各位同學好，本次課程的目標是介紹ggplot2套件。
為什麼我們在學過看過R的繪圖功能後，還要學ggplot2呢？因為以下幾點理由：ggplot2提供更美觀的預設圖片。所以我們不用作大量的微調，就可以獲得不錯的圖。我們也可以利用theme的功能，直接取用其他貢獻者繪製的樣本，畫出各種風格的圖。
圖形本身會完整的物件化。並且你可以對物件化的圖形做修正。也就是說，你可以把繪圖的指令結果，存到變數之中。而我們還可以操作這個變數，更改我們想要的繪圖效果。
ggplot2和data.frame整合得更好，所以當我們把資料整理成結構化資料後，ggplot2更能發揮威力。
更完整的文件。http://docs.ggplot2.org裡面收錄了所有的繪圖指令。
所以如果同學能在前面的章節學到繪圖的心法，那ggplot2就可以讓同學在實務上更順的串接「資料收集」、「資料整理」與「資料視覺化」的動作了。
請同學先安裝ggplot2
check_then_install("ggplot2", "2.0.0")請同學載入ggplot2
library(ggplot2)由於ggplot2沒有提供上手的vignette，我們就略過查詢vignette的動作。但是還是要提醒同學，當我們學習一個套件的時候，不外乎就是先從讀README、找vignette開始。
我們還是先從infert這筆數據開始。請同學輸入：g<-ggplot(infert,aes(x=education))建立一個ggplot2物件。
g <- ggplot(infert, aes(x = education))ggplot函數通常只需要一個參數。第一個參數是一個data.frame，負責提供資料。而後續的參數則會通通傳遞給之後用+連結的繪圖函數。
請同學輸入：g+geom_bar()，繪製第一個ggplot2的長條圖。請同學試試看。
g + geom_bar()geom_bar會繪製出一個圖層，裡面的內容就是依據infert所繪製的barchart（長條圖）。為了更仔細的解釋，先請同學輸入：?geom_bar打開這個函數的說明文件。
?geom_barggplot2的說明文件和一般的函數比較不同，我們舉geom_bar為例跟同學說明。geom_bar的參數有：mapping,data,stat和position。mapping與data幾乎是所有geom_開頭的函數都有的，所以大家理解一次就夠了。一般來說，我們不會在geom_開頭的函數指定data參數。在這個例子，因為我們輸入的是：g+geom_bar()，所以geom_bar就直接透過g知道它正在依照infert繪圖。
infert的資料欄位這麼多，ggplot怎麼知道畫的是education呢？這就是透過geom_bar的mapping參數。當初我們在建立g的指令是：ggplot(infert,aes(x=education))。這裡的第二個參數，就會被送到geom_bar的mapping參數。mapping的參數，都是用aes建立的對應物件，語法就類似：aes(x=education)一樣。(請注意，education不需要加上雙引號)。
那aes裡面需要哪些參數呢？每個geom_開頭的函數需要的mapping不太一樣。請同學直接看說明文件中，Aesthetics的段落。ggplot2列出了所有需要的欄位，而黑色粗體字的是必須要給的(如：x)。其他的選項有預設值，所以我們不需要給。而這些mapping是代表什麼意思呢？
所有mapping裡面的東西，都會視為data的欄位名稱。舉例來說，請同學輸入：g+geom_bar(aes(fill=education))
g + geom_bar(aes(fill = education))同學有沒有注意到，長條圖中區域的顏色改變了。fill在這裡就代表填滿區塊的顏色。ggplot2在收到fill=education之後，就會去尋找infert的education欄位。如果找不到，就會找外部名稱為education的變數。找到以後，ggplot2就會依照預設的調色盤，根據education的值予以配色，每一個類別擁有一個顏色。同時在右半邊新增顏色與education類別對應的說明。
這次請同學輸入：g+geom_bar(aes(fill="purple"))
g + geom_bar(aes(fill = "purple"))但是儘管我們輸入“purple”，ggplot2還是用粉紅色來呈現，而不是紫色。這是因為ggplot2收到“purple”之後，因為有加雙引號，所以就會假設infert中有一個欄位，所有的值都是“purple”。而ggplot2有內建的調色盤，所以就運用調色盤中第一個顏色來著色。在ggplot2中如果要指定顏色，只有設定調色盤的顏色一途，無法單純透過ggplot或geom_bar來達成。這點和R基礎的繪圖API是不同的。
所有mapping參數，也就是aes中的設定，ggplot都是依照同樣的思維來處理：一律都是對應到data的欄位。
接著我們使用前面課程用過的hsb資料集做範例。請同學輸入：g<-ggplot(hsb)
g <- ggplot(hsb)在我們沒有指定圖層的時候，R是不會畫出圖的，所以上一個指令沒有畫出新的圖。接著請同學輸入：g+geom_bar(aes(x=sex))畫出「呈現性別分佈」的長條圖。
g + geom_bar(aes(x = sex))同學應該會看到「呈現性別分佈」的長條圖。請同學這次輸入g+geom_bar(aes(x=sex,fill=race))
g + geom_bar(aes(x = sex, fill = race))由於x=sex，所以長條圖是以sex為主。因為fill=race，所以顏色是以種族為主。接著請同學輸入：g+geom_bar(aes(x=sex,fill=race),position="dodge")
g + geom_bar(aes(x = sex, fill = race), position = "dodge")請比較用g+geom_bar(aes(x=sex,fill=race))與g+geom_bar(aes(x=sex,fill=race),position="dodge")的差異。當position="stack"（預設值）時，長條圖型會將race推疊呈現，而此時圖的重點是在於比較sex個數的差異。當position="dodge"時，長條圖會將race錯開呈現，而此時圖的重點是在於比較相同sex中，不同race個數的差異。
接著請同學輸入：skip()檢查有無安裝dplyr
check_then_install("dplyr", "0.4.3")請同學載入dplyr
library(dplyr)請同學利用group_by和summarise計算各種sex類別的個數。
# 請計算sex類別的個數
answer01 <- local({
# 請在這邊填寫你的程式碼
group_by(hsb, sex) %>%
summarise(count = n())
})
# 請先確定你的答案通過以下測試
stopifnot(colnames(answer01) == c("sex", "count"))
stopifnot(nrow(answer01) == 2)
stopifnot(is.data.frame(answer01))
stopifnot(sum(answer01$count) == nrow(hsb))
stopifnot(sort(answer01$sex) == sort(c("female", "male")))
# 確認完畢之後，請回到console輸入`submit()`請同學輸入：ggplot(answer01,aes(x=sex))+geom_bar()
ggplot(answer01, aes(x = sex)) + geom_bar()我們會看到一張長條圖，指示兩種性別都是1。這是因為，在answer01中，兩種性別各佔一筆資料。為了要讓長條圖理解值位於count的欄位，我們必須要改成輸入ggplot(answer01,aes(x=sex,y=count))+geom_bar(stat="identity")
ggplot(answer01, aes(x = sex, y = count)) + geom_bar(stat = "identity")剛剛的stat="identity"的意思，就是告訴ggplot不用再去數資料的個數了，直接取用count欄位當成高度即可。
geom_bar的stat和position參數是和長條圖相關的參數。而在aes中的參數，如：x、y和fill，即使是x-y散佈圖或boxplot等，都會使用到的參數。ggplot2的設計就是把能共通使用的繪圖參數放到aes中，個別圖種自己使用的參數，則放在geom_開頭的函數中。
接著請同學輸入：ggplot(hsb,aes(x=math))+geom_density()
ggplot(hsb, aes(x = math)) + geom_density()上一張圖畫出了math欄位的分佈圖。接著我們可以依據性別，畫出不同性別的分佈圖。請同學輸入：ggplot(hsb,aes(x=math,color=sex))+geom_density()
ggplot(hsb, aes(x = math, color = sex)) + geom_density()請同學依據race，繪製出各種種族的read欄位成績分佈。(請修改上一題的答案)
ggplot(hsb, aes(x = read, color = race)) + geom_density()請同學先輸入：?geom_density打開說明
?geom_density請問以下哪一個是geom_density特有的參數? stat
接下來我們來比較各種性別在公立、私立學校的數學表現。請同學先輸入以下程式碼：dat2<-summarise(group_by(hsb,sex,schtyp),math.avg=mean(math))
dat2 <- summarise(group_by(hsb, sex, schtyp), math.avg = mean(math))接著，我們輸入：g<-ggplot(dat2,aes(x=sex,y=math.avg,fill=schtyp))先建立一個基於dat2的ggplot物件。
g <- ggplot(dat2, aes(x = sex, y = math.avg, fill = schtyp))請同學先回憶我們對geom_bar的參數stat的解說。請問同學，如果我們輸入g+geom_bar(stat=<??>)，stat的參數要給多少？ identity
請輸入：g2<-g+geom_bar(stat="identity",position="dodge")
g2 <- g + geom_bar(stat = "identity", position = "dodge")請同學輸入：g2看一下繪圖結果。
g2ggplot依照性別與公立私立，分別呈現了數學平均。更貼心的是，圖例也已經自動產生了。如果我們要放大視覺化的差異，想要調整y軸的範圍呢？請同學輸入：g2+coord_cartesian(ylim=c(40,60))
g2 + coord_cartesian(ylim=c(40,60))同學除了可以學習coord_cartesian這個語法之外，也可以注意到我們可以把畫圖的指令當成變數給存到如g2的R物件之中。之後若我們要做調整（例如調整y軸的範圍）只要從g2開始用+下指令即可。這樣的設計讓我們在調整圖形上更方便。
在上一堂課程中，我們有介紹過dotchart。ggplot2中也有提供類似的圖層:geom_point。請同學輸入：g3<-g+geom_point(aes(color=schtyp),size=10)
g3 <- g + geom_point(aes(color = schtyp), size = 10)請輸入：g3，看看繪圖結果。
g3如果要改成水平方向，可以使用：g3+coord_flip()
g3 + coord_flip()ggplot2把這些跟座標軸的縮放、翻轉的功能都放到coord開頭的函數了。一些繪圖常用的座標轉換，像是取log，也都有對應的函數呢，而且都是以coord_開頭。就如同繪圖、製作圖層的函數都是geom_開頭一樣。這些API的設計相對R的繪圖API，是更有系統了。
除了觀察單一統計量之外，統計學常用的boxplot，ggplot2也有支援。請同學輸入：g<-ggplot(hsb,aes(x=sex,y=math,fill=schtyp))我們先告訴ggplot2要如何對數據分組。
g <- ggplot(hsb, aes(x = sex, y = math, fill = schtyp))接著，我們可以使用geom_boxplot產生圖層：g+geom_boxplot()
g + geom_boxplot()需要的話，我們可以增加更多欄位，讓boxplot有更多的變化。舉例來說，我們可以加上linetype:g+geom_boxplot(aes(linetype=race))
g + geom_boxplot(aes(linetype = race))雖然這張圖有點複雜，但是因為ggplot2會自動生成圖例，所以仔細看也是很清楚地看到個群分組的差異。舉例來說，圖中顯示某族裔美國人的女學生，在公立與私立學校的數學表現差異很大。請問同學，這是哪一個種族呢？A:AfricanAmerican,B:Asian,C:Hispanic,D:White C
接下來我們試試看畫散佈圖。請同學輸入：g<-ggplot(hsb,aes(x=math,y=read))
g <- ggplot(hsb, aes(x = math, y = read))輸入：g+geom_point()讓ggplot以散佈圖的方式繪製圖層。
g + geom_point()還記得上一個課程最後所繪製的一張圖：，一口氣運用點的大小、形狀、顏色來表示science的表現、公立私立與學生的性別。我們也可以在ggplot2中做到：g+geom_point(aes(size=science,pch=schtyp,color=sex))
g + geom_point(aes(size = science, pch = schtyp, color = sex))而且ggplot也自動加上圖標了！
接著我們來介紹如何調整ggplot2的配色。假設各位同學想要使用對色盲友善的配色系列，在參考Wong.B(2011)PointsofView:Colorblindness.NatureMethods8:411後，請同學輸入以下的指令：cb7<-c("#000000","#E69F00","#56B4E9","#009E73","#F0E442","#0072B2","#D55E00","#CC79A7")
cb7 <- c("#000000", "#E69F00", "#56B4E9", "#009E73", "#F0E442", "#0072B2", "#D55E00", "#CC79A7")接著我們先繪製沒修正配色之前的版本。請同學輸入：g<-ggplot(hsb,aes(x=sex,fill=race))+geom_bar()
g <- ggplot(hsb, aes(x = sex, fill = race)) + geom_bar()我們讓R畫出沒修正的版本。請輸入：g
g接著我們輸入：g+scale_fill_manual(values=cb7)來修改配色。
g + scale_fill_manual(values=cb7)在ggplot2的世界裡，所有圖形的調整，都是透過+連接特定的函數來完成的。
接下來我們介紹一個函數：ggtheme。他讓我們可以輕鬆的轉換ggplot的繪圖風格。請同學試試看：g+theme_minimal()
g + theme_minimal()同學可以輸入：?ggtheme來查詢所有可用的theme
同學也可以使用ggsave來把圖片輸出到檔案中。請同學先輸入：dst<-tempfile(fileext=".png")隨機生成一個暫存檔路徑。
dst <- tempfile(fileext = ".png")請同學輸入：ggsave(dst)來把目前的ggplot2圖輸出到dst路徑。
ggsave(dst)接著請同學輸入：g<-ggplot(hsb,aes(x=read,y=math))+geom_point()這裡g就代表readv.s.math的x-y散佈圖。
g <- ggplot(hsb, aes(x = read, y = math)) + geom_point()我們如果想要一個race的類別畫一張圖呢？請同學輸入g+facet_grid(.~race)
g + facet_grid(. ~ race)剛剛的face_grid是一個比較進階的函數。同學只要記得，如果我們是要對某一個欄位做展開（例如剛剛的動作就是對race做展開：每個race畫一張圖），第一個參數的formula中，~的左邊放.，右邊放要展開的欄位名稱即可（不需要加引號）。
如果我們要一次畫出多筆數據兩兩間的散佈圖，就需要使用GGally這個套件。請同學安裝。
check_then_install("GGally", "1.0.1")請載入GGally套件。
library(GGally)如果我們想要看read,write,math,science兩兩組合的x-y散佈圖，我們只要輸入：ggpairs(hsb,7:10)註:這些欄位分別位於hsb的第7至第10欄。
ggpairs(hsb, 7:10)我們這堂課對ggplot2的介紹就到這裡了。接下來就是挑戰時間。
我們自內政部資料開放平台下載了個村（里）戶籍人口統計月報表。有興趣的同學可以輸入：population_src()來瀏覽資料來源。這裡請同學輸入head(population)看一下這筆資料。
head(population)接下來我們會在每個步驟先畫一張圖給同學參考。請同學依照指示從population中畫出類似的圖。受限於技術，目前我們只能請同學自行比對答案。完成之後請同學輸入：submit()後就可以進行下一個挑戰。請同學輸入：skip()開始第一個挑戰。
begin_rvisualization_03()請同學想辦法從population資料中畫出與參考圖一樣的圖。如果想要再看一次參考圖，請輸入：hw_01()如果想要直接看參考答案，請輸入：hw_01
請同學想辦法從population資料中畫出自己居住地的村(里)與性別的分佈圖。具體細節請見參考圖。如果想要再看一次參考圖，請輸入：hw_02()。如果想要直接看參考答案，請輸入：hw_02
請同學想辦法從population資料中畫出自己居住地的性別與年齡的分佈圖。具體細節請見參考圖。如果想要再看一次參考圖，請輸入：hw_03()。如果想要直接看參考答案，請輸入：hw_03
請同學想辦法從population資料中畫出自己居住地的性別與年齡的分佈圖。具體細節請見參考圖。如果想要再看一次參考圖，請輸入：hw_04()。如果想要直接看參考答案，請輸入：hw_04