• ggplot函數調用基本形式:

ggplot(數據框形式的數據，aes())

p <- ggplot(diamonds, aes(carat,colour = cut))

##這一步只是創建了一個ggplot的對象，還未加入圖層，尚且什麽也看不見

• layer(geom, geom_params, stat, stat_params, data, mapping,position)

layer(幾何對象，幾何變換參數，統計量，統計變換參數，數據，映射，位置調整)

• 因為幾何變換和統計變化是對應的，故只需要+geom_xxx()或者+stat_xxx()圖層

p<-p+geom_histogram(binwidth = 0.02,fill="steelblue")$layers
#使用$layers可以查看圖形對象的圖層
#stat_identity()和geom_point是一組對應
#geom_bar()和stat_bin()

• 一個完整的ggplot函數包括創建圖形對象和添加圖層
• 將圖層編輯保存起來，可方便調用

bestfit <- geom_smooth(method = "lm", se = F,
                       colour = alpha("steelblue", 0.5), size = 2)
 
####半透明深藍色回歸線的圖層

p <- ggplot(mtcars, aes(mpg, wt, colour = cyl)) + geom_point()
p
mtcars <- transform(mtcars, mpg = mpg ^ 2)##使用transform函數修改數據框裏變量的數據
p %+% mtcars ##更新圖形對象裏的數據集

使用+aes()可以添加、修改、刪除+aes(y=NULL)

• 分組

##使用分組參數
##忘記時可以使用?geom_line 查看幫助 
p<-ggplot(Oxboys, aes(age, height, group = Subject,colour=Subject))
p
 
+geom_line()

##分組參數group的含義就是把data拆成不同的組，最後在圖層用相同的方式渲染

ggplot(diamonds, aes(carat)) + geom_histogram(aes(y = ..density..), binwidth = 0.1)
##繪制頻率密度（縱坐標是頻率除組距）直方圖

• 位置調整

p <- ggplot(diamonds, aes(clarity,fill=cut))
p+geom_bar()
p + geom_bar(position=‘stack‘)##缺省為堆疊 

p + geom_bar(position=‘fill‘) #fill填充  與堆疊類似,但高度標準化為1

library(RColorBrewer)
p <- ggplot(diamonds, aes(clarity,fill=cut))
p+geom_bar()
p + geom_bar(position=‘stack‘)+scale_fill_brewer(palette="YlOrRd")

增加最後一個設置，得到統一配色

章末，文章給出了一個類似計量經濟模型的調試過程，沒有細看

《ggplot2-EGDA》 -chapter4-ggplot2裏圖層的概覽