot(data = txsamp, aes(x = sales, y = median)) + geom_point(aes(colour = city))

d



d + scale_colour_viridis_d()  # 默认viridis色板

d + scale_colour_viridis_d(option = "plasma", name = "这是图例名称")  # 更改色板为plasma

d + scale_colour_viridis_d(option = "B", name = "这是图例名称")  # 更改色板为inferno

d + scale_colour_viridis_d(option = "magma", name = "这是图例名称")

d + scale_colour_viridis_d(option = "cividis", name = "这是图例名称")



# 连续变量

v <- ggplot(faithfuld) + geom_tile(aes(waiting, eruptions, fill = density))

v + scale_fill_viridis_c()

v + scale_fill_viridis_c(option = "plasma", name = "这是图例名称")

7.3 shape点型，linetype线型

（点击放大）

参数解释：
* name 表示指定图例的名称
* breaks 表示指定图例的刻度位置
* labels 表示指定图例刻度的显示标签
* limits 表示指定该标度显示范围
* values 为向量，表示手动指定shape，通过给变量增加一个因子水平，然后就按因子水平与values对应顺序匹配
* direction 表示指定标度匹配顺序

et.seed(15)

dsmall <- diamonds[sample(nrow(diamonds), 100), ]

d <- ggplot(dsmall, aes(carat, price)) + geom_point(aes(shape = cut), color = "blue", 

    position = position_jitter(width = 0.1, height = 0.3))

d

d + scale_shape(name = "钻石切割水平", breaks = c("Fair", "Good", "Very Good", 

    "Premium", "Ideal"), labels = c("一般", "还行", "很好", "上好", "顶级"))  # 设置图例的名称和刻度标签



oneshape <- c(25:21)

levels(dsmall$cut) <- c("Fair", "Good", "Very Good", "Premium", "Ideal")  # 给要映射的变量增加因子水平，然后通过因子水平匹配

dsmall <- diamonds[sample(nrow(diamonds), 100), ]

d <- ggplot(dsmall, aes(carat, price)) + geom_point(aes(shape = cut), color = "blue", 

    position = position_jitter(width = 0.1, height = 0.3))  # 

d + scale_shape_manual(values = oneshape, name = "切割工艺")  # values的顺序与变量的因子水平一致

7.4 尺寸(size/area/radius)

（点击放大）

参数解释：
* name 表示指定在所对应图例的标题内容
* limits 表示设置显示范围，其变量的范围，不是尺寸的范围
* breaks 表示指定图例刻度位置
* labels 表示指定图例刻度显示标签
* range 表示指定trans转化后半径/线宽后的尺寸显示范围，与limits参数不同
* trans 表示指定尺寸转化公式，指定后尺寸与变量不是线性关系
例：

p <- ggplot(mpg, aes(displ, hwy, size = hwy)) + geom_point(position = position_jitter(width = 0.1, 

    height = 0.2), shape = 21, fill = "green")

p

p + scale_radius(name = "高速公路油耗", range = c(2, 10), limits = c(0, 30))  # 指定半径从2变化到10，即最小半径为2，最大半径为10,只显示值小于30的数据点

p + scale_size(name = "高速公路油耗", range = c(2, 10), limits = c(0, 30), breaks = c(2, 

    12, 25, 30), labels = c("2L", "12L", "25L", "30L"))  # 设置图例刻度及标签

p + scale_size_area(name = "高速公路油耗", max_size = 8, breaks = c(2, 12, 25, 

    30), labels = c("2L", "12L", "25L", "30L"))  # 指定最大面积为8，最小面积从0开始

7.5 时间轴

（点击放大）

所谓时间轴，就是当横轴或纵轴是由时间、日期序列映射产生的
* scale_xxx_date() 要求变量是Date格式
* scale_xxx_datetime() 要求变量是POSIXct格式
* scale_xxx_time() 要求变量是hms格式
参数解释：
* name 表示指定坐标轴名称
* breaks 表示指定坐标轴刻度位置，即粗网格线位置, Date/POSIXct向量格式
* labels 表示指定坐标轴刻度显示标签，即breaks点显示文字内容
* date_breaks 表示指定时间跨度(如“2 weeks”, “10 years”)，当与breaks同时指定时，优先级高于breaks
* date_labels 刻度显示标签, strftime()格式, 如果与labels同时指定，优先级高于labels
* minor_breaks 表示细网格刻度位置，与breaks类型相同
* date_minor_breaks 与date_breaks类型相同，表示细网格跨度
* limits 表示指定显示范围
* expand 表示扩展显示范围
* position 表示时间轴位置，x为“top”或“bottom”, y为“left”和“right”
* timezone 表示切换时区，默认为原时间时区
* obb 表示指定处理在limits之外是时间函数， 默认为NA

例：

library(ggplot2)

last_month <- Sys.Date() - 0:29

set.seed(16)

df <- data.frame(date = last_month, price = runif(30))

base <- ggplot(df, aes(date, price)) + geom_line()



base + scale_x_date(name = "日期", date_labels = "%b %d")  # 格式化参数，%b表示月份英文缩小，%d表示月份中第几天

base + scale_x_date(name = "日期", date_breaks = "1 week", date_labels = "第%W周", 

    date_minor_breaks = "1 day", limits = c(Sys.Date() - 7, NA))  # 时间跨度为1周，%W表示年内的星期数，第几周, 设定细网格时间跨度为1天, 设定显示范围为7天前至今

8 facet_xxx()分面系统

分面有2种函数：
* facet_grid() 网格分面
* facet_wrap() 封装分面，自动分成2x4, 3x2等版块
表达式：
* facet_grid(rows = NULL, cols = NULL, scales = "fixed", labeller = "label_value", facets)
* facet_wrap(facets, nrow = NULL, labeller = "label_value",strip.position = "top")
参数解释：
* rows 表示要进行行分面的变量，如rows = vars(drv)表示将变量drv作为维度进行行分面，可以使用多个分类变量
* cols 表示要进行列分面的变量，如cols = vars(drv)表示将变量drv作为维度进行列分面，可以使用多个分类变量
* scales 表示分面后坐标轴适应规则，下面会介绍
* facets 表示将哪些变量作为维度进行分面,，在网格分面中，尽量不使用，而使用rows和cols参数
网格分面：varname.按变量varname行分面；.varname按变量varname列分面; varname1 ~ varname2 表示按varname1行分，varname2列分
封装分面：~variable,或var(variable),可以使用多个变量
* nrow 表示封装分面排列时行数目
* labeller 表示指定分面标题内容，分为：“label_value”只显示分面变量值，“label_both”显示分面变量名称和变量值，
显示字符串及特殊字符，可以线增加特殊字符变量，然后按该变量分面，使用labeller = label_parsed将特殊字符解析出来，
用labeller = label_bquote()指定显示数学公式
* strip.position 表示指定分面标题放置位置，分为: “top”顶部,“bottom”底部

（点击放大）

8.1 封装分面示例

library(ggplot2)



p <- ggplot(mpg, aes(displ, hwy)) + geom_point()

p + facet_wrap(vars(class))  # 封装分面，使用class变量作为分面维度

p + facet_wrap(~class)  # 与上面一样

p + facet_wrap(vars(class), nrow = 4)  # 重新排列分面，分4行排

p + facet_wrap(vars(cyl, drv))  # 高维分面，按cyl和drv两个变量分面

p + facet_wrap(c("cyl", "drv"), labeller = "label_both")  # 更改分面标题内容，显示分面变量名和变量值



p + facet_wrap(~class, scales = "free")  # 更改facets方式，设定x轴自适应

p + facet_wrap(~class, scales = "free_y", nrow = 2, strip.position = "bottom")  # 设定y轴自适应，2行排列，分面标题置于底部

8.2 网格分面示例：

library(ggplot2)

p <- ggplot(mpg, aes(displ, cty)) + geom_point()



p + facet_grid(rows = vars(drv))  # 以drv变量行分面

p + facet_grid(cols = vars(cyl))  # 以cyl变量列分面

p + facet_grid(vars(drv), vars(cyl))  # 同时行分面和列分面

p + facet_grid(. ~ cyl)  # 更改facets方式，以cyl列分面

p + facet_grid(drv ~ .)  # 以drv变量行分面

p + facet_grid(drv ~ cyl)  # 以drv变量行分，以cyl变量列分



mg <- ggplot(mtcars, aes(x = mpg, y = wt)) + geom_point()

mg + facet_grid(vs + am ~ gear, scales = "free_y")  # 高维分面，y轴自适应

8.3 labeller特殊字符分面标题

library(ggplot2)



# label_parsed解析

mtcars$cyl2 <- factor(mtcars$cyl, labels = c("alpha", "beta", "gamma"))  # 新增一个特殊字符向量

p <- ggplot(mtcars, aes(wt, mpg)) + geom_point()

p + facet_grid(. ~ cyl2, labeller = label_parsed)  # label_parsed解析



# label_bquote数学公式

p <- ggplot(mtcars, aes(wt, mpg)) + geom_point()

p + facet_grid(. ~ vs, labeller = label_bquote(cols = .(vs)^.(vs)))  # 变量指数形式显示

往期精彩：

R_插值_拟合_回归_样条

R_circlize包_和弦图（一）

R_circlize包_和弦图（二）

公众号后台回复关键字即可学习

回复 爬虫            爬虫三大案例实战  
回复 Python       1小时破冰入门

回复 数据挖掘     R语言入门及数据挖掘
回复 人工智能     三个月入门人工智能
回复 数据分析师  数据分析师成长之路 
回复 机器学习      机器学习的商业应用
回复 数据科学      数据科学实战
回复 常用算法      常用数据挖掘算法