在R语言里，谈及绘图，ggplot2是最出名的绘图包之一，作为一个绘图神器，它提供了许许多多的功能给用户使用，仅用短短几行代码，一幅幅高端大气的图像便跃然纸上，这可能就是ggplot2包的魅力所在。 我刚开始学习ggplot2的时候只用于学术上的制图，对深层的制图一知半解，趁着有空便重新学习了一下ggplot2包，才发现其背后的制图逻辑竟跟GIS的图层叠加有着高度的相似，下面就是我学到的内容了。

这次使用的数据集是R包内置的iris数据集，是由Edgar Anderson记录的3种鸢尾花形态数据。 iris以鸢尾花的特征作为数据来源，常用在分类操作中。该数据集由3种不同类型的鸢尾花的各50个样本数据构成。其中的一个种类与另外两个种类是线性可分离的，后两个种类是非线性可分离的。

该数据集包含了4个属性：

我们用相同的数据，通过plot函数跟ggplot函数分别绘制散点图来简单理解一下两者的差异：

上图为plot函数散点图，下图为ggplot函数散点图 从上述代码可以看出，ggplot绘图有以下两个特点：

上面介绍的ggplot2绘图有明确的开始，即以ggplot函数作为开始的标志，那么ggplot()有什么用呢？ 它的主要功能在于初始化一个ggplot对象，且不指定绘图内容，格式如下：

其中，data指的要绘图的数据集，它会被制定为绘图环境，载入之后就不需要写大量的$符号来提取data.frame里面的向量的操作。如果数据都是向量，那么也可不指定，但要在声明中标注data=NULL，否则会有不必要的报错。 数据与图形属性之间的映射关系称mapping。 ggplot对象的data存储了整个属性框的内容，而mapping则确定如何使用这些数据。图形的可视属性包括如形状、颜色、透明度等美学属性，确定美学属性与数据之间的对应关系一般用aes函数。常见的图形属性包括x、y、size、color、group.

比如，当data=iris时，mapping= aes(x = Sepal.Length, y = Sepal.Width)表示将花萼长度作为x轴变量，将花萼宽度作为y轴变量。如果需要将Species映射到形状或者颜色属性，可以添加shape=Species或者colour = Species. 使用ggplot函数绘制底层画布。

除了数据与映射之外，一个图层还应该至少包含位置、stat、position这三个图形属性。

几何对象简单来说就是采用展示数据的图形类型。 如散点图、条形图等，ggplot2包提供了许多的图形类型供用户使用。

如果要在画布上绘制散点图的话，则只需在 “+” 号后面添加函数geom_point即可：

统计类型stat是指对数据所应用的统计类型和方法 上述代码中没有指定统计类型，但自动获得identity，因为ggplot2会默认为每一种几何类型都指定一种默认的统计类型，反之亦然。其中stat_identity表示不做任何的统计变换。运行代码如下：

aes函数设定了数据与图形属性的映射关系，但是数据怎么映射为属性则是标尺(Scale) 的功能。 对于任何一个图形属性，如x，y，alpha，color，fill，linetype，shape，size等，ggplot2都提供以下4种标尺：

随机从iris数据集的150个样本中抽取100个样本，并绘制条形图以反映100个样本中各个鸢尾花，并绘制条形图以反映100个样本中各个鸢尾花种类的数量情况，然后提供修改标尺参数做前后对比图。代码如下：