ggplot2的功能很强大，并因为其出色的画图能力而闻名，下面来介绍一下它的基本画图功能，本期介绍散点图的基本画法。
在ggplot2里，所有图片由6个基本要素组成：
1. 数据（Data）
2. 层次（Layers），包含两种元素：几何元素（Geometrics）与统计转换（Statistical transformations）。
几何元素指的是你想画的图形，如点，线，或多边形等。
统计转换指的是你想画的统计描述，如均数，标准差或可信区间等。
3. 刻度（Scales）, 通常指几何元素（如点或者线）的大小，颜色和形状等。
4. 坐标系统（A coordinate system）, 通常指的是x轴与y轴。
5. 多面化（Faceting），简单的说，就是可以将一个图片分成多个小的亚图片。
6. 主题 （Theme），此要素可以控制非数据与非统计部分的内容，如背景颜色，字体大小等。
library(ggplot2)#导入ggplot包
#使用mtcars数据做一个散点图
ggplot(data = mtcars, # 要素1：数据
aes(x = wt, y = mpg,
colour = factor(cyl))) + # 要素3：刻度
geom_point() + # 要素2：几何元素（点）
coord_cartesian() + # 要素4：坐标轴
facet_wrap(~ cyl) + # 要素5：分面化
theme_bw() # 要素6：主题
其中mtcars数据概况如下：
#载入ggplot2 library(ggplot2) #建立数据集，横坐标为1:100，纵坐标为服从标准正态分布的随机数 x <- seq(1,100,length=100) y <- rnorm(100,mean=0,sd=1) data <- data.frame(x=x,y=y) #作散点图 ggplot(data, aes(x=x, y=y)) + geom_point()
x <- seq(1,100,length=100)
y <- rnorm(100,mean=0,sd=1)
z <- c(rep("A",30),rep("B",30),rep("C",40))
z <- sample(z,100)
data <- data.frame(x=x,y=y,z=z)数据概况如下：
ggplot(data, aes(x=x, y=y,color=z)) + geom_point()
ggplot(data, aes(x=x, y=y,shape=z)) + geom_point()
ggplot(data, aes(x=x, y=y,color=z)) + geom_point()+ facet_wrap(~z)+ theme(legend.position = "none")
若不加
theme(legend.position = "none")这一段代码，显示的图表如下：
可以看出不加这一段代码侧边栏显示图例，但显然这个图例是多余的，因此我们一般去掉
ggplot(data, aes(x=x, y=y,color=z)) +
geom_point()+
facet_wrap(~z)+
theme(legend.position = "none")+
scale_colour_manual(values = c("purple", "red", "black")) 
x <- seq(1,50,length=50)
y <- rnorm(50,mean=0,sd=5)
z <- c(rep("A",20),rep("B",15),rep("C",15))
z <- sample(z,50)
data <- data.frame(x=x,y=2*x-y,z=z)#这里构造的数据集大致服从y=2x
ggplot(data, aes(x=x, y=y)) +
geom_point()+
geom_smooth()#添加拟合曲线,默认的形式是局部回归，所以拟合出的线条是曲线。
因为geom_smooth()默认的形式是局部回归，所以拟合出的线条是曲线,阴影区域为置信区间。
这里也可以用其他模型拟合，如线型模型：
ggplot(data, aes(x=x, y=y)) + geom_point()+ geom_smooth(method = "lm", se = FALSE)
（se = FALSE：去除置信区间）
ggplot(data, aes(x=x, y=y)) + geom_point()+ theme_test()
