在 ggplot出现之前，R语言已经有多个绘图包，例如随R版本同步更新的 graphics包（也被称为 base绘图系统），grid包，基于 grid开发的 lattice包。然而，这些包总有抽象层次低、扩展性低等问题，这意味着需要直接和点线打交道，也给创建新的可视化方式带来困难。

ggplot是Hadley Wickham大神在博士期间编写的R包，完美解决了以上问题，实现了数据为导向的绘图。它允许多个图层叠加、将数据与样式分离，使用户可以根据数据特点组合绘图元素、设定绘图风格，自由地创作出各种图形。

ggplot的底层是 grid，使得直接操纵每一个点、每一条线成为可能，因而具有了极高的扩展性。目前，R社区已经有丰富的ggplot扩展包，这是其他绘图系统所不具备的。

本文面向使用过 ggplot的读者，目的是梳理 ggplot的设计理念、工作流程，以期面对众多绘图函数时举一反三、融会贯通。大多数观点来源于Wickham的书ggplot2: Elegant Graphics for Data Analysis (3e)和官方文档。

代码背后

创建画布

ggplot(...) +
 ...

调用 ggplot()会创建一个空白画布，此时可指定 data和 mapping=aes(...)，这将作为全局设置被所有图层继承。

aes()中除了指定 x,y坐标以外，我们往往会指定美学映射，例如 color, size, shape等。这将使ggplot根据 data中映射的变量，决定绘图元素的颜色、尺寸、形状等。

新建图层

...
    geom_point(...) +
    ...

ggplot的一大特点是绘图区域（即坐标轴以内的区域）由图层堆叠而来，与Photoshop中的图层非常类似。每个图层都包含五大要素：数据（data）、美学映射（aesthetic mapping）、统计变换（statistical transformation）、几何对象（geometric object）、位置调整（position adjustment）。

新建图层使用 geom_xxx()，如果指定 data和 mapping=aes()，将仅在当前图层生效。需要放弃继承的全局映射时，指定 aes(xxx = NULL)。aes()内的美学映射也可以直接写在 geom_xxx()中，指定一个常量。

统计变换由 stat指定，各种函数的默认值往往够用，例如 geom_bar()默认 stat='count'，geom_histogram()默认 stat='bin'。如果使用 geom_xxx()系列函数，几何对象 geom也就被定下了。

指定 position可实现位置调整，例如 position_nudge(), position_jitter(), position_jitterdodge()常用于点图如 geom_point()，实现推拉、随机抖动等效果。position_stack(), position_fill(), position_dodge()常用于条形图如 geom_bar()，实现堆叠、填满、错位等效果。

图层会按照代码书写的顺序逐层绘制，因此有时会出现代码中靠后的图层遮挡了代码中靠前的图层，可根据需要调整代码顺序或设置不透明度 alpha。

除了映射数据集中原有的列以外，有些统计变换会为数据集增加新的列，可在 aes()中指定。例如 geom_histogram(), geom_freqpoly()都会创建 density列，可通过 aes(y = after_stat(density))调用。

利用 aes()自动创建图例的特点，可间接实现为图层“命名”。例如第一个图层指定 aes(color='layer1')，第二个指定 aes(color='layer2')，两个图层的描边色将不同，并在图例中标注，这就将两个图层的元素区分开了。

geom_xxx()函数也有与图例相关的设置，例如 show.legend指定是否显示图例，key_glyph指定图例项目中标记的样子。

除了 geom_xxx()外，stat_xxx()系列函数也能创建图层，二者底层是等价的。它们都先根据 stat参数统计变换，再根据 geom参数调用 grid系统创建 Grob对象——也就是点、线等几何元素，最后用 layer()函数打包为 Layer对象。Wickham坦言区分二者是早期的设计失误。

下方的两种代码都可实现为分组散点图添加均值标线，在类似情况下，Wickham的建议是使用 geom_xxx()。

mpg %>% ggplot(aes(x=class, y=cty)) + geom_jitter() +
    stat_summary(geom='errorbar', fun.min='mean', color='red')

mpg %>% ggplot(aes(x=class, y=cty)) + geom_jitter() +
    geom_errorbar(stat='summary', fun.min='mean', color='red')

有时需要在绘图区域添加注释，使用的函数分两类：第一类 geom_text(), geom_label(), geom_rect(), geom_vline()等继承以前图层的 data, mapping，第二类 annotate()则临时指定 data, mapping。其实两者底层是一致的，即 geom各异、stat='identity'的 Layer对象。

调整位置刻度

    ...
    scale_x_continuous(...) +
    ...

在ggplot中，每个 mapping=aes(...)内的变量都对应一种映射关系，或者说一种刻度（scale）。刻度分为位置刻度和美学刻度，它们除了影响绘图区域各种几何元素以外，在绘图区域外也存在某种指示（guides），展示数值空间与美学空间的对应关系。位置刻度对应的是坐标轴（axes），而其他美学刻度对应的是图例（legends）。

此处我们讨论 x,y,xend等位置刻度（position scales），其内部又分为连续型、离散型、时间型三种。

连续型位置刻度通过 scale_x_continuous()调整，name参数指定坐标轴名称，guide=guide_axis(...)调整坐标轴细节（如刻度标签）。

参数 trans指定如何转换坐标轴，也就是尺度变换（scale transformation），这会在 geom/stat图层的统计变换之前完成。

离散型位置刻度通过 scale_x_discrete()调整，离散变量会转换为从1开始的自然数序列，这意味着 x=1.5可以定位到前两个类别的中心。

离散型位置刻度的一个变体是分箱型位置刻度，通过 scale_x_binned()调整，n.breaks指定分箱个数

时间型位置刻度通过 scale_x_date()/scale_x_datetime()调整，label参数可指定格式化字符串，并支持在内部使用 \n换行。

对于所有位置刻度，参数 name指定坐标轴标签，可通过 name=quote(x^2)输入简单的数学公式。当不想要标签时，指定 name=''隐藏标签，但仍占用空间，name=NULL则取消空间占用。

参数 breaks和 labels指定坐标轴刻度、标签，除了手动指定也支持函数，scales包提供了许多助力。

调整美学刻度

    ...
    scale_color_manual(...) +
    ...

此处我们讨论 color, fill, shape, size, alpha, linetype, linewidth等生成图例的美学刻度，它们分别对应描边颜色、填充颜色、形状、尺寸、不透明度、线型、线宽。

大多数美学刻度都可通过形如 scale_xxx_manual(), scale_xxx_continuous(), scale_xxx_descrete(), scale_xxx_binned()的基本函数调整。如果使用时间数据映射，通过 scale_xxx_date(), scale_xxx_datetime()调整。如果 data中专门有一列存储色值，scale_color_identity()会特别有用。

另外，还有许多增强型函数，在 color, fill刻度上尤其多。例如 scale_color_brewer(), scale_color_viridis_c(), ggsci::scale_color_nejm()，都预设了某种颜色组合。scale_color_gradient(), scale_color_gradient2(), scale_color_gradientn()允许用户输入少量色值，由ggplot批量生成渐变色。scale_color_stepsn(), scale_color_fermenter()生成分箱型的色值，且内置了一系列颜色组合预设。

刻度 shape特指点的形状，不同 shape有不同的“描边-填充”组合。例如 geom_point()默认 shape=19，也就是全描边、无填充的圆点，此时点的颜色完全由 color决定，fill不起作用；如果指定 shape=21，你将得到具有描边、填充的圆点，此时点内部的颜色由 fill决定，而点圆周的颜色由 color决定。

在上述 scale_xxx_xxx()函数中，na.value用于指定数值缺失时的默认映射，na.value=NA代表使缺失值不可见。

limits指定了要显示数据的范围。离散刻度需要列举可能值的多元向量，连续刻度需要指定上下界限的二元向量，超出范围的值默认视为 NA。对于连续刻度，可指定 oob=scales::oob_squish()，将超出范围的值视为 limits指定的上下界。

不同的刻度会产生不同的图例，调节方式也各不相同。对于连续型的 color, fill刻度，可使用 guide=guide_colorbar(...)调整图例。分箱型的 color, fill刻度，可使用 guide=guide_colorsteps()调整。分箱型的其他刻度，可使用 guide=guide_bins()调整。离散型的 color, fill及剩余所有刻度，则可使用 guide=guide_legend(...)。

如果需要图例的显示与绘图元素不同，例如绘图指定了较低的不透明度，希望图例的不透明度较高，可指定 guide_legend(override.aes=list(alpha=1))。调整图例中各项目的布局，可指定 guide_legend(nrow=2, byrow=TRUE)。

size, alpha刻度具有 range参数，可以指定刻度变化的范围。注意这和 limits的区别：limits从数据空间出发，指定要显示的数据范围是哪些，而 range从美学空间出发，指定同样的数据下，映射到点大小、不透明度等的变化范围。

size刻度默认将数值的比例关系与点的面积（而不是半径）建立联系，这在大多数时候符合直觉。但如果需要数值与半径对应（例如展示不同零件的半径差别），可使用 size_radius()。

linetype刻度提供了 palette参数，允许用户自由定义所需的线型，控制线条、间隔的比例。

常用的快捷函数，例如 labs(), lims(), guides()，本质上是收集了不同scale的 name, limits, guide参数。

当然，还有少量美学刻度不会生成图例，最常见的就是 group。当你想在分组散点图的基础上，将组间具有对应关系的点用 geom_line()连起来时，指定 aes(group=...)非常关键。

stroke也是一个特殊的刻度，能指定描边宽度，但暂时没有对应的 scale_xxx_xxx()函数。如果想要调整、甚至添加图例，可使用：

+ continuous_scale(aesthetics="stroke", scale_name="stroke", 
    palette = function(x){scales::rescale(x, c(0, 6))})

调整坐标系统

    ...
    coord_cartesian(...) +
    ...

最常用的是笛卡尔坐标系 coord_cartesian(), coord_flip(), coord_fixed()是其翻转xy、固定xy轴单位刻度比的变体。非线性坐标系包括 coord_map()地图投影，coord_polar()极坐标，coord_trans()坐标变换。

参数 xlim, ylim可设定视窗范围，与 scale_x_continuous(limits=c(xmin, xmax))的区别在于，它执行的是移动视窗、缩放，不会对范围以外的数据做任何处理。

coord_trans()执行坐标变换（coordinate transformation），和 scale_x_continuous(trans=...)尺度变换（scale transformation）的区别在于，它在图层的统计变换（statistical transformation）之后完成。这意味着可以先做尺度变换，在变换后的数据空间做分析，然后使用坐标变换，在原始的数据空间可视化。

p <- ggplot(diamonds, aes(carat, price)) + geom_point() + geom_smooth(method = "lm") + 
  theme(legend.position = "none", axis.title=element_blank())

pow10 <- scales::exp_trans(10)
p + scale_x_log10() + scale_y_log10() + coord_trans(x=pow10, y=pow10)

分面

    ...
    facet_wrap(...) +
    ...

将数据拆分为子集，绘制在子图（称为“构面”）上。常用的是 facet_wrap(), facet_grid()。

参数 scales指定不同子图 x,y轴是否保持一致范围，默认 fixed，即保持一致。当设为 free时，facet_wrap()会给每个子图添加独立的 x,y轴，而 facet_grid()仍然会保持每行公用一个 y轴，每列公用一个 x轴。

对于 facet_grid()，参数 space指定不同子图在 x,y方向是否占用相同空间，默认 fixed，即占用相同空间。当设为 free时，子图占据的空间不一致，但不同子图的单位刻度相同。

调整主题

mytheme <- theme_xxx(...) + theme(...)
# 全局指定
theme_set(mytheme)
# 临时指定
p + mytheme

经过以上步骤，与 data有关的部分，即所有几何元素都已被确定，剩下与 data无关的调整（所谓“风格”），由主题完成。

绝大多数情况下，主题设置不影响绘图区域，少数例外是 panel.grid, plot.background等。但在这些例外中，主题发挥的作用也与 data无关。

ggplot内置了一些基本主题，绘图的默认主题是 theme_grey()，最常用的可能是 theme_classic()。可用 base_size指定基础字号，这是 axis.title坐标轴标题的默认字号，其他文本在此基础上按比例增大、减小，如 plot.title是基础字号的1.2倍。

theme()函数可以在已指定的主题上修改，与前者衔接时，使用 +仅替换指定的属性，%+replace%会替换该元素下所有属性。例如指定 theme(axis.text.x=element_text(angle=45, hjust=1, vjust=1))。axis.text.x元素下除了 angle, hjust, vjust外，还有 margin等属性，如果使用 + theme(...)，margin仍然与 theme_grey()一致；使用 %+replace% theme(...)，margin会成为 element_text()的默认值 NULL。

aspect.ratio指定绘图区域的纵横比，注意和 coord_fixed()的区别，后者是指定xy轴单位刻度的比值。绘图区域1:1时，xy轴单位刻度比值不一定是1:1，反之亦然。

大多数主题设置都以 theme(元素=元素设置)的形式完成，命名遵循严谨的层级规则，完整清单见该链接。在元素命名中值得注意的是，plot代表整张图片，panel代表一个构面，strip代表构面的的注释区域，legend中 key代表图例项的小图标。

元素设置往往借助元素函数，有四种基本类型 element_text(), element_line(), element_rect(), element_blank()，少数通过形如 unit(1, 'pt')的 grid单位，还有一些接受数值或字符串。借助 ggtext::element_markdown()，可将各类文本用markdown渲染。

你可能注意到，axis.title, axis.text等元素可以调整坐标轴，而在 scale_xxx_xxx()中调整 guide也可以实现类似效果。当两者冲突时，后者具有更高的优先级。

有关图例位置的几个元素需要特别说明：

1. legend.position指定图例位置，除了使用 none, top, right等内置字符串外，也可以指定相对坐标，这时图例会放置在绘图区域内，例如 c(0, 1)放在左上角。在设置图例位置时，图例本身的锚点使用 legend.justification指定，所以如果图例很大，要想美观地放置在绘图区域左上角，legend.position, legend.justification两个参数都需设置为 c(0, 1)。
2. legend.direction指定图例内部各项目的排列方向，可选行或者列。
3. legend.spacing指定图例各项目中，小图标与文本的间距。
4. 当多种刻度（例如 color, shape）都有图例时，legend.box指定不同图例的排列方式，legend.box.just指定对齐方式。

保存输出

ggplot绘制的是单张图片，可使用 patchwork包将多张图片组合。

另存到文件时，一般使用 ggsave()函数。指定文件的后缀，可以自动选择图形设备，其中 png, jpg是常用的位图/栅格图设备，pdf是常用的矢量图设备。

参数 width, height画布尺寸，默认单位是 inch英寸，调整画布尺寸会影响画面元素的紧密程度。

参数 dpi分辨率，默认300，调整分辨率会影响与 Adobe Illustrator (AI)中显示的点数（也称为磅，pt）的对应关系。主题 element_text(size=5)的默认单位就是 pt，因此 dpi维持默认300时，主题中设置的字号与 AI显示的一致。但图层 geom_xxx(size=5)的默认单位是 mm，dpi维持300时，图层中设置的字号要乘 2.845换算为 pt，才是 AI里显示的字号。

底层顺序

以上，我们梳理了在代码书写的视角下，ggplot都做了些什么。在 ggplot底层，真实发生的顺序是：

1. 创建画布，读取各个图层的数据集，将 data内的变量分配到刻度，识别哪些是位置刻度、哪些是美学刻度。ggplot内部将会维护一张列名是各种刻度的表格，并在后续操作中不断更新。
2. 分面（facet），体现在内部表格的 PANEL列。
3. 位置刻度的尺度变换（scale transformation），例如 scale_x_log10()/scale_x_continuous(trans='log10')指定的对数变换。
4. 图层的统计变换（statistical transformation），即 geom_xxx()/stat_xxx()内含的计数、取bin、核密度、回归、分位数等，也包括 ggsignif::geom_signif()内含的p值计算。变换时会考虑分面、分组情况。
5. 图层的位置调整（position），即 geom_xxx()/stat_xxx()中的 position参数。
6. 刻度的训练（scale trainning），综合考虑所有构面、所有图层，以获得数据空间到美学空间的一致映射关系。如果存在 coord_trans()定义的坐标轴变换，在此时完成。
7. 刻度映射（scale mapping）。对位置刻度来说就是建立坐标系，对美学刻度来说是确定颜色、建立图例等。
8. 渲染（render），往往在打印或保存到文件时才执行。ggplot先将数据转换为 grobs对象，部分 geom_xxx()函数此时会进行额外的统计变换。然后把每个构面都整理为一个 gList对象，包括绘图区域和应用了主题的绘图区域外部分，但不包括图例、标题、边距、背景等。最后，ggplot合并整张图，处理图例和剩余部分，得到最终的 gtable对象，并调用 grid包执行绘图。

希望读到此处的你，能和 ggplot玩得开心！