生态统计 R Lab 04：ggplot2 作图实操

作者

李勤

发布于

2026年10月10日

1 学习目标

本次 R Lab 对应脚本 R-lab_04_graphics_2.R，用 ggplot2 包绘制科研中最常用的几类统计图，并与基础 R（base R）的作图函数对照。完成本讲后，你应该能够：

判断一张图适合用哪类图形（条形图、直方图、散点图、箱线图、小提琴图等）；
理解 ggplot2 的基本结构：ggplot(data, aes(...)) + geom_*() + ...；
区分“写进 aes() 里的映射”与“写在外面的固定设置”；
说明关键参数（binwidth、position_dodge、facet_wrap 等）的作用；
读懂脚本中穿插的基础 R 作图代码（barplot()、hist()、plot()、stripchart()、mosaicplot()）。

2 数据与准备工作

2.1 本讲用到的数据

所有数据文件位于 R-lab_04_data/ 文件夹中（相对于本 .qmd 文件所在目录；数据取自教材 The Analysis of Biological Data（Whitlock & Schluter）第 2 章）：

文件	内容	变量
`chap02e2aDeathsFromTigers.csv`	88 起虎伤人致死事件	`person`、`activity`
`chap02f1_3EducationSpending.csv`	1998–2004 年美国生均教育支出	`year`、`spendingPerStudent`
`chap02e2bDesertBirdAbundance.csv`	43 个沙漠样方的鸟类多度	`species`、`abundance`
`chap02f3_3GuppyFatherSonAttractiveness.csv`	36 对孔雀鱼父子	`fatherOrnamentation`、`sonAttractiveness`
`chap02e3aBirdMalaria.csv`	65 只鸟的疟疾实验	`treatment`、`response`
`chap02f1_2locustSerotonin.csv`	30 只蝗虫的血清素水平	`serotoninLevel`、`treatmentTime`
`chap02e3bHumanHemoglobinElevation.csv`	1962 名不同海拔人群的血红蛋白	`hemoglobin`、`population`

2.2 安装与加载 ggplot2

ggplot2 只需安装一次；每次新的 R 会话使用前都要用 library() 加载。

install.packages("ggplot2")   # 只需安装一次

library(ggplot2)

2.3 工作目录

用 getwd() 查看当前工作目录，必要时用 setwd() 切换。R 的图形设备（作图窗口）与工作目录无关，但读取文件时使用的是相对于工作目录的路径。本讲义中直接使用相对于 .qmd 文件的路径。

getwd()

[1] "/Users/qli/Mirror/Teaching/EcoStats_ECNU/Eco-stats-R-Lab"

#setwd("你的路径")   # 若数据不在工作目录下，取消注释并改为实际路径

3 条形图：一个分类变量的频数

条形图展示分类变量各水平的频数（或某个汇总值）。本节用老虎伤人事件数据：activity 记录受害者遇害时正在进行的活动，是一个分类变量。

3.1 读取与查看数据

data_tiger <- read.csv("R-lab_04_data/chap02e2aDeathsFromTigers.csv")

head(data_tiger)   # 前 6 行

  person              activity
1      1 Disturbing tiger kill
2      2       Forest products
3      3          Grass/fodder
4      4       Fuelwood/timber
5      5          Grass/fodder
6      6       Forest products

str(data_tiger)    # 每列的数据类型

'data.frame':   88 obs. of  2 variables:
 $ person  : int  1 2 3 4 5 6 7 8 9 10 ...
 $ activity: chr  "Disturbing tiger kill" "Forest products" "Grass/fodder" "Fuelwood/timber" ...

3.2 选取数据框中的元素

数据框可以用 [行, 列] 的方式选取元素：

data_tiger[1, ]       # 第 1 行（所有列）

  person              activity
1      1 Disturbing tiger kill

data_tiger[, 2]       # 第 2 列（所有行）

 [1] "Disturbing tiger kill" "Forest products"       "Grass/fodder"         
 [4] "Fuelwood/timber"       "Grass/fodder"          "Forest products"      
 [7] "Grass/fodder"          "Fishing"               "Fuelwood/timber"      
[10] "Grass/fodder"          "Forest products"       "Forest products"      
[13] "Forest products"       "Grass/fodder"          "Forest products"      
[16] "Grass/fodder"          "Grass/fodder"          "Grass/fodder"         
[19] "Fuelwood/timber"       "Fishing"               "Grass/fodder"         
[22] "Grass/fodder"          "Grass/fodder"          "Fuelwood/timber"      
[25] "Grass/fodder"          "Herding"               "Grass/fodder"         
[28] "Herding"               "Grass/fodder"          "Fishing"              
[31] "Grass/fodder"          "Grass/fodder"          "Sleeping in house"    
[34] "Grass/fodder"          "Grass/fodder"          "Grass/fodder"         
[37] "Grass/fodder"          "Grass/fodder"          "Grass/fodder"         
[40] "Herding"               "Herding"               "Fishing"              
[43] "Grass/fodder"          "Forest products"       "Forest products"      
[46] "Grass/fodder"          "Grass/fodder"          "Forest products"      
[49] "Disturbing tiger kill" "Walking"               "Fishing"              
[52] "Herding"               "Grass/fodder"          "Grass/fodder"         
[55] "Sleeping in house"     "Fishing"               "Fishing"              
[58] "Toilet"                "Grass/fodder"          "Walking"              
[61] "Grass/fodder"          "Grass/fodder"          "Grass/fodder"         
[64] "Grass/fodder"          "Grass/fodder"          "Grass/fodder"         
[67] "Grass/fodder"          "Fuelwood/timber"       "Grass/fodder"         
[70] "Disturbing tiger kill" "Herding"               "Grass/fodder"         
[73] "Grass/fodder"          "Grass/fodder"          "Herding"              
[76] "Grass/fodder"          "Grass/fodder"          "Grass/fodder"         
[79] "Grass/fodder"          "Grass/fodder"          "Forest products"      
[82] "Toilet"                "Walking"               "Disturbing tiger kill"
[85] "Disturbing tiger kill" "Sleeping in house"     "Forest products"      
[88] "Fishing"

data_tiger[3:5, 2]    # 第 3–5 行的第 2 列

[1] "Grass/fodder"    "Fuelwood/timber" "Grass/fodder"

3.3 频数表

table() 统计每个活动出现的次数；sort(..., decreasing = TRUE) 按频数从大到小排序，便于观察哪种活动最常见。

tiger_no <- sort(table(data_tiger$activity), decreasing = TRUE)
tiger_no


         Grass/fodder       Forest products               Fishing 
                   44                    11                     8 
              Herding Disturbing tiger kill       Fuelwood/timber 
                    7                     5                     5 
    Sleeping in house               Walking                Toilet 
                    3                     3                     2

3.4 基础 R 的 barplot()

barplot(tiger_no)

注记

barplot() 接受一个已算好频数的向量。图形默认可能比较简陋（标签拥挤、没有轴标题），这正是后面要用 ggplot2 改进的地方。

3.5 ggplot2 条形图（一）：柱高已经算好 —— `stat = "identity"`

若先把频数表转换成数据框，其中 Var1 是活动名称、Freq 是频数，柱高直接用 Freq：

tiger_number <- data.frame(sort(table(data_tiger$activity), decreasing = TRUE))
tiger_number

                   Var1 Freq
1          Grass/fodder   44
2       Forest products   11
3               Fishing    8
4               Herding    7
5 Disturbing tiger kill    5
6       Fuelwood/timber    5
7     Sleeping in house    3
8               Walking    3
9                Toilet    2

tiger_plot <- ggplot(tiger_number, aes(x = Var1, y = Freq)) +
  geom_bar(stat = "identity", fill = "firebrick") +
  ylab("Frequency (number of people)") +
  xlab("") +
  theme_classic() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

tiger_plot

提示

逐层解读：

stat = "identity"：柱高直接取自数据中的 y（这里是 Freq），不再另外计数。等价简写是 geom_col()；
fill = "firebrick" 写在 aes() 之外：所有柱固定为同一种砖红色，不产生图例；
theme_classic()：简洁的白色背景主题；
theme(axis.text.x = element_text(angle = 45, hjust = 1))：把横轴类别文字旋转 45° 并右对齐，避免互相重叠。类别很多时也常旋转 90°。

3.6 ggplot2 条形图（二）：直接对原始数据计数 —— `stat = "count"`

当数据是“一行一个观测”时，可以让 ggplot2 自己计数。但先要解决一个问题：ggplot2 默认按字母顺序（或数据中出现的顺序）排列类别。若希望按频数从高到低排列，需要把变量转换为因子，并手动指定 levels 的顺序：

tigerTable <- table(data_tiger$activity)

# names(sort(...)) 给出按频数从大到小排列的活动名称，
# 把它们作为因子的水平（levels），ggplot2 就按这个顺序画图
data_tiger$activity_ordered <- factor(
  data_tiger$activity,
  levels = names(sort(tigerTable, decreasing = TRUE))
)

# 检验新的顺序
data.frame(table(data_tiger$activity_ordered), row.names = 1)

                      Freq
Grass/fodder            44
Forest products         11
Fishing                  8
Herding                  7
Disturbing tiger kill    5
Fuelwood/timber          5
Sleeping in house        3
Walking                  3
Toilet                   2

ggplot(data = data_tiger, aes(x = activity_ordered)) +
  geom_bar(stat = "count", fill = "firebrick") +
  labs(x = "Activity", y = "Frequency") +
  theme_classic() +
  theme(axis.text.x = element_text(angle = 90, hjust = 1))

警告

最容易混淆的一点：geom_bar() 的默认统计变换就是 stat = "count"（ggplot2 替你数数，所以只需要给 x）；而频数已经算好时用 stat = "identity"（geom_col()）。用错前者会得到“每根柱高都是 1”的奇怪图形。

3.7 练习：教育支出条形图

year 是数值变量。若直接放到 x，ggplot2 会把它当作连续轴处理；as.character(year) 把它转成类别，每个年份恰好一根柱。柱高（支出金额）已存储在数据中，因此用 stat = "identity"。

educationSpending <- read.csv("R-lab_04_data/chap02f1_3EducationSpending.csv")
head(educationSpending)

  year spendingPerStudent
1 1998               5844
2 1999               5983
3 2000               6216
4 2001               6328
5 2002               6455
6 2003               6529

ggplot(data = educationSpending, aes(x = as.character(year),
                                     y = spendingPerStudent)) +
  geom_bar(stat = "identity", fill = "firebrick") +
  ylab("Education spending ($ per student)") +
  xlab("") +
  theme_classic()

4 直方图：一个数值变量的分布

直方图与条形图长得像，但作用完全不同：直方图把数值变量按区间（bin）分组，展示频数分布；条形图展示分类变量的频数。

4.1 基础 R 的 hist()

bird_data <- read.csv("R-lab_04_data/chap02e2bDesertBirdAbundance.csv")
head(bird_data)

           species abundance
1    Black Vulture        64
2   Turkey Vulture        23
3    Harris's Hawk         3
4  Red-tailed Hawk        16
5 American Kestrel         7
6   Gambel's Quail       148

hist(bird_data$abundance, breaks = 20)

breaks = 20 表示大致分成 20 个区间。区间的划分方式会影响图形外观。

4.2 ggplot2 的 geom_histogram()

ggplot(data = bird_data, aes(x = abundance)) +
  geom_histogram(fill = "firebrick", col = "black",
                 binwidth = 50,
                 #binwidth = 100,        # 试试改成 100，观察图形变化
                 boundary = 0, closed = "left") +
  labs(x = "Abundance", y = "Frequency") +
  theme_classic()

提示

参数含义：

binwidth = 50：每个区间宽 50。区间越窄，柱越多、细节越多；区间越宽，图形越平滑；
boundary = 0：让区间边界从 0 开始对齐（0, 50, 100, …）；
closed = "left"：每个区间左闭右开，即包含左端点、不包含右端点；
fill：柱内部颜色；col：柱的边框颜色。

注记

直方图只需要提供 x，因为纵轴频数是 ggplot2 分箱计数得到的（统计变换是 stat = "bin"）——与条形图的 stat = "count" 思路相同，但对象是数值变量。

5 散点图：两个数值变量

散点图展示两个数值变量的关系。孔雀鱼数据中，fatherOrnamentation 是父亲的装饰斑纹数量，sonAttractiveness 是儿子对雌性的吸引力评分。

5.1 基础 R 的 plot()

guppyFatherSonData <- read.csv("R-lab_04_data/chap02f3_3GuppyFatherSonAttractiveness.csv")
head(guppyFatherSonData)

  fatherOrnamentation sonAttractiveness
1                0.35             -0.32
2                0.03             -0.03
3                0.14              0.11
4                0.10              0.28
5                0.22              0.31
6                0.23              0.18

plot(sonAttractiveness ~ fatherOrnamentation, data = guppyFatherSonData)

plot(sonAttractiveness ~ fatherOrnamentation, data = guppyFatherSonData,
     pch = 16, col = "firebrick")

y ~ x 是 R 的公式写法，读作“用 x 展示/解释 y”。pch = 16 是实心圆点形，col 设置点的颜色。

5.2 ggplot2 的 geom_point()

ggplot(data = guppyFatherSonData, aes(x = fatherOrnamentation,
                                      y = sonAttractiveness)) +
  geom_point(size = 3, col = "firebrick") +
  xlab("Father's ornamentation") +
  ylab("Son's attractiveness") +
  theme_classic()

每行数据画一个点；size 控制点的大小。颜色写在 aes() 外，表示所有点固定同色。

6 分组条形图与马赛克图：两个分类变量

鸟类疟疾数据包含两个分类变量：treatment（Control / Egg removal，即是否移除鸟蛋的实验处理）和 response（Malaria / No Malaria，是否感染疟疾）。

6.1 列联表

两个分类变量的组合计数表称为列联表（contingency table）。注意 table(行变量, 列变量) 中第一个变量放在行、第二个放在列：

birdMalariaData <- read.csv("R-lab_04_data/chap02e3aBirdMalaria.csv")
head(birdMalariaData)

  bird treatment response
1    1   Control  Malaria
2    2   Control  Malaria
3    3   Control  Malaria
4    4   Control  Malaria
5    5   Control  Malaria
6    6   Control  Malaria

birdMalariaTable <- table(birdMalariaData$response, birdMalariaData$treatment)
birdMalariaTable

            
             Control Egg removal
  Malaria          7          15
  No Malaria      28          15

6.2 基础 R 的分组条形图

barplot(birdMalariaTable, beside = TRUE, legend.text = TRUE, ylab = "Frequency")

barplot(birdMalariaTable, beside = TRUE, col = c("firebrick", "goldenrod1"),
        legend.text = TRUE, args.legend = list(x = "topright"),
        xlab = "Treatment", ylab = "Frequency")

beside = TRUE：各组并排而不是上下堆积；
legend.text = TRUE：用行名（response 的两个水平）自动生成图例；
args.legend = list(x = "topright")：把图例放在右上角。

6.3 ggplot2 的分组条形图

ggplot(birdMalariaData, aes(x = treatment, fill = response)) +
  geom_bar(stat = "count",
           position = position_dodge2(preserve = "single")) +
  scale_fill_manual(values = c("firebrick", "goldenrod1")) +
  #scale_y_continuous(expand = expansion(c(0, 0))) +
  labs(x = "Treatment", y = "Frequency") +
  theme_classic()

提示

fill = response 写在 aes() 内：颜色随 response 的类别变化，并自动生成图例；
position_dodge2(preserve = "single")：不同 response 类别的柱并排放置，且尽量保持单根柱的宽度一致（"dodge" 的改进版）；
scale_fill_manual(values = ...)：手动指定每个类别对应的填充颜色。更稳妥的写法是带名称的向量，例如 c("Malaria" = "firebrick", "No Malaria" = "goldenrod1")，避免顺序搞错。

6.4 马赛克图

马赛克图用面积同时展示两个分类变量的联合分布。t() 是转置，让 treatment 放在横轴：

mosaicplot(t(birdMalariaTable), col = c("firebrick", "goldenrod1"),
           sub = "Treatment", ylab = "Relative frequency", main = "")

注记

mosaicplot() 是基础 R 函数，不属于 ggplot2 体系。它没有 ggplot() + geom_*() 的图层结构，参数（如 sub、main）也完全不同。读代码时先判断属于哪套系统。

7 带状图与抖动点：一个分类变量 + 一个数值变量

蝗虫实验测量不同处理时间（0、1、2 小时）下蝗虫体内的血清素（serotonin）水平。样本量不大（30 只），既想看每个观测值，又想看分组比较。

locustData <- read.csv("R-lab_04_data/chap02f1_2locustSerotonin.csv")
head(locustData)

  serotoninLevel treatmentTime
1            5.3             0
2            4.6             0
3            4.5             0
4            4.3             0
5            4.2             0
6            3.6             0

7.1 基础 R 的 stripchart()：显示每个观测值

stripchart(serotoninLevel ~ treatmentTime, data = locustData)

stripchart(serotoninLevel ~ treatmentTime, data = locustData,
           method = "jitter",
           #jitter = 0.18,     # 可手动控制抖动幅度
           vertical = TRUE,
           pch = 16,
           col = "firebrick",
           #col = adjustcolor("firebrick", alpha.f = 0.65),  # 半透明，减轻重叠
           xlab = "Treatment time (hours)",
           ylab = "Serotonin (pmoles)")

method = "jitter"：给点加随机扰动，避免同一数值的点完全重叠；
vertical = TRUE：把点沿竖直方向排布（否则默认是水平排列）。

7.2 ggplot2 的 geom_jitter()

ggplot(data = locustData, aes(x = as.character(treatmentTime),
                              y = serotoninLevel)) +
  #geom_point(color = "firebrick", size = 3) +   # 试试无抖动的效果
  geom_jitter(color = "firebrick", size = 3, width = 0.15) +
  xlab("Treatment time (hours)") +
  ylab("Serotonin (pmoles)") +
  theme_classic()

警告

width = 0.15 让点只在水平方向随机移动，竖直位置仍是真实的测量值。抖动纯粹是为了看清重叠的点，不改变数据本身，不能把点的水平位置解读为真实的组间差异。

treatmentTime 虽然是数字，但它在这里代表 3 个实验组，因此用 as.character() 转成类别，避免 ggplot2 把它画成连续轴。

7.3 基础 R 的 boxplot()：快速看分组分布

boxplot(serotoninLevel ~ treatmentTime, data = locustData,
        col = "goldenrod1", boxwex = 0.2,
        #outline = FALSE,   # 隐藏离群点
        xlab = "Treatment time (hours)", ylab = "Serotonin (pmoles)")

boxwex 控制箱体的宽度。

8 多组数据展示与描述统计：血红蛋白数据

血红蛋白数据来自生活在不同海拔的 4 个人群（USA、Andes、Ethiopia、Tibet），每人有一个血红蛋白浓度测量值。本节把前面学的图形工具组合起来，并计算描述统计量。

hemoglobinData <- read.csv("R-lab_04_data/chap02e3bHumanHemoglobinElevation.csv")
head(hemoglobinData)

             id hemoglobin population
1 US.Sea.level1      10.40        USA
2 US.Sea.level2      11.20        USA
3 US.Sea.level3      11.70        USA
4 US.Sea.level4      11.80        USA
5 US.Sea.level5      11.90        USA
6 US.Sea.level6      12.05        USA

8.1 各组样本量

table(hemoglobinData$population)   # 每组的观测数


   Andes Ethiopia    Tibet      USA 
      71      128       59     1704

unique(hemoglobinData$population)  # 有哪些组（及其出现顺序）

[1] "USA"      "Andes"    "Ethiopia" "Tibet"

8.2 抖动点图

数据量大时，用空心圆圈（shape = 1）和较小的点，减轻重叠：

ggplot(data = hemoglobinData, aes(x = population, y = hemoglobin)) +
  #geom_point(color = "firebrick", shape = 1, size = 3) +
  geom_jitter(color = "firebrick", shape = 1, size = 3, width = 0.15) +
  xlab("Male population") +
  ylab("Hemoglobin concentration (g/dL)") +
  theme_classic()

8.3 ggplot2 的箱线图

ggplot(data = hemoglobinData, aes(y = hemoglobin, x = population)) +
  geom_boxplot(fill = "goldenrod1", col = "black", width = 0.25) +
  labs(x = "Male population", y = "Hemoglobin concentration (g/dL)") +
  theme_classic()

箱线图展示中位数、上下四分位数、须以及须外的潜在离群点，能快速比较各组的位置和离散程度，但不显示分布的具体形状。

8.4 小提琴图

小提琴图同时展示分布形状（宽度表示密度）与位置：

ggplot(data = hemoglobinData, aes(y = hemoglobin, x = population)) +
  geom_violin(fill = "goldenrod1", col = "black") +
  stat_summary(fun = median, geom = "point", color = "black") +
  labs(x = "Male population", y = "Hemoglobin concentration (g/dL)") +
  theme_classic()

stat_summary(fun = median, geom = "point") 在小提琴内叠加一个中位数点——这是“图层叠加”的典型例子。

8.5 分面直方图：facet_wrap()

想把每组的分布分开看，可以用分面（facet）把数据拆成多个小图：

ggplot(data = hemoglobinData, aes(x = hemoglobin)) +
  geom_histogram(fill = "firebrick", binwidth = 1, col = "black",
                 boundary = 0, closed = "left") +
  labs(x = "Hemoglobin concentration (g/dL)", y = "Frequency") +
  theme_classic() +
  facet_wrap(~ population, ncol = 1, scales = "free_y", strip.position = "right")

提示

~ population：每个人群一个面板；
ncol = 1：面板排成一列（与 strip.position = "right" 配合，各组上下排列、组名在右侧）；
scales = "free_y"：每个面板的纵轴范围独立，便于看各组自身的形状；缺点是不利于直接比较组间频数。

8.6 基础 R 的 boxplot() 与标题参数

boxplot(hemoglobin ~ population, data = hemoglobinData,
        boxwex = 0.25, col = "goldenrod1",
        xlab = "Male population", ylab = "Hemoglobin concentration (g/dL)",
        main = "Hemoglobin concentration by population")

main 是基础 R 函数共用的“主标题”参数；ggplot2 中对应 labs(title = ...)。

8.7 描述统计：以 USA 子集为例

sub_usa <- hemoglobinData[which(hemoglobinData$population == "USA"), ]
table(sub_usa$population)


 USA 
1704

which(条件) 返回满足条件的行号，data[行号, ] 选取这些行。

hist(sub_usa$hemoglobin)

mean(sub_usa$hemoglobin)     # 均值

[1] 15.38078

median(sub_usa$hemoglobin)   # 中位数

[1] 15.4

sd(sub_usa$hemoglobin)       # 标准差（描述个体的离散程度）

[1] 0.969879

var(sub_usa$hemoglobin)      # 方差

[1] 0.9406653

summary(sub_usa$hemoglobin)  # 最小值、四分位数、中位数、均值、最大值

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  10.40   14.75   15.40   15.38   16.00   18.65

IQR(sub_usa$hemoglobin)      # 四分位距

[1] 1.25

8.8 标准误与 95% 置信区间

# 标准误 se = sd / sqrt(n)
n  <- nrow(sub_usa)
n

[1] 1704

length(sub_usa$hemoglobin)          # 与 nrow() 结果相同

[1] 1704

se <- sd(sub_usa$hemoglobin) / sqrt(n)
se

[1] 0.0234954

# 均值的 95% 置信区间
t.test(sub_usa$hemoglobin)$conf.int

[1] 15.33470 15.42686
attr(,"conf.level")
[1] 0.95

注记

SD 与 SE 的区别：标准差（SD）描述样本中个体之间的离散程度，样本量增大时不会系统性变小；标准误（SE = SD/√n）描述样本均值的不确定性，样本量越大越小。图中画误差条时，务必在图注中说明用的是 SD、SE 还是置信区间。

8.9 图层叠加：原始点 + 均值 + 标准误

用三个图层同时展示原始数据、组均值和均值 ± 1 SE：

ggplot(data = hemoglobinData, aes(x = population, y = hemoglobin)) +
  #geom_point(color = "firebrick", shape = 1, size = 3) +
  geom_jitter(color = "firebrick", shape = 1, alpha = 0.5,
              size = 1, width = 0.1) +
  stat_summary(fun.data = mean_se, geom = "errorbar",
               colour = "black", width = 0.1,
               position = position_nudge(x = 0.2)) +
  stat_summary(fun = mean, geom = "point",
               colour = "firebrick", size = 2,
               position = position_nudge(x = 0.2)) +
  xlab("Male population") +
  ylab("Hemoglobin concentration (g/dL)") +
  theme_classic()

提示

alpha = 0.5：半透明，密集的原始点也能看出重叠程度；
stat_summary(fun.data = mean_se, geom = "errorbar")：ggplot2 作图时现算均值与 ±1 SE，画成误差条；
stat_summary(fun = mean, geom = "point")：画均值点；
position_nudge(x = 0.2)：把误差条和均值点整体向右平移 0.2，避免盖住原始点（平移只是为了美观，不影响数值）。

9 保存图形

把图存进对象后（如前面的 tiger_plot），用 ggsave() 导出文件：

ggsave(filename = "tiger_activity.png",
       plot = tiger_plot,
       width = 7, height = 5, dpi = 300)

width、height 默认单位为英寸，dpi = 300 适合报告和论文插图。

10 自测与练习

10.1 自测题

geom_bar(stat = "count") 与 geom_bar(stat = "identity") 分别适用于什么形式的数据？
fill = response 写在 aes() 内，与 fill = "firebrick" 写在 aes() 外，有什么区别？哪种会产生图例？
为什么 geom_histogram() 只需要提供 x，不需要 y？
geom_jitter(width = 0.15) 中 width 的作用是什么？它会改变数据吗？
facet_wrap(~ population, scales = "free_y") 带来什么便利，又有什么局限？
描述统计里 SD 和 SE 分别描述什么？误差条画的是哪一个？

10.2 练习

把鸟类多度直方图的 binwidth 改为 100 重画，并与 binwidth = 50 的结果对比：图形形状发生了什么变化？
把鸟类疟疾分组条形图的 position 改为 "fill"，得到比例图。此时纵轴的含义是什么？
用 geom_violin() 重画蝗虫血清素数据（提示：横轴用 as.character(treatmentTime)），比较三种处理时间的分布形状。
用 facet_wrap(~ treatmentTime) 把蝗虫数据的直方图按处理时间分面。
给老虎事件条形图添加标题：labs(title = "Deaths from tigers by activity")。观察标题出现在哪里。

提示

遇到一段 ggplot2 代码卡住时，按顺序问：data = 用的是哪个数据框？aes() 映射了哪些变量？用了哪个 geom_*()？有没有统计变换（计数、分箱、均值）？有没有位置调整（抖动、并排、平移）？标签是否包含单位？

1 学习目标

2 数据与准备工作

2.1 本讲用到的数据

2.2 安装与加载 ggplot2

2.3 工作目录

3 条形图：一个分类变量的频数

3.1 读取与查看数据

3.2 选取数据框中的元素

3.3 频数表

3.4 基础 R 的 barplot()

3.5 ggplot2 条形图（一）：柱高已经算好 —— stat = "identity"

3.6 ggplot2 条形图（二）：直接对原始数据计数 —— stat = "count"

3.7 练习：教育支出条形图

4 直方图：一个数值变量的分布

4.1 基础 R 的 hist()

4.2 ggplot2 的 geom_histogram()

5 散点图：两个数值变量

5.1 基础 R 的 plot()

5.2 ggplot2 的 geom_point()

6 分组条形图与马赛克图：两个分类变量

6.1 列联表

6.2 基础 R 的分组条形图

6.3 ggplot2 的分组条形图

6.4 马赛克图

7 带状图与抖动点：一个分类变量 + 一个数值变量

7.1 基础 R 的 stripchart()：显示每个观测值

7.2 ggplot2 的 geom_jitter()

7.3 基础 R 的 boxplot()：快速看分组分布

8 多组数据展示与描述统计：血红蛋白数据

8.1 各组样本量

8.2 抖动点图

8.3 ggplot2 的箱线图

8.4 小提琴图

8.5 分面直方图：facet_wrap()

8.6 基础 R 的 boxplot() 与标题参数

8.7 描述统计：以 USA 子集为例

8.8 标准误与 95% 置信区间

8.9 图层叠加：原始点 + 均值 + 标准误

9 保存图形

10 自测与练习

10.1 自测题

10.2 练习

3.5 ggplot2 条形图（一）：柱高已经算好 —— `stat = "identity"`

3.6 ggplot2 条形图（二）：直接对原始数据计数 —— `stat = "count"`