第二节
折线图

用于绘制折线图的函数是geom_path和geom_line。二者的区别在于，geom_line会按照数据点在数据框中的位置来连线，即，先连接第一个和第二个点，再连线第二个和第三个点，因此，线条有可能折返。而geom_line则会先对数据点在X轴上的取值进行排序，并按顺序把点连接起来。例如，如果数据是按时间顺序收集的，并且也是按时间顺序从先到后放在数据框中的，那么我们用这两个函数中的哪一个都可以，但如果数据是按照被打乱的顺序放置的，我们就必须使用geom_line。

## 请通过以下这个例子观察geom_path和geom_line的区别

library(ggplot2)

ggplot()+geom_path(aes(x=c(3, 5, 1, 2, 4), y=c(10, 20, 30, 40, 50)))

ggplot()+geom_line(aes(x=c(3, 5, 1, 2, 4), y=c(10, 20, 30, 40, 50)))

下边来看geom_path/line有哪些一般参数。

●data、mappingp、na.rm、show.legend：请参阅geom_point的说明。

●linetype：线形，0=不绘制，1=实线（默认），2=短横，3=点状，4=点加短横， 5=长横，6=点加长横。另外，线形还可用单元长度表示，比如linetype="31"，表示先画3个单位的线条，空1个单位；linetype="3141"，表示先画3个单位的线条，空1个单位，再画4个单位的线条，再空1个单位。具体用法见例子。

●color：线条颜色。一般情况下，每根线条使用一种颜色；但当linetype=1时，如果线条包含n个点并且有n个颜色被给出，则线条会带有渐变效果。见下文示例。

●alpha：线条透明度。与color相仿，同一线条每一部分的透明度也可不同。

●size：宽度，即线条的粗细，默认值为0.5。

●lineend：线条两端的形状，可选择"butt"（默认）、"round"、"square"，通常无需修改。

●linejoin：线条拐角处的形状，可选择"mitre" 、"round"（默认）、"bevel"，通常无需修改。

●arrow：为线条加箭头。见下文示例。

●orientation：见第三章第一节关于coord_flip的内容。

在本例中，我们使用的数据为美国月度工业生产指数（Industrial Production Index，IP Index）。

dat=read.csv("ip small.csv", row.names=1) # 课件中的文件

# 注意：数据是按照时间顺序收集的，所以折线图的X轴应代表时间。但由于我们尚未学习当变量为时间对象时的坐标轴画法，所以暂且使用序号来代表时间顺序,也就是数据中的id一列

## 表面上看，我们直接使用ggplot(dat)+geom_line(aes(x=ID, y=Value))绘制折线图即可。但是这样画出来的折线图是没有意义的。这是因为，文件包含机械领域、计算机和电子产品领域两方面的数据，分别用Machinery和Computer这两个类别表示，因此我们必须为每一个类别绘制一条折线

# 我们先以Area为Computer的数据为例

comp=ggplot(dat[dat$Area=="Computer", ])+labs(title="Industrial Production Index")

comp+geom_line(aes(ID, Value), linetype=2, color="red", alpha=0.5, size=1.5) # 改变线形、颜色、透明度、粗细

comp+geom_line(aes(ID, Value), linetype="2141", size=1.5) # 用单位长度设定linetype（图2-2-1a）

comp+geom_line(aes(ID, Value), size=1.5, color=color Ramp Palette (c("red", "blue"))(24)) # 线条包含24个数据点，因此要给出24个颜色（最后一个颜色不会被使用），才能产生渐变（图2-2-1b）

## 箭头的画法：arrow参数应指向由arrow函数生成的对象。其中，angle是箭头线与线段的夹角；length是箭头线的长度（默认为0.25，必须用unit函数设置）；ends用于设定在哪里画箭头，可选择"last"（默认）、"first"、"both";type用于设定形状，"closed"为实心，"open"为非实心

comp+geom_line(aes(ID, Value), arrow=arrow(angle=25, length= unit(0.20, "inches"), type="closed"))

那么，如何同时为两组数据作图呢？我们这时要用到group参数。

p=ggplot(dat)

## 用group参数指定分组。在本例中，Area列指明了Value列的数值是属于"Machinery"领域还是属于"Computer"领域，因此我们用group=Area就可为这两组数据分别画折线了

p+geom_line(aes(ID, Value, group=Area))

## 不过，这样画出来的两个线条在属性上没有区别，因此我们也许需要使用color、 linetype等aes参数

p+geom_line(aes(ID, Value, color=Area)) # 每组颜色不同

p+geom_line(aes(ID, Value, linetype=Area)) # 每组线形不同

# 注意：这里用于分组的变量必须要么是character变量，要么是factor变量。那么，如果使用连续变量来分组会有什么不同呢？本章第三节会给出说明

# 用color、linetype等指向分组变量时，图例会自动显示；如果你不想画图例,可加上show.legend=FALSE

#==========

# 练习

#==========

# 在需要同时画多组数据的情况下，以下几种方法的效果完全相同

# 方法一，用group

p+geom_line(aes(ID, Value, group=Area))

# 方法二，把数据拆成两组，再使用两个图层（本章在后边会对复合图表进行讲解）

dat1=dat[dat$Area=="Computer", ]

dat2=dat[dat$Area=="Machinery", ]

ggplot()+

geom_line(data=dat1, aes(ID, Value))+

geom_line(data=dat2, aes(ID, Value))

# 方法三，在画图的时候使用索引

ggplot()+

geom_line(data=dat[dat$Area=="Computer", ], aes(ID, Value))+

geom_line(data=dat[dat$Area=="Machinery", ], aes(ID, Value)) dJ00Yb7nYP9uXYpl2PvfnqO2vNND3wFl7yq9lXF1K6iMdzof/JpLKVP28Awb2EcS