一罐可乐

基础图形生态系统#

原生 R 提供了很多好用的专有函数：

• 条形图：barplot() 可设置 horiz=TRUE 绘制水平条形图，结合 RColorBrewer 设置色板非常好看。
• 直方图与密度曲线：

1
hist(turnover, breaks = 20, prob = TRUE, col = "lightblue")
2
lines(density(turnover), col = "red", lwd = 2) # 叠加密度曲线

• 箱线图：boxplot() 能直观展示中位数和离群点。
• **气泡图：**使用 symbols(circles = ...) 将第三个维度映射为圆圈大小。

引入 ggplot2 进阶#

使用 ggplot2 遵循“图层”叠加的思想（+）。

1
library(ggplot2)
2
library(reshape2)
3

4
# 面积图/折线图示例
5
df <- melt(expenditure_data, id.vars = "year", variable.name = "Type", value.name = "Expenditure")
6

7
ggplot(df, aes(x = year, y = Expenditure, color = Type, group = Type)) +
8
  geom_line() +
9
  geom_point() +
10
  labs(title = "历年支出变化", x = "年份", y = "支出 (元)") +
11
  theme_minimal()

特殊图表：雷达图#

借助第三方包可以轻松绘制雷达图，用于多维度数据对比。

1
library(ggiraphExtra)
2
ggRadar(data = regional_data, aes(group = Regional), alpha = 0, size = 2)

进阶补充：ggplot2 的底层哲学与扩展机制#

• 图形语法（Grammar of Graphics）的严格映射：ggplot2 的核心在于数据空间到图形属性空间（Aesthetic Attributes）的映射。标度（Scale）负责将数据的实际单位转换为屏幕上的像素或颜色 RGB 值。
• Scale 限制与坐标轴限制的本质区别：使用 scale_y_continuous(limits = c(0, 10)) 会在绘图前直接删除超出范围的数据（这可能改变箱线图的中位数或平滑曲线的拟合）；而使用 coord_cartesian(ylim = c(0, 10)) 则是在绘图完成后进行视窗缩放，不会影响底层统计计算。
• 自定义 Geom 与 ggproto：当内置的几何对象无法满足要求时，可以通过面向对象的 ggproto 机制继承现有的 Geom，重写 draw_panel() 方法直接调用底层的 grid 包图形原语（grob）来绘制任何自定义形状。