WalterWang认为，运行示例程序并修改参数是学习编程的一种高效方式。这种实践中学习的方法不仅可以帮助理解程序的基本结构和语法，还能加深对程序如何响应不同输入的理解。通过实际操作，编程新手能直观地看到代码更改后的效果，从而深入理解程序的运作原理。因而本书以示例为核心。

使用 ggplot2 的关键组件包括：

1,数据（data）， 2,一组美学映射，这组映射定义了数据中的变量与视觉属性之间的关系， 3,至少一个层，描述如何渲染每个观测值。层通常通过几何函数（geom function）来创建。

另外WalterWang提醒大家注意，ggplot2只能绘制二维图形。下面我们来绘制第一幅图。

第一幅图

library(ggplot2)
ggplot(data = mtcars, aes(x = wt, y = mpg)) +
  geom_point()

我们可以看到我们有三个组件： 数据：mtcars 美学映射：wt 映射到 x 位置，mpg 映射到 y 位置。 层：点。

这里我们用了mtcars数据集，这是 R 语言中一个经典的数据集，它包含了 1973-1974 年间 32 辆汽车的各种规格和性能指标。这个数据集通常用于统计分析和数据可视化的示例教程中，因为它的结构清晰，而且包含多种类型的数据。

数据集中的变量包括：

• mpg: 汽车每加仑燃油能行驶的英里数（英里/加仑）
• cyl: 汽车的气缸数
• disp: 发动机的排量（立方厘米）
• hp: 发动机的马力
• drat: 后桥比率
• wt: 汽车的重量（千克）
• qsec: 汽车完成四分之一英里加速的时间（秒）
• vs: 发动机的形状（V型或直列）
• am: 变速器类型（自动 = 0，手动 = 1）
• gear: 前进档数
• carb: 汽化器的数量

在本书中，我们不对数据进行分析。只是来学习如何做图，所以有的图可能没有意义。所以大家对这个数据集可以不不求甚解。

缺省

ggplot()中第一个未命名参数是数据。传递给 aes() 的两个未命名参数将被映射到 x 和 y。这意味着以下代码与上面的示例是相同的：

ggplot(mtcars, aes(wt, mpg)) +
  geom_point()

ggplot(mtcars, aes(y = mpg, x = wt)) +
  geom_point()

理解数据集应用的基本逻辑

大家可以运行以下程序去理解应用数据集的逻辑。如果不给geom_point() 指明数据集时，geom_point()用ggplot()中指定的数据集

ggplot(mtcars) +
  geom_point(aes(x = wt, y = mpg))

ggplot(mtcars) + geom_point(aes(x = wt, y = mpg)) + geom_point(aes(x = wt/4, y = mpg/4))

ggplot(data = NULL) +  geom_point(aes(x = mtcars$wt, y = mtcars$mpg))

我们可以使用来自两个不同数据集的数据。

temp <- mtcars
ggplot(data = NULL) +  geom_point(aes(x = mtcars$wt, y = mtcars$mpg)) +  geom_point(aes(x = temp$wt/4, y = temp$mpg/4))

WalterWang建议你尝试运行以下代码并进行比较。

ggplot(mtcars, aes(x = wt, y = mpg)) +  geom_point() +  geom_point(aes(x = temp$wt/4, y = temp$mpg/4))

理解 ggplot 是一个对象

p <- ggplot(data = mtcars, aes(x = wt, y = mpg))
p

p_base <- p + geom_point()
p_base

p1 <- p_base + geom_point(aes(x = temp$wt/4, y = temp$mpg/4))
p1

由于 ggplot 是一个对象，你可以打印、保存和总结它。

print(p_base)

ggsave("p_base.png", p_base , width = 6, height = 6)
summary(p_base)

## data: mpg, cyl, disp, hp, drat, wt, qsec, vs, am, gear, carb [32x11]
## mapping:  x = ~wt, y = ~mpg
## faceting: <ggproto object: Class FacetNull, Facet, gg>
##     compute_layout: function
##     draw_back: function
##     draw_front: function
##     draw_labels: function
##     draw_panels: function
##     finish_data: function
##     init_scales: function
##     map_data: function
##     params: list
##     setup_data: function
##     setup_params: function
##     shrink: TRUE
##     train_scales: function
##     vars: function
##     super:  <ggproto object: Class FacetNull, Facet, gg>
## -----------------------------------
## geom_point: na.rm = FALSE
## stat_identity: na.rm = FALSE
## position_identity

在一个图中包括多个小图

我们首先介绍这一点，以便于比较不同的图表。我们需要一个新的包 ggpubr。

library(ggpubr)
p1 <- p_base + geom_point(aes(x = temp$wt/4, y = temp$mpg/4))
ggarrange(p_base, p1, ncol = 2, nrow = 1,  widths = c(1, 1),  heights = 0.5)

在以后的章节中，我们都先运行以下这几行程序。

library(ggplot2) 
library(ggpubr) 
library(ggtext) #用于个性化图表 
library(dplyr) #用于数据处理
p_base <- ggplot(data = mtcars, aes(x = wt, y = mpg)) + geom_point()