ggplot2-工具箱4

群组几何对象

几何对象可以大体分为个体和总体两类。
个体几何对象对数据框的每一条（行）数据绘制一个可以区别于其它个体的图形对象，如散点图中每个点均代表一个观测。
而群组几何对象则用来表示多个观测。它们可以是统计摘要的一个结果，如箱线图，或是几何对象的基础展示，如多边图
折线图和路径图则同时具备上述两种特点：其线路由一系列线段组成，而每条线段又都对应着两个点

该如何控制哪些观测值用哪种图形元素呢？这是图形属性group的任务

data(Oxboys, package = "nlme")
head(Oxboys)

1. 多个分组与单一图形属性

很多时候，想把数据分为若干组，并用相同的方式对每个组进行渲染
这在含有多个个体的纵向数据中是很常见的，而这类图形也被形象的称为细面图
下图展示了每个男孩（每个对象的成长轨迹）

ggplot(Oxboys, aes(age, height, group = Subject)) +
	geom_point() + geom_line()

ggplot(Oxboys, aes(age, height)) +
	geom_point() + geom_line()	

如果分组由多个变量定义而非单一变量，使用interaction合并各个分组变量，例如aes(group = interaction(school_id, student_id))

2. 不同图层上的不同分组

有时我们将不同水平下的数据整合，然后使用统计汇总信息绘制图形，从而不同的图层可能有不同的分组图形属性
因此有的图层展示个体水平的数据，而有的图层则展示更大组群的统计信息。在上下文的基础上，假设需要添加一条平滑曲线展示所有男孩的身高变化趋势。如果还应用和前面绘制折线图时同样的分组方式，会得到如下的结果

ggplot(Oxboys, aes(age, height, group = Subject)) +
	geom_line() + geom_smooth(method = "lm", se = FALSE)

这不是我们想要的结果：我们无意中给每个男孩拟合了一条平滑曲线
分组不仅会改变集合对象的展示，还影响着统计变换的操作：每组数据都进行了一次统计变换

因此，不能再ggplot()中设置分组，因为它会将统计变换应用于所有图层：在geom_line()中设置分组则可解决这一问题。因为图像中没有离散型变量，所以默认分组变量是连续型的，而我们也将得到如下土所示的平滑曲线

ggplot(Oxboys, aes(age, height)) +
	geom_line(aes(group = Subject)) +
	geom_smooth(method = "lm", size = 2, se = FALSE)

3. 修改默认分组

如果图像中含有x轴上的离散型变量，而你想绘制连接所有分组的线条，那么可以采取绘制交互作用图、轮廓图以及平行坐标图时所用的策略。
这里以绘制各个测量时期身高的箱线图为例

ggplot(Oxboys, aes(Occasion, height)) +
	geom_boxplot()

图中只有一个离散型变量occasion，所以我们对每一个不同的x取值均作出一幅箱线图
现在我们需要绘制每个男孩的身高变化曲线，简单添加geom_line()没有什么效果，因为绘制的曲线会局限于每个测量节点内，而不是连接各个对象

ggplot(Oxboys, aes(Occasion, height)) +
	geom_boxplot() +
	geom_line(color = "#3366ff", alpha = 0.5)

为了在此基础上添加个体轨迹，需要修改默认分组，告诉机器需要为每个男孩绘制一条曲线

ggplot(Oxboys, aes(Occasion, height)) +
	geom_boxplot() +
	geom_line(aes(group = Subject), color = "#3366ff", alpha = 0.5)

4. 匹配图形属性与图形对象

群组几何对象的另一重要问题是，如何将个体的图形属性映射给整体的图形属性。如果不同的图形属性映射到单个几何元素上会发生什么？
折线图和路径图遵循差一原则：若观测点比线段数目多一，第一条线段将使用第一个观测值的图形属性，第二条线段将使用第二个观测值的图形属性，依次类推。这意味着，最后一个观测值的图形属性不会被用到

df <- data.frame(x = 1:3, y = 1:3, color = c(1, 3, 5))

ggplot(df, aes(x, y, color = factor(color))) +
	geom_line(aes(group = 1), size = 2) +
	geom_point(size = 5)

ggplot(df, aes(x, y, color = color)) +
	geom_line(aes(group = 1), size = 2) +
	geom_point(size = 5)

可以设计一个更复杂的系统，其中的线段平稳地从一种图形属性变换到另一种图形属性。这种方式对连续型变量很有效，如大小和颜色，但并不适用于渐变地线条类型，而且尚未应用到ggplot2。如果要实现这种效果，可以通过线性插值法实现

xgrid <- with(df, seq(min(x), max(x), length = 50))
interp <- data.frame(x = xgrid,
	y = approx(df$x, df$y, xout = xgrid)$y,
	color = approx(df$x, df$color, xout = xgrid)$y)
ggplot(interp, aes(x, y, color = color)) +
	geom_line(size = 2) + geom_point(data = df, size = 5)

折线图和路径图的另一局限在于每个个体的线段类型必须是一致的，因为R不支持绘制不同线段类型相连接的曲线
对其它群组几何对象如对多边图而言，只有当所有个体的图形属性都相同时，该图形属性才会被使用，否则将使用默认值。这适用于fill参数，因为它是整体对象的一个性质：考虑对多边形边界上的点填充不同颜色没有任何意义
当图形属性映射到连续型变量时，这类问题经常会被涉及。因为正如上文所述，当映射对象是离散型变量时，它将默认地将群组几何对象分解成更小的块。这对条形图和面积图的绘制非常有效，因为将每小块堆积起来就可得到和原来未分组前一样形状的图形

ggplot(mpg, aes(class)) +
	geom_bar()
ggplot(mpg, aes(class, fill = drv)) +
	geom_bar()

如果想用同样的方法把填充属性映射到连续型变量上，这将没有效果。默认分组只是基于class，因此每一条块把填充属性映射到连续型变量上，这将没有效果
默认分组只是基于class，因此每一条块会获得多重颜色。因为每一条块只能够显示一种颜色，它会使用默认的灰色。为了展示多重颜色，需要对每一class设定多重条块，我们可以设定分组来实现此效果

ggplot(mpg, aes(class, fill = hwy)) +
	geom_bar()
ggplot(mpg, aes(class, fill = hwy, group = hwy)) +
	geom_bar()

条形会根据分组变量的顺序依次叠加，如果需要对此作出调整，需要重新定义相关变量