【原】R學(xué)習(xí)：R for Data Science（一）

公號生信小課堂 2021-10-28

展開全文

R語言學(xué)習(xí)系列
今天我們來開始一起學(xué)習(xí)一本書：R for Data Science

數(shù)據(jù)科學(xué)是一個極其廣闊的領(lǐng)域，僅靠一本書是不可能登堂入室的。本書的目標(biāo)是教會你使用最重要的數(shù)據(jù)科學(xué)工具。在一個典型的數(shù)據(jù)科學(xué)項目中，需要的工具模型大體如下圖所示

本書第一部分的目的是讓你盡快掌握數(shù)據(jù)探索的基本工具。數(shù)據(jù)探索是一門藝術(shù)，它可以審視數(shù)據(jù)，快速生成假設(shè)并進行檢驗，接著重復(fù)、重復(fù)、再重復(fù)。數(shù)據(jù)探索的目的是生成多個有分析價值的線索，以供后續(xù)進行更深入的研究

在本書的這一部分中，您將學(xué)習(xí)到一些有用的工具，這些工具具有即時的回報：
可視化是一個很好的開始R編程的地方，因為回報是如此的明確：你可以制作優(yōu)雅和信息豐富的圖表，幫助你理解數(shù)據(jù)。在數(shù)據(jù)可視化中，您將深入到可視化中，學(xué)習(xí)ggplot2繪圖的基本結(jié)構(gòu)，以及將數(shù)據(jù)轉(zhuǎn)換為繪圖的強大技術(shù)。
僅僅可視化通常是不夠的，因此在數(shù)據(jù)轉(zhuǎn)換中，您將學(xué)習(xí)一些關(guān)鍵動詞，這些動詞允許您選擇重要的變量、過濾掉關(guān)鍵的觀察結(jié)果、創(chuàng)建新的變量和計算摘要。
最后，在探索性的數(shù)據(jù)分析中，您將把可視化和轉(zhuǎn)換與您的好奇心和懷疑相結(jié)合，來提出和回答有關(guān)數(shù)據(jù)的有趣問題。

第1章：使用ggplot2進行數(shù)據(jù)可視化

準(zhǔn)備工作

install.packages("tidyverse")library(tidyverse)install.packages("ggplot2")library(ggplot2)

這一行代碼加載了tidyverse的核心R包。在幾乎所有的數(shù)據(jù)分析任務(wù)中，你都會用到這些R包。這行代碼還會告訴你 tidyverse 中的哪些函數(shù)與基礎(chǔ)R包或者已加載的其他 R 包）中的函數(shù)有沖突。

第一步

我們使用第一張圖來回答問題：

大引擎汽車比小引擎汽車更耗油嗎？

你可能已經(jīng)有了答案，但應(yīng)該努力讓答案更精確一些。

引擎大小與燃油效率之間是什么關(guān)系？

是正相關(guān)，還是負相關(guān)？

是線性關(guān)系，還是非線性關(guān)系？

mpg數(shù)據(jù)框

可以使用 ggplot2 包中的 mpg 數(shù)據(jù)框（即 ggplot2::mpg）來檢驗自己的答案。數(shù)據(jù)框是變量（列）和觀測（行）的矩形集合。mpg 包含了由美國環(huán)境保護協(xié)會收集的 38 種車型的觀測數(shù)據(jù)。

mpg

mpg 中包括如下變量。
· displ：引擎大小，單位為升。
· hwy：汽車在高速公路上行駛時的燃油效率，單位為英里 / 加侖（mpg）。與燃油效率高的汽車相比，燃油效率低的汽車在行駛相同距離時要消耗更多燃油。

創(chuàng)建ggplot圖形

為了繪制 mpg 的圖形，運行以下代碼將 displ 放在 x 軸， hwy 放在 y 軸：

ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy))

上圖顯示出引擎大小（displ）和燃油效率（hwy）之間是負相關(guān)關(guān)系。

在 ggplot2 中，你可以使用 ggplot() 函數(shù)開始繪圖。ggplot() 創(chuàng)建了一個坐標(biāo)系，你可以在它上面添加圖層。ggplot() 的第一個參數(shù)是要在圖中使用的數(shù)據(jù)集。ggplot(data = mpg)會創(chuàng)建一張空白圖，因為這張圖沒什么意思，所以就不在這里展示了。向 ggplot() 中添加一個或多個圖層就可以完成這張圖。函數(shù) geom_point() 向圖中添加一個點層，這樣就可以創(chuàng)建一張散點圖。
ggplot2 中的每個幾何對象函數(shù)都有一個 mapping 參數(shù)。這個參數(shù)定義了如何將數(shù)據(jù)集中的變量映射為圖形屬性。mapping 參數(shù)總是與 aes() 函數(shù)成對出現(xiàn)， aes() 函數(shù)的 x 參數(shù)和 y參數(shù)分別指定了映射到 x 軸的變量與映射到 y 軸的變量。ggplot2 在 data 參數(shù)中尋找映射變量，本例中就是 mpg。

繪圖模板

我們將上面的代碼轉(zhuǎn)換為一個可重用的 ggplot2 繪圖模板。要想生成一張圖，將以下代碼中的尖括號部分替換為數(shù)據(jù)集、幾何對象函數(shù)或映射集合即可：

ggplot(data = <DATA>) + <GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))

圖形屬性映射

可以向二維散點圖中添加第三個變量，比如 class，方式是將它映射為圖形屬性。圖形屬性是圖中對象的可視化屬性，其中包括數(shù)據(jù)點的大小、形狀和顏色。通過改變圖形屬性的值，可以用不同的方式來顯示數(shù)據(jù)點
通過將圖中的圖形屬性映射為數(shù)據(jù)集中的變量，可以傳達出數(shù)據(jù)的相關(guān)信息。例如，可以將點的顏色映射為變量 class，從而揭示每輛汽車的類型：

ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy, color = class))

要想將圖形屬性映射為變量，需要在函數(shù) aes() 中將圖形屬性名稱和變量名稱關(guān)聯(lián)起來。ggplot2 會自動為每個變量值分配唯一的圖形屬性水平（本例中是唯一的顏色），這個過程稱為標(biāo)度變換。ggplot2 還會添加一個圖例，以表示圖形屬性水平和變量值之間的對應(yīng)關(guān)系

在上例中，我們將 class 映射為顏色，但也可以用同樣的方式將其映射為點的大小。在下面的示例中，每個點的實際大小表示其所屬的類別。這里我們收到一條警告信息，因為將無序變量（class）映射為有序圖形屬性（size）可不是好主意。

或者我們也可以將 class 映射為控制數(shù)據(jù)點透明度的 alpha 圖形屬性

ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy, alpha = class))

ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy, shape = class))

還可以將其映射為點的形狀

ggplot2 只能同時使用 6 種形狀。默認情況下，當(dāng)使用這種圖形屬性時，多
出的變量值將不會出現(xiàn)在圖中

對你所使用的每個圖形屬性來說，函數(shù) aes() 都可以將其名稱與一個待顯示變量關(guān)聯(lián)起來。aes() 將圖層中使用的每個圖形屬性映射集合在一起，然后傳遞給該圖層的映射參數(shù)。這一語法強調(diào)了關(guān)于 x 和 y 的重要信息：數(shù)據(jù)點的 x 軸位置和 y 軸位置本身就是圖形屬性，即可以映射為變量來表示數(shù)據(jù)信息的可視化屬性。一旦映射了圖形屬性， ggplot2 會處理好其余的事情。它會為圖形屬性選擇一個合適的標(biāo)度，并創(chuàng)建圖例來表示圖形屬性水平和變量值之間的映射關(guān)系。ggplot2 不會為 x 和 y 這兩個圖形屬性創(chuàng)建圖例，而會創(chuàng)建帶有刻度標(biāo)記和標(biāo)簽的坐標(biāo)軸。坐標(biāo)軸就相當(dāng)于圖例，可以體現(xiàn)出位置和變量值之間的映射關(guān)系

還可以手動為幾何對象設(shè)置圖形屬性。例如，我們可以讓圖中的所有點都為藍色：

ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy), color = "blue")

此時顏色不會傳達關(guān)于變量的信息，只是改變圖的外觀。要想手動設(shè)置圖形屬性，需要按名稱進行設(shè)置，將其作為幾何對象函數(shù)的一個參數(shù)。這也就是說，需要在函數(shù) aes() 的外部進行設(shè)置。此外，還需要為這個圖形屬性選擇一個有意義的值

· 顏色名稱是一個字符串。
· 點的大小用毫米表示。
· 點的形狀是一個數(shù)值，如下圖所示。有些形狀相同，比如 0、 15 和 22 都是正方形。形狀之間的區(qū)別在于 color 和 fill 這兩個圖形屬性?？招男螤睿?~14）的邊界顏色由color決定；實心形狀（15~20）的填充顏色由 color 決定；填充形狀（21~24）的邊界顏色由 color 決定，填充顏色由 fill 決定。