R语言统计分析——ggplot2绘图3——分组

参考资料：R语言实战【第2版】

        为了理解数据，在一个图中画出两个或更多组的观察值通常是很有帮助的。在R中，组通常用分类变量的水平（因子）来定义。分组是通过ggplot2将一个或多个带有诸如形状、颜色、填充、尺寸和线类型的视觉特征的分组变量来完成的。ggplot()声明中的aes()函数负责分配变量（图形的视觉特征），通常来说，变量应该设在aes()函数内，分配常数应该在aes()函数外。

        下面让我们对Salaries数据集进行探索：数据框包含的信息是在2008~2009学年大学教授的薪水。变量包括rank（助理教授、副教授、教授）、sex（女性、男性）、yrs.since.phd（获得博士学位年数）、rs.service（工龄）和salary（以美元计的九个月薪水）。

        首先，我们可以查看薪水是如何随学术等级变化的。代码如下：

# 加载car包，使用里面的Salaries数据集
library(car)
# 加载ggplot2包
library(ggplot2)
# 绘图
ggplot(Salaries,aes(x=salary,fill=rank))+
  geom_density(alpha=0.3)

        如上图所示，在同一幅图中画出了3条密度曲线（每条曲线代表个学术等级）并用不同的颜色区分。填充的设置有些透明度（alpha），使重叠曲线不会彼此掩盖。薪水随着等级的增长而增长，但是重叠比较明显，比如一些助理教授与副教授或教授的薪水相同。随着学术等级的增长，薪水的范围也在扩大。对于教授而言尤其如此，他们的收入差距很大。把这三个分布放在同一幅图上方便了组间的比较。

        接下来，我们通过性别和学术等级分组，绘制获得博士学位年数与薪水的关系：

ggplot(Salaries,aes(x=yrs.since.phd,y=salary,
                    color=rank,shape=sex))+
  geom_point()

        在上图中，学术等级用点的颜色来表示（红色代表助理教授，绿色代表副教授，蓝色代表教授），性别用形状来表示（圆形代表女性，三角形代表男性）。薪水随着毕业年数的增加而增加，但是它们之间的关系绝对不是线性的。

        最后，我们可以用一个分组的条形图按学术等级和性别来进行可视化：

ggplot(Salaries,aes(x=rank,fill=sex))+
  geom_bar(position="stack")+
  labs(title='position="stack')
ggplot(Salaries,aes(x=rank,fill=sex))+
  geom_bar(position="dodge")+
  labs(title='position="dodge')
ggplot(Salaries,aes(x=rank,fill=sex))+
  geom_bar(position="fill")+
  labs(title='position="fill"')

        注意，第三个图中的y轴标签是错误的，它应该是比例（proportion）而不是数量（count），我们可以通过添加y="proportion"参数到labs()函数中来解决，如下：

ggplot(Salaries,aes(x=rank,fill=sex))+
  geom_bar(position="fill")+
  labs(title='position="fill"',y="proportion")