R語言中qplot()的用法

a, b, c, d, e, f, g, h = range(8)
ggplot2()函數
ggplot2是一個強大的作圖工具，它可以讓你不受現有圖形類型的限制，創造出任何有助于解決你所遇到問題的圖形。
qplot()
qplot()屬于ggplot2(),可以理解成是它的簡化版本。
qplot 即“快速作圖”（quick plot），顧名思義，能快速對數據進行可視化分析。它的用法和R base包的plot函數很相似。
qplot()
參數
qplot(x, y = NULL, ..., data, facets = NULL,
      margins = FALSE, geom = "auto", stat = list(NULL),
      position = list(NULL), xlim = c(NA, NA),
      ylim = c(NA, NA), log = "", main = NULL,
      xlab = deparse(substitute(x)),
      ylab = deparse(substitute(y)), asp = NA)
各項參數詳解
1.x, y：變量名
2.data： 為數據框（data.frame）類型；如果有這個參數，那么x，y的名稱必需對應數據框中某列變量的名稱
3.facets： 圖形/數據的分面。這是ggplot2作圖比較特殊的一個概念，它把數據按某種規則進行分類，每一類數據做一個圖形，所以最終效果就是一頁多圖
4.margins： 是否顯示邊界
5.geom： 圖形的幾何類型（geometry），這又是ggplot2的作圖概念。ggplot2用幾何類型表示圖形類別，比如point表示散點圖、line表示曲線圖、bar表示柱形圖等。
6.stat： 統計類型（statistics），這個更加特殊。直接將數據統計和圖形結合，這是ggplot2強大和受歡迎的原因之一。
7.position： 圖形或者數據的位置調整，這不算太特殊，但對于圖形但外觀很重要
8.xlim, ylim, 設置軸的上下限
9.xlab, ylab, 在x,y軸上增加標簽
10.asp： 圖形縱橫比
qplot做散點圖
使用向量數據
plot函數一樣，如果不指定圖形的類型，qplot默認做出散點圖。對于給定的x和y向量做散點圖，qplot用法也和plot函數差不多
> library(ggplot2)
> x <- 1:1000
> y <- rnorm(1000)
> plot(x, y, main="Scatter plot by plot()")
> qplot(x,y, main="Scatter plot by qplot()")


使用數據框數據
雖然可以直接使用向量數據，但ggplot2更傾向于使用數據框類型的數據作圖。使用數據框有幾個好處：數據框可以用來存儲數值、字符串、因子等不同類型等數據；把數據放在同一個R數據框對象中可以避免使用過程中數據關系的混亂；數據外觀的整理和轉換方便。ggplot2中使用數據框作圖的最直接的一個效果就是：你可以直接用數據的分類特性（數據框中的列變量）來決定圖形元素的外觀，這個過程在ggplot2中稱為映射（mapping），是自動的。
在演示使用數據框作圖的好處之前我們先了解以下ggplot2提供的一組有關鉆石的示范數據 diamonds:
> str(diamonds)
Classes ‘tbl_df’, ‘tbl’ and 'data.frame':   53940 obs. of  10 variables:
 $ carat  : num  0.23 0.21 0.23 0.29 0.31 0.24 0.24 0.26 0.22 0.23 ...
 $ cut    : Ord.factor w/ 5 levels "Fair"<"Good"<..: 5 4 2 4 2 3 3 3 1 3 ...
 $ color  : Ord.factor w/ 7 levels "D"<"E"<"F"<"G"<..: 2 2 2 6 7 7 6 5 2 5 ...
 $ clarity: Ord.factor w/ 8 levels "I1"<"SI2"<"SI1"<..: 2 3 5 4 2 6 7 3 4 5 ...
 $ depth  : num  61.5 59.8 56.9 62.4 63.3 62.8 62.3 61.9 65.1 59.4 ...
 $ table  : num  55 61 65 58 58 57 57 55 61 61 ...
 $ price  : int  326 326 327 334 335 336 336 337 337 338 ...
 $ x      : num  3.95 3.89 4.05 4.2 4.34 3.94 3.95 4.07 3.87 4 ...
 $ y      : num  3.98 3.84 4.07 4.23 4.35 3.96 3.98 4.11 3.78 4.05 ...
 $ z      : num  2.43 2.31 2.31 2.63 2.75 2.48 2.47 2.53 2.49 2.39 ...
可以看到這是數據框（data.frame）類型，有10個變量（列），每個變量有53940個測量值（行）。第一列為鉆石的克拉數（carat），為數字型數據；第二列為鉆石的切工好壞（cut），為因子類型數據，有5個水平；第三列為鉆石顏色（color），為7水平的因子；后面還有其他數據。由于數據太多，我們只取前7列的100個隨機觀測值。數據基本就是我們平時記錄原始數據的樣式：
> set.seed(1000) # 設置隨機種子，使隨機取樣具有可重復性
> datax<- diamonds[ seq(1,7)]
> head(datax, 4)
##       carat   cut color clarity depth table price
## 17686  1.23 Ideal     H     VS2  62.2    55  7130
## 40932  0.30 Ideal     E     SI1  61.7    58   499
## 6146   0.90  Good     H     VS2  61.9    58  3989
## 37258  0.31 Ideal     G    VVS1  62.8    57   977
如果要做鉆石克拉和價格關系的曲線圖，用plot和qplot函數都差不多：
plot(x=datax$carat, y=datax$price, xlab="Carat", ylab="Price", main="plot function")
qplot(x=carat, y=price, data=datax, xlab="Carat", ylab="Price", main="qplot function")

但如果要按切工進行分類作圖，plot函數的處理就復雜了，你首先得將數據進行分類提取，然后再一個個作圖。雖然可以用循環完成，但作圖后圖標的添加還得非常小心，你得自己保證數據和圖形外觀之間的對應關系：

plot(x=datax$carat, y=datax$price, xlab="Carat", ylab="Price", main="plot function", type='n')
cut.levels <- levels(datax$cut)
cut.n <- length(cut.levels)
for(i in seq(1,cut.n)){
  subdatax <- datax[datax$cut==cut.levels[i], ]
  points(x=subdatax$carat, y=subdatax$price, col=i, pch=i)
}
legend("topleft", legend=cut.levels, col=seq(1,cut.n), pch=seq(1,cut.n), box.col="transparent", cex=0.8)

但用ggplot2作圖你需要考慮數據分類和圖形元素方面的問題就很少，你只要告訴它用做分類的數據就可以了：
qplot(x=carat, y=price, data=datax, color=cut, shape=cut, main="qplot function")

qplot做曲線圖
和plot函數一樣，qplot也可以通過設置合適的參數產生曲線圖，這個參數就是geom（幾何類型）。圖形的組合非常直接，組合表示幾何類型的向量即可：
qplot(x=carat, y=price, data=datax, color=cut, geom="line", main="geom=\"line\"")
qplot(x=carat, y=price, data=datax, color=cut, geom=c("line", "point"), main="geom=c(\"line\", \"point\")")