用ggplot绘图（六）
2015年04月21日 R 可视化 ggplot 行 添加评论qplot: 快速构建图形
在这一讲，我们要看看ggplot官方和很多文档一开始就引入的qplot函数。之所以这个系列的文章没有从qplot的开头，是因为笔者并不认为qplot是ggplot的简化版本，而且自qplot的介绍使得ggplot的特色无法得到展示，而且显得比一般的绘图库繁琐。
这一点不难理解，前面几讲已经描述了ggplot的大部分内容，可以看到ggplot将绘图这一工作的抽象本身就较一般的绘图库抽象，而qplot试图在一个函数以内提供与一般绘图库类似的接口无疑困难的。而事实也证明，qplot虽然与一般的绘图语法比较相似，但是选项无疑复杂得多。同时，不用太深入的尝试，如果没有ggplot背后的设计结构的概念，qplot经常很难达到用户意图的效果。
当然，我的意思不是qplot是一个设计上失败的函数，而是它很大程度上并不是很多用户初始想象的ggplot的简化版本。ggplot的作者认为qplot提供了与base程序包中plot函数类似的接口，可以方便方便从R的base绘图库迁移过来的用户。因此，在官方文档中，为了让R的base绘图库用户觉得友好，从qplot开始讲解了。然而笔者已经在本系列第一个文章中已经说过，如果ggplot仅仅是另外一个绘图库，大家完全没有必要来学习。因此，笔者没有选择从qplot作为ggplot的入手点。那么，问题是为什么现在我还要介绍一下qplot呢？答案是qplot是ggplot背后语法的一个简化实现，在很多时候可以达到快速构建图形的作用。这可能就是qplot的q[uick]的意义了吧！
为什么那么说呢？前面几讲中的ggplot的例子是经典的ggplot的绘图架构，图形是通过一层一层的叠加起来的，再加上scale等的调整。这样的结构是清晰的，完整的，统一的；但是不可避免的需要多敲一些字符。而一般的绘图库都试图减少打字的量，比如base绘图库就试图用一句话完成一个绘图，然后再进行微调。lattice干脆就都放到一句话里。这样的函数结构紧凑，同时也能获得挺强大的功能，而这种需求在ggplot中的实现就是qplot。qplot的定义如下：
qplot(x, y = NULL, ..., data, facets = NULL, margins = FALSE,
geom = "auto", stat = list(NULL), position = list(NULL), xlim = c(NA,
NA), ylim = c(NA, NA), log = "", main = NULL,
xlab = deparse(substitute(x)), ylab = deparse(substitute(y)), asp = NA)
Arguments
x
x values
y
y values
...
other aesthetics passed for each layer
data
data frame to use (optional). If not specified, will create one, extracting vectors from the current environment.
facets
faceting formula to use. Picks facet_wrap or facet_grid depending on whether the formula is one sided or two-sided
margins
whether or not margins will be displayed
geom
character vector specifying geom to use. Defaults to "point" if x and y are specified, and "histogram" if only x is specified.
stat
character vector specifying statistics to use
position
character vector giving position adjustment to use
xlim
limits for x axis
ylim
limits for y axis
log
which variables to log transform ("x", "y", or "xy")
main
character vector or expression for plot title
xlab
character vector or expression for x axis label
ylab
character vector or expression for y axis label
asp
the y/x aspect ratio看到这个定义，你应该知道为什么我之前说qplot是个紧凑版的ggplot，可以看到函数中将aes，facets，geom等等的内容一次性的作为参数放到了函数里面。
下面就是一个例子，前面两句ggplot的绘图，可以用一句qplot来替代，但是最后一张图却不能只用qplot完成，因为qplot中不能管理层结构。
library(ggplot2)
p <- ggplot(mtcars,aes(wt, mpg, size=factor(gear)
, color=factor(cyl)))
p + geom_point() + geom_smooth(method='lm')## Warning in qt((1 - level)/2, df): NaNs produced## Warning in qt((1 - level)/2, df): NaNs produced## Warning in qt((1 - level)/2, df): NaNs produced
qplot(wt,mpg,size=factor(gear),color=factor(cyl),data=mtcars,
geom=c('point','smooth'), method='lm')## Warning in qt((1 - level)/2, df): NaNs produced## Warning in qt((1 - level)/2, df): NaNs produced## Warning in qt((1 - level)/2, df): NaNs produced
p + geom_point() + geom_smooth(method='lm',size=1)
不过，容易看到qplot虽然紧凑，但是由于缺乏层定义，灵活性不如ggplot。同时，如果将大量的自定义选项加入进去，那么函数的可读性会比较糟糕，而且层次也不够分明。更好的做法可能是将qplot用于尝试性绘图，正规的代码使用ggplot。或者可以混用qplot和ggplot，这样可以用qplot先大概产生出一个样子，再用ggplot的其他函数微调。比如下面的例子，先用qplot绘制点图，再添加其他内容：
qplot(wt,mpg,size=factor(gear),color=factor(cyl),data=mtcars,
geom='point') + geom_smooth(method='lm',size=1) +
scale_color_brewer(palette='Set1')
qplot的内容就介绍到这里。下面我们去探索一下ggplot里将数据分组展示的另外一种技术——facet吧！
