ggplot2 是 R 语言中强大的数据可视化包，基于“图形语法”（Grammar of Graphics），通过分层方式构建图表。以下是常用图表命令的详细指南，涵盖基本语法、常见图表类型及示例，适合初学者和进阶用户。

1. ggplot2 基本语法

ggplot2 的核心是分层构建图表，基本结构如下：

ggplot(data = <数据>, aes(x = <x轴>, y = <y轴>, <其他美学映射>)) +
  geom_<图表类型>() +
  <其他图层，如主题、标签、比例尺等>

• data：数据集，通常是数据框（data frame）。
• aes()：美学映射，定义变量与图形元素的关系（如x轴、y轴、颜色、形状等）。
• geom_<类型>()：几何对象，决定图表类型（如点、线、柱状图等）。
• 其他图层：如theme()（主题）、labs()（标签）、scale_*()（比例尺调整）。

2. 常用图表类型及命令

以下是 ggplot2 中常用的图表类型、命令和示例，基于经典数据集 mtcars（汽车性能数据，包含变量如 mpg（油耗）、wt（重量）、cyl（气缸数）等）。

2.1 散点图 (Scatter Plot)

用于展示两个连续变量之间的关系。

• 命令：geom_point()
• 示例：绘制汽车重量（wt）与油耗（mpg）的散点图，按气缸数（cyl）着色：

library(ggplot2)
ggplot(data = mtcars, aes(x = wt, y = mpg, color = factor(cyl))) +
  geom_point(size = 3) +
  labs(title = "Weight vs. MPG by Cylinders", x = "Weight", y = "MPG") +
  theme_minimal()

• 参数：
• size：点的大小。
• color：点的颜色，可映射到分类或连续变量。
• shape：点的形状（如shape = factor(cyl)）。

2.2 折线图 (Line Plot)

用于展示连续变量的趋势或时间序列。

• 命令：geom_line()
• 示例：绘制按重量排序后的油耗折线图：

ggplot(data = mtcars, aes(x = wt, y = mpg)) +
  geom_line(color = "blue") +
  labs(title = "MPG Trend by Weight", x = "Weight", y = "MPG") +
  theme_minimal()

• 参数：
• linetype：线型（如"solid"、"dashed"）。
• group：分组变量，避免多组数据混杂。

2.3 柱状图 (Bar Plot)

用于展示分类变量的计数或统计量。

• 命令：geom_bar()（计数）或geom_col()（指定高度）
• 示例：统计不同气缸数（cyl）的汽车数量：

ggplot(data = mtcars, aes(x = factor(cyl))) +
  geom_bar(fill = "steelblue") +
  labs(title = "Count of Cars by Cylinders", x = "Cylinders", y = "Count") +
  theme_minimal()

• 示例（geom_col）：显示平均油耗按气缸数分组：

library(dplyr)
mtcars_summary <- mtcars %>% group_by(cyl) %>% summarise(avg_mpg = mean(mpg))
ggplot(data = mtcars_summary, aes(x = factor(cyl), y = avg_mpg)) +
  geom_col(fill = "darkgreen") +
  labs(title = "Average MPG by Cylinders", x = "Cylinders", y = "Average MPG") +
  theme_minimal()

• 参数：
• fill：填充颜色。
• position：柱子排列方式（如"dodge"并排、fill比例填充）。

2.4 箱线图 (Box Plot)

用于展示数据的分布（如中位数、四分位数、异常值）。

• 命令：geom_boxplot()
• 示例：按气缸数绘制油耗的箱线图：

ggplot(data = mtcars, aes(x = factor(cyl), y = mpg)) +
  geom_boxplot(fill = "lightblue") +
  labs(title = "MPG Distribution by Cylinders", x = "Cylinders", y = "MPG") +
  theme_minimal()

• 参数：
• outlier.color、outlier.shape：控制异常点的样式。
• fill：箱体填充颜色。

2.5 直方图 (Histogram)

用于展示连续变量的分布。

• 命令：geom_histogram()
• 示例：绘制油耗的直方图：

ggplot(data = mtcars, aes(x = mpg)) +
  geom_histogram(binwidth = 2, fill = "purple", color = "black") +
  labs(title = "Distribution of MPG", x = "MPG", y = "Count") +
  theme_minimal()

• 参数：
• binwidth：柱宽。
• bins：柱数量（与binwidth二选一）。
• color：边框颜色。

2.6 密度图 (Density Plot)

用于展示连续变量的概率密度。

• 命令：geom_density()
• 示例：绘制油耗的密度曲线，按气缸数分组：

ggplot(data = mtcars, aes(x = mpg, fill = factor(cyl))) +
  geom_density(alpha = 0.4) +
  labs(title = "MPG Density by Cylinders", x = "MPG", y = "Density") +
  theme_minimal()

• 参数：
• alpha：透明度（0到1）。
• fill：填充颜色。

2.7 热图 (Heatmap)

用于展示二维数据的强度。

• 命令：geom_tile() 或 geom_raster()
• 示例：展示气缸数和变速器类型（am）的计数热图：

mtcars_summary <- mtcars %>% count(cyl, am)
ggplot(data = mtcars_summary, aes(x = factor(cyl), y = factor(am), fill = n)) +
  geom_tile() +
  scale_fill_gradient(low = "white", high = "red") +
  labs(title = "Heatmap of Cylinders vs. Transmission", x = "Cylinders", y = "Transmission") +
  theme_minimal()

• 参数：
• scale_fill_gradient：自定义颜色渐变。
• geom_raster()：更高效的热图绘制，适合大数据。

2.8 小提琴图 (Violin Plot)

结合密度图和箱线图，展示数据分布。

• 命令：geom_violin()
• 示例：按气缸数绘制油耗的小提琴图：

ggplot(data = mtcars, aes(x = factor(cyl), y = mpg)) +
  geom_violin(fill = "lightgreen") +
  labs(title = "MPG Violin Plot by Cylinders", x = "Cylinders", y = "MPG") +
  theme_minimal()

• 参数：
• scale：控制宽度（如"area"、"count"）。
• trim：是否修剪密度曲线的尾部。

3. 高级定制

3.1 分面（Faceting）

将图表按某个变量分割为多个子图。

• 命令：
• facet_wrap(~<变量>)：单变量分面，自动排列。
• facet_grid(<行变量> ~ <列变量>)：按行和列分面。
• 示例：按气缸数分面绘制油耗散点图：

ggplot(data = mtcars, aes(x = wt, y = mpg)) +
  geom_point() +
  facet_wrap(~cyl) +
  labs(title = "Weight vs. MPG by Cylinders") +
  theme_minimal()

3.2 主题与美化

• 主题：使用内置主题（如theme_minimal()、theme_classic()）或自定义theme()。

ggplot(data = mtcars, aes(x = wt, y = mpg)) +
  geom_point() +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"))

• 标签：labs(title = "", x = "", y = "") 设置标题和轴标签。
• 比例尺：
• scale_color_manual()：自定义颜色。
• scale_x_continuous()：调整x轴范围或标签。

ggplot(data = mtcars, aes(x = wt, y = mpg, color = factor(cyl))) +
  geom_point() +
  scale_color_manual(values = c("4" = "red", "6" = "blue", "8" = "green")) +
  labs(title = "Custom Colors") +
  theme_minimal()

3.3 组合多种几何对象

可叠加多个geom_*层，如散点图+平滑曲线：

ggplot(data = mtcars, aes(x = wt, y = mpg)) +
  geom_point() +
  geom_smooth(method = "lm", color = "red") +
  labs(title = "Weight vs. MPG with Linear Fit") +
  theme_minimal()

• geom_smooth()：添加平滑曲线，method可选"lm"（线性回归）、"loess"（局部回归）等。

4. 注意事项

• 数据准备：确保数据框格式正确，缺失值（NA）可能影响绘图，需用na.omit()或drop_na()处理。
• 性能：大数据集（>10万行）可能导致渲染缓慢，可使用geom_hex()或geom_bin2d()代替散点图。
• 颜色选择：使用RColorBrewer包（如scale_fill_brewer()）提供专业配色方案。
• 保存图表：

ggsave("plot.png", width = 6, height = 4, dpi = 300)

支持格式：PNG、JPEG、PDF等。

通过以上命令和示例，你可以快速上手 ggplot2，从简单散点图到复杂分面图，灵活构建专业的数据可视化。结合R的dplyr和tidyr进行数据预处理，能进一步提升分析效率。