---
title: "05-ggplot2 绘图——散点图"
author: "Simonzhou"
date: "2025-07-25"
date-modified: today
format:
html:
code-fold: false
code-line-numbers: true
code-highlight: true
fig_caption: true
number-sections: true
toc: true
toc-depth: 3
---
# 散点图
散点图常用来刻画两个连续变量之间的关系。
绘制散点图时，数据集中的每一个观测值都由散点图中的一个点来表示。通常，人们还会向散点图中添加一条直线，以用来表示基于某些统计模型的预测值。当散点图中的数据趋势难以用肉眼识别时，这些直线对我们理解数据的特征很有帮助。
当数据集很大时，散点图上的数据点会相互重叠，此时，很难在图上清楚地显示出所有的数据点。为了解决重叠的问题，我们可以先对数据进行汇总，再绘制散点图。
## 绘制基本散点图
使用 `geom_point()` 函数，分别映射一个变量到 x 和一个变量到 y。
这里使用 `heightweight` 数据集，这是一个多列数据集，接下来的例子我们只用到其中两列。
```{r}
#| eval: true
#| echo: true
#| code-fold: false
#| label: fig-1
#| fig: TRUE
#| fig.cap: "基本散点图"
# load package
library(ggplot2)
library(gcookbook) # 加载gcookbook是为了使用heightweight数据集
library(dplyr)
# 列出我们绘制散点图要用到的两列的标题
heightweight %>%
select(ageYear, heightIn)
#> ageYear heightIn
#> 1 11.92 56.3
#> 2 12.92 62.3
#> 3 12.75 63.3
#> ...<230 more rows>...
#> 235 13.67 61.5
#> 236 13.92 62.0
#> 237 12.58 59.3
ggplot(heightweight, aes(x = ageYear, y = heightIn)) +
geom_point()
```
通过设定形状（shape）参数可以在散点图中绘制点以外的形状。例如，我们常用空心圈 `shape=21`（图 @fig-3 ）代替默认的实心圆 `shape=19`（图 @fig-1 ）。
```{r}
#| eval: true
#| echo: true
#| code-fold: false
#| label: fig-2
#| fig: TRUE
#| fig.cap: "基本散点图-修改形状"
# load package
library(ggplot2)
library(gcookbook) # 加载gcookbook是为了使用heightweight数据集
library(dplyr)
# 列出我们绘制散点图要用到的两列的标题
heightweight %>%
select(ageYear, heightIn)
ggplot(heightweight, aes(x = ageYear, y = heightIn)) +
geom_point(shape = 21)
```
修改点的大小（在默认实心圆点的情况下），默认点的大小为：`size=2`。
```{r}
#| eval: true
#| echo: true
#| code-fold: false
#| label: fig-3
#| fig: TRUE
#| fig.cap: "基本散点图-修改散点大小"
# load package
library(ggplot2)
library(gcookbook) # 加载gcookbook是为了使用heightweight数据集
library(dplyr)
# 列出我们绘制散点图要用到的两列的标题
heightweight %>%
select(ageYear, heightIn)
ggplot(heightweight, aes(x = ageYear, y = heightIn)) +
geom_point(size = 1.5)
```
## 使用点形或颜色属性对数据点进行分组
将分组变量映射到点形（`shape`）或颜色（`colour`）属性。
接下来的例子中，我们将用到 `heightweight` 数据集中的3列。
```{r}
#| eval: true
#| echo: true
#| code-fold: false
#| label: fig-4
#| fig: TRUE
#| fig-cap: "基本散点图-按形/色分组"
#| fig-subcap:
#| - "按颜色分组"
#| - "按形状分组"
#| layout-ncol: 2
#| column: page-right
# load package
library(ggplot2)
library(gcookbook) # 加载gcookbook是为了使用heightweight数据集
library(dplyr)
# 列出要用到的3列的标题
heightweight %>%
select(sex, ageYear, heightIn)
#> sex ageYear heightIn
#> 1 f 11.92 56.3
#> 2 f 12.92 62.3
#> 3 f 12.75 63.3
#> ...<230 more rows>...
#> 235 m 13.67 61.5
#> 236 m 13.92 62.0
#> 237 m 12.58 59.3
ggplot(heightweight, aes(x = ageYear, y = heightIn,color = sex)) +
geom_point()
ggplot(heightweight, aes(x = ageYear, y = heightIn,shape = sex)) +
geom_point()
```
选用的分组变量必须是分类变量，换言之，它必须是因子型或者字符型的向量。如果分组变量是数值型向量，则需要将它转化为因子型变量之后，才能以其作为分组变量。
可以将一个变量同时映射到 `shape` 和 `colour` 属性。当有多个分组变量时，可以将它们分别映射到不同的图形属性。下面，我们把变量 `sex` 同时映射到 `shape` 和 `colour` 属性，见图 @fig-5 。
```{r}
#| eval: true
#| echo: true
#| code-fold: false
#| label: fig-5
#| fig: TRUE
#| fig-cap: "基本散点图-按形和色分组"
ggplot(heightweight, aes(x = ageYear, y = heightIn,color = sex,shape = sex)) +
geom_point()
```
有时需要使用不同于默认设置的点形和颜色。通过调用`scale_shape_manual()` 函数可以使用其他点形；
调用 `scale_colour_brewer()` 函数或者 `scale_colour_manual()` 函数可以使用其他调色板，见图 @fig-6 。
```{r}
#| eval: true
#| echo: true
#| code-fold: false
#| label: fig-6
#| fig: TRUE
#| fig-cap: "基本散点图-修改调色板"
ggplot(heightweight, aes(x = ageYear, y = heightIn, shape = sex, colour = sex)) +
geom_point() +
scale_shape_manual(values = c(1,2)) +
scale_colour_brewer(palette = "Set1")
```
## 使用不同于默认设置的点形
通过指定 `geom_point()` 函数中的点形（`shape`）参数，可以同时设定散点图中所有数据点的点形，如图 @fig-7 所示。
```{r}
#| eval: true
#| echo: true
#| code-fold: false
#| label: fig-7
#| fig: TRUE
#| fig-cap: "指定散点形状"
ggplot(heightweight, aes(x = ageYear, y = heightIn)) +
geom_point(shape = 3)
```
R系统绘图可以调用的图形较多，一些点形只有边框线（1～14）；一些只有实心填充区域（15～20）；还有一些则由可分离的边框线和具有填充色的实心区域共同组成（21～25），也可以用字符作点形。
如果已将分组变量映射到 `shape`，则可以调用 `scale_shape_manual()` 函数来手动修改该分组变量不同水平的点形
下图将使用略大且自定义点形的数据点：
```{r}
#| eval: true
#| echo: true
#| code-fold: false
#| label: fig-8
#| fig: TRUE
#| fig-cap: "自定义散点形状"
ggplot(heightweight, aes(x = ageYear, y = heightIn, shape = sex)) +
geom_point(size = 3)+
scale_shape_manual(values = c(1,4))
```
- 点形1～20的点的颜色，包括实心区域的颜色都可由 `colour` 参数来控制。
- 对于点形21～25而言，边框线和实心区域的颜色则分别由 `colour` 和 `fill` 参数来控制。
我们可以将两个不同的变量分别由点形和填充色（空心或有填充）属性来表示。
为了实现这一功能，首先需要选择一个同时具有 `colour` 和 `fill` 属性的点形，在 `scale_shape_manual` 中设定。之后需要在`scale_fill_manual()` 中选择一个包括 NA 和其他颜色的调色板（NA会生成一个空心的形状）。
## 将连续变量映射到颜色或大小
将该连续变量映射到 `size` 或 `colour`。示例数据使用 `gcookbook` 包中的 `heightweight`（仅保留四列：性别、年龄、身高、体重）：
```{r}
#| eval: true
#| echo: true
#| code-fold: false
#| label: fig-9
#| fig: TRUE
#| fig-cap: "将连续变量映射到颜色或大小中"
library(ggplot2)
library(gcookbook) # 加载示例数据
heightweight %>% select(sex, ageYear, heightIn, weightLb) # 映射到颜色
ggplot(heightweight, aes(x = ageYear, y = heightIn, colour = weightLb)) +
geom_point() # 映射到大小
ggplot(heightweight, aes(x = ageYear, y = heightIn, size = weightLb)) +
geom_point()
```
- **感知差异**
人类对位置变化最敏感（x、y 坐标），对颜色和大小的精度感知较低。
因此，映射到颜色或大小的变量适合用于精度要求不高的场景。
- **大小映射的误差**
ggplot2 默认点直径范围为 1–6 mm，与数据值范围无关，这会造成面积比例失真（直径差 6 倍 → 面积差 36 倍）。
如果需要准确反映比例，可使用：
```{r}
#| eval: true
#| echo: true
#| code-fold: false
#| label: fig-10
#| fig: TRUE
#| fig-cap: "散点图的缩放"
# 按直径缩放
range(heightweight$weightLb)
#> [1] 50.5 171.5
size_range <- range(heightweight$weightLb) / max(heightweight$weightLb) * 6
size_range
#> [1] 1.766764 6.000000
ggplot(heightweight, aes(x = ageYear, y = heightIn, size = weightLb)) +
geom_point() +
scale_size_continuous(range = size_range)
# 按面积缩放
ggplot(heightweight, aes(x = ageYear, y = heightIn, size = weightLb)) +
geom_point() +
scale_size_area()
```
**图 5.9**：左为直径映射，右为面积映射。
- **颜色与填充**
- `colour` 控制边框颜色，`fill` 控制实心部分颜色（适用于形状 21–25）。
- 浅色配色时可用带边框的形状增强可读性。
- **多变量映射**
- 可同时映射：连续变量 → 大小，分类变量 → 颜色，并通过 `alpha` 设置透明度减少重叠（图 5.11）。
- 不建议同时映射大小和形状，因为形状大小比较不直观，且不同形状视觉面积不一致。
## Dealing with Overplotting
