[R Lang] R Lang 與高級醫學統計學（5）

這篇文章講資料的視覺化分析。

繪圖套件 ggplot2

ggplot2 是一套龐大且強大的繪圖系統。其概念是使用結構性語法，先指定資料，再指定變數，然後指定幾何元素，最後處理標題與標註資料以及背景的主題樣式。這個處理模式幾乎等同於在 Excel 等試算表類統計軟體中的處理模式。

ggplot2 的繪圖元件

1. 資料（data）：繪圖的資料來源，一般會先使用 ggplot() 來輸入資料。
2. 幾何元件（geometry）：繪圖的類型，例如柱狀圖、散佈圖、盒鬚圖等。
3. 座標系統（coordinate system）：繪圖的座標系統，預設是 coord_cartesian()，即笛卡兒座標系。

ggplot2 的語法結構

ggplot2 的語法結構一般遵循下面：

1
ggplot(data = $data) +
2
$geom_function(
3
    mapping=aes($mappings),
4
    stat=$stat,
5
    position = $position
6
) +
7
$coordinate_function +
8
$facet_function +
9
$scale_function +
10
$theme_function

以 ggplot2 繪製的徒刑必須要包含至少兩個必要的元件——ggplot(data) 和 geom_funtion(mapping)。

ggplot2 繪圖入門示例

雙變數

我們使用 R Lang 內建的資料集 mpg 來進行練習。mpg 是 1999年到 2008年之間 38 個流行車型的燃油經濟資料。

我們假設要繪製一個散佈圖，x 變數和 y 變數分別是 displ（發動機排氣量）和 hwy（高速油耗）。那麼我們的程式碼如下：

1
library(ggplot2) # 載入 ggplot2 套件
2
ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy)) # 使用 ggplot() 函式載入 mpg 資料，使用 geom_point() 函式來繪製散佈圖

繪製結果如下：

三個及以上變數

如果我們需要繪製三個以上的變數，我們可以使用顏色來區分：

1
library(ggplot2)
2
ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy, color = class))

繪圖結果如下：

套用多個幾何元件圖層

我們可以將多個繪圖元件作為不同的圖層疊加在一起：

1
ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy, color = class)) + geom_smooth(mapping = aes(x = displ, y = hwy))

繪圖如下：

回歸模型的套用

我們也能在 ggplot2 中套用不同的統計模式，像是迴歸模型（regression models）。假設我們想求得發動機排氣量和高速油耗之間的關聯性，可以使用簡單線性迴歸，類似在上面使用 geom_smooth() 的方式，只需要加上 method = “lm” 即可（lm 代表 linear regression），繪圖的時候 ggplot2 也會自動預設加上信賴區間。

1
ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy, color = class)) + geom_smooth(mapping = aes(x = displ, y = hwy), method = "lm")

geom_smooth() 預設支援常用的幾種回歸模式。例如線性回歸（lm）、廣義線型模型（glm）、廣義加成模型（gam），還可以自定義模型。例子如下，使用 $y = x^2 + exp(x)$ 這個自定義方程。

1
ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy, color = class)) +
2
  geom_smooth(mapping = aes(x = displ, y = hwy), method = "lm", formula = y ~ x^2 + exp(x))

繪圖如下：

套用不同的主題

要套用不同的主題，調用不同的主題函式即可。

1
ggplot(data = mpg) +
2
  geom_point(mapping = aes(x = displ, y = hwy, color = class)) +
3
  theme_bw()

aes 或 geom_$function 引數

• x：設定 x 變數。
• y：設定 y 變數。
• alpha：透明度。數值為 0～1。學習前端的讀者應該會很好理解。
• color：前景顏色，可以使用顏色的英文或者 16 進位碼。
• fill：背景顏色。
• linestyle：線條的類型，0～6 代碼分別為：空白（blank）、實線（solid）、虛線（dashed）、點線（dotted）、點虛線（dotdash）、長虛線（longdash）、雙虛線（twodash）
• size：線條粗細
• shape：圖形類別，0～16
• weight：權重

排列位置調整

排列方式會有分散排列（dodge）、填滿在某個元件之中（fill）、堆疊（stack）、分散點排列（jitter）、推移（nudge）等。

1
## 預設為 stack
2
ggplot(data = mpg, mapping = aes(fl, fill = drv)) +
3
    geom_bar()

1
## 修改 position 為 dodge
2
ggplot(data = mpg, mapping = aes(fl, fill = drv)) +
3
    geom_bar(position = 'dodge')

1
## 修改 position 為 fill
2
ggplot(data = mpg, mapping = aes(fl, fill = drv)) +
3
    geom_bar(position = 'fill')

加入誤差棒

有時候在繪圖的時候，我們會在圖上面加註誤差棒，以了解數據的誤差範圍。若誤差棒的長度愈長，代表其誤差愈大。誤差棒的長度一般是標準差（standard deviation）或標準誤（standard error）。ggplot2 可使用 geom_errorbar()，geom_linerange()，geom_pointrange() 或 geom_crossbar() 等。

各種統計用圖的資料類型一覽