R在数据科学中的应用，第2版

第 11 章 交流 交流

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

导言

在第 10 章中，我们学习了如何使用曲线图作为探索工具。当你绘制探索性曲线图时，你甚至在观察之前就知道曲线图将显示哪些变量。你绘制的每一幅图都是有目的的，可以快速查看，然后继续绘制下一幅图。在大多数分析过程中，您会绘制数十或数百张图，其中大部分都会被立即丢弃。

既然您已经了解了您的数据，您就需要将您的理解传达给其他人。您的受众很可能不具备与您相同的背景知识，也不会深入了解数据。为了帮助他人快速建立良好的数据心智模型，您需要投入大量精力，使您的图表尽可能不言自明。在本章中，您将学习 ggplot2 为此提供的一些工具。

本章主要介绍制作优秀图形所需的工具。我们假设你知道自己想要什么，只需要知道如何去做。因此，我们强烈建议将本章与一本优秀的通用可视化书籍搭配使用。我们特别喜欢阿尔伯特-开罗（Albert Cairo，New Riders）的《真实的艺术》（The Truthful Art）。这本书并不传授创建可视化的技巧，而是专注于创建有效图形所需的思考。

先决条件

在本章中，我们将再次关注 ggplot2。我们还将使用一些 dplyr 来进行数据处理；使用scale来覆盖默认的断点、标签、变换和调色板；以及一些 ggplot2 扩展包，包括 Kamil Slowikowski 的ggrepel和 Thomas Lin Pedersen 的patchwork。别忘了，如果您还没有安装这些软件包，您需要用 install.packages()安装这些软件包。

library(tidyverse)
library(scales)
library(ggrepel)
library(patchwork)

标签

要将探索性图形转化为说明性图形，最简单的方法就是贴好标签。您可以使用 labs()功能添加标签：

ggplot(mpg, aes(x = displ, y = hwy)) +
  geom_point(aes(color = class)) +
  geom_smooth(se = FALSE) +
  labs(
    x = "Engine displacement (L)",
    y = "Highway fuel economy (mpg)",
    color = "Car type",
    title = "Fuel efficiency generally decreases with engine size",
    subtitle = "Two seaters (sports cars) are an exception because of their light weight",
    caption = "Data from fueleconomy.gov"
  )

图表标题的目的是概括主要发现。避免使用仅仅描述图表内容的标题，例如 "发动机排量与燃油经济性的散点图"。

如果您需要添加更多文字，还有另外两个有用的标签：subtitle 在标题下方以较小的字体添加更多细节，caption 在图表右下方添加文字，通常用于描述数据来源。您还可以使用 labs()来替换坐标轴和图例标题。用更详细的描述替换简短的变量名并包含单位通常是个好主意。 ...