基于ggplot的政经数据可视化：主题设置

主题，是指图表背景色、面板背景色、坐标轴的宽度等附属元素的属性。图表是否美观、合理，在一定程度上取决于主题的设置。本节分为三个部分，首先介绍成套主题，其次介绍可在theme函数中直接修改的主题，最后介绍在theme函数中通过element_*系列函数修改的主题。

一、成套主题

主题设置涉及许多项目，有时我们只有对多个项目同时进行修改，才会看到理想的效果。比如，我们把背景色改为黑色，那么就应该同时把坐标轴标题之类的文字由默认的黑色改成浅色，这样才能让这些文字显示出来。为了简化操作，程序编写者设计了一些成套的主题。

library(ggplot2)

dat=read.csv("ip small.csv", row.names=1) # 前边的章节使用过的工业生产指数数据

p=ggplot(data=dat, aes(ID, Value, color=Area))+geom_line(size=1)

## ggplot2中的内置主题

p+theme_bw() # 黑白主题

p+theme_bw()+theme(panel.background=element_rect(fill="#DFCCFF")) #

使用成套主题后仍可以用后边会讲到的theme函数修改个别属性

p+theme_minimal() # 简单主题

p+theme_classic() # 经典主题

p+theme_void() # 去掉各种附属元素（我们以后将多次用到这个设置）

ggplot()+geom_blank(data=dat, aes(ID, Value)) # geom_blank是图层函数，而并非主题设置函数。笔者将其放在这里，是因为它能起到根据数据生成画布的作用。它的功能相当于用数据画一个散点图，只不过所有的点都是透明的

## ggthemes等R包也提供了一些有用的成套主题

# install.packages("ggthemes")

library(ggthemes)

p+theme_economist() # 《经济学人》风格

p+theme_par() # 模仿base作图系统

p+theme_stata() # 模仿Stata

p+theme_wsj() # 《华尔街日报》风格

二、theme函数：直接修改

用theme函数对主题进行修改的操作可分为两类。

dat=read.csv("ip big.csv", row.names=1) # 前边的章节使用过的工业生产指数数据

dat$Date=as.Date(dat$Date)

# 为进行示范我们有意生成两个图例

p=ggplot(dat)+geom_line(aes(Date, Value, color=Area, linetype= Area), size=1.2)+

scale_color_discrete(guide=guide_legend(title="legend 1"))+

scale_linetype_discrete(guide=guide_legend(title="legend 2"))

# 第1类：直接为参数指定一个值

p+theme(aspect.ratio=0.5)

# 第2类：用参数指定由element_*函数生成的值

p+theme(axis.text.x=element_text(angle=30, size=12))

下面我们首先介绍直接设定的方法。

总结起来，能够直接设置的项目有：

## legend.position：图例位置

# 选项为"none"、"bottom"、"top"、"left"、"right"；也可以是长度为2的向量，此时给出的数值不是坐标值，而是图例的中心点在整个面板中的位置。水平位置和垂直位置均用0至1的数值来表示，因此，c(0.5, 0.5)就代表把图例画在面板中间

p+theme(legend.position="bottom")

p+theme(legend.position=c(0.5, 0.5)) # 整个图例的中心位于面板左边

## legend.direction：图例中格子的排列方向

# 选项为"horizontal"或"vertical"。当图表包含多个图例时，如果只想修改单个图例，请在guide_legend/colorbar里修改direction参数

p+theme(legend.position="bottom", legend.direction="vertical")

## legend.spacing：多个图例之间的距离

# 用unit函数进行设定，并选择适当的数值和"cm"、"inches"、"mm"等单位,以免把图例挤到图表外

p+theme(legend.position="bottom", legend.direction="vertical", legend.spacing=unit(3, "cm"))

## legend.spacing.x、legend.spacing.y：调整图例标题、格子或标尺、标签之间的距离

# 用unit函数调整

p+theme(legend.spacing.y=unit(10, "mm"), legend.spacing.x=unit(5,"mm")) # 此处的图例标题在其他部分的上边，用legend.spacing.y调整，标签在格子的右边，用legend.spacing.x调整

ggplot(dat)+geom_line(aes(ID, Value, color=Area))+

scale_color_discrete(guide=guide_legend(label.position="top"))+

theme(legend.spacing.y=unit(2, "mm")) # 此处的图例标题在标签上边、标签在格子上边，因此均用legend.spacing.y调整

## legend.key.size、legend.key.width、legend.key.height：同时修改格子的宽度和高度、修改宽度、仅修改高度

# 用unit函数调整

p+theme(legend.key.width=unit(2, "cm"), legend.key.height= unit(0.3, "cm"))

## legend.title.align、legend.text.align：图例标题和标签的对齐方式 # 取值为0（左）至1（右）之间的数值

p+theme(legend.title.align=0.5, legend.text.align=1)

## legend.justification：对整个图例的位置进行调整

# 当图例在左边或右边时，可选项为"center"、"top"或"bottom"，当图例在上边或下边时，可选项为"center"、"left"或"right"

p+theme(legend.justification="top")

p+theme(legend.position="bottom", legend.direction="vertical", legend.justification="left")

# 取值也可为在0至1之间、长度为2的向量：当图例在左边或右边时，仅第二个数值有效，用于调整上下位置；当图例在上边或下边时，仅第一个数值起作用，用于调整左右位置

p+theme(legend.justification=c(999, 0))

p+theme(legend.position="bottom", legend.direction="vertical",legend.justification=c(0.2, 999))

## legend.box：多个图例的排列

# 当为"horizontal"时所有图例在同一行，当为"vertical"时在同一列

p+theme(legend.position="bottom", legend.box="vertical")

## legend.box.spacing：图例到绘图区的距离

# 用unit函数调整，正值使图例远离面板，负值使两者贴近，不过负值可能会使面板无法完整显示

p+theme(legend.box.spacing=unit(-2, "cm"))

## panel.ontop：是否把面板放在最上层

# 改变此设置唯一有意义的情境就是：用半透明从半透明的面板改变色调

p+theme(panel.background=element_rect(fill=scales::alpha("purple", 0.1)), panel.ontop=TRUE)

## axis.ticks.length：坐标轴刻度线的长度

# 用unit函数调整

p+theme(axis.ticks.length=unit(0.2, "cm"))

## plot.margin：画布边缘

# 用unit函数调整，需依次给出上、右、下、左的数值。注意：这个参数会修改整个图表的边缘，而不会修改各个分面的边缘（后边的章节会介绍分面的操作）

p+theme(legend.position="bottom", legend.box="vertical", plot. margin=unit(c(0, 0.5, 0, 0), "inches")) # 对边缘作调整常用于确保坐标轴标签可以完整显示

## plot.tag.position：标记的位置

# 选项为"top"、"topleft"（默认）、"topright"、"left"、"right"、"bottom"、"bottomleft"、"bottomright"这八个位置

p+labs(tag="Figure 1")+theme(plot.tag.position="left")

## aspect.ratio：面板的高宽比

# 请参阅本章第一节讲解coord_fixed函数的部分

## plot.title.position and plot.caption.position：标题（包含副标题）和注释的对齐位置

# 选项为"panel"（默认）或"plot"

p+labs(title="ABCDE", subtitle="abcde")+theme(plot.title.position="plot")

三、theme函数：用element_*函数修改

初学ggplot的读者可能会对下面要讲解的主题设置方式不太习惯。比如，我们要修改标题类文字的大小时，不能使用title.size=20之类的代码，而必须使用title=element_text(size=20)。在程序编写者看来，图表各种附属元素均可以被归为文字、线条、矩形三类。因此，调整背景色就相当于调整矩形的填充色，调整坐标轴的线形就相当于调整线条的线形。就此而言，用element_text、element_line和element_line函数进行调整反而让人感到更加明晰。

## 此类主题设置的书写形式是：

p+theme(panel.background=element_rect(fill="yellow"))

# 待修改的项目是panel.background（即面板背景色）；对其进行修改相当于对矩形填充色进行修改，因此应使用element_rect；待修改的属性是填充色，因此参数为fill

# 注意：多数情况下，我们可按任意顺序调整主题，不过也有例外

p+theme_void()+theme(panel.background=element_rect(fill="yellow")) #正确：先去掉各种元素，再修改元素

p+theme(panel.background=element_rect(fill="yellow"))+theme_void() #错误：先修改元素，再去掉元素（这会导致上一步的修改无效）

# 用element_blank可删除我们指定的元素，而不会像theme_void那样删除多个附属元素。

p+theme(panel.background=element_blank(), axis.title=element_blank()) # 删除面板和坐标轴标题

1. element_text

用element_text修改的附属元素有：

●text：文字类元素。注意：并非文字的所有属性均可作一次性调整，比如，当使用text调整大小和颜色时，坐标轴标签的颜色就不会被改变。

●title：标题类文字。

●plot.title、plot.subtitle、plot.caption、plot.tag、legend.title：图表标题、副标题、注释、标记、图例标题。

●axis.title、axis.title.x、axis.title.x.top、axis.title.y、axis.title.y.right：坐标轴标题、X轴标题、上侧X轴标题、Y轴标题、右侧Y轴标题。

●axis.text、axis.text.x、axis.text.x.top、axis.text.y、axis.text.y.right：坐标轴标签、X轴标签、上侧X轴标签、Y轴标签、右侧Y轴标签。

●legend.text，图例标签。

■ 可修改的属性为：

●family：选项为："sans"（默认）, "serif", "mono"。

●face：粗体或斜体。1为普通，2为粗体，3为斜体，4为粗斜体。

●color：文字颜色。

●size：文字大小。

●angle，旋转角度。Y轴标题默认旋转90度。

●hjust、vjust：水平调整和垂直调整。取值越大文字越靠上（右），取值越小文字越靠下（左）。大于1或小于0的取值可能导致文字显示不完整。

●lineheight：行高。默认值为0.9。

dat=read.csv("ip small.csv", row.names=1) # 前边的章节使用过的工业生产指数数据

dat$Date=as.Date(dat$Date)

p=ggplot(dat)+geom_line(aes(Date, Value, color=Area), size=1.2)+

labs(title="Industrial Production Index", subtitle="2011/7 ~ 2013/6", caption="Using package ggplot2")

p+theme(text=element_text(color="orange", size=20)) # 所有文字类项目

p+theme(title=element_text(color="orange", size=20)) # 所有标题类文字

p+theme(axis.title.y=element_text(angle=0, vjust=0.5)) # 将Y轴标题改为水平放置，同时用vjust将其放到中部

p+labs(y="V\na\nl\nu\ne")+theme(axis.title.y=element_text (angle=0, vjust=0.5, lineheight=0.7)) # Y轴标题垂直排列

# 多项调整(www.xing528.com)

p+theme(

text=element_text(size=16),

axis.text.x=element_text(angle=30), # 旋转X轴标签

legend.text=element_text(face=4, color="red"), # 修改图例标签

plot.title=element_text(vjust=-12), # 使标题贴近甚至进入面板

plot.subtitle=element_text(vjust=-13),

plot.caption=element_text(hjust=0.5) # 调整注释的位置

)

2. element_line

用element_line修改的附属元素有：

●line：所有线条类元素。注意：并非文字的所有属性均可作一次性调整，比如，次要网格线的粗细不能用line设置。

●axis.ticks、axis.ticks.x、axis.ticks、axis.ticks.x.top、axis.ticks.y.right：坐标轴刻度线、X轴刻度线、Y轴刻度线、上侧X轴刻度线、右侧Y轴刻度线。

●axis.line、axis.line.x、axis.line.y、axis.line.x.top、axis.line.y.right：坐标轴线、X轴线、Y轴线、上侧X轴线、下侧Y轴线。

●panel.grid、panel.grid.major、panel.grid.minor、panel.grid.major.x、panel. grid.major.y、panel.grid.minor.x、panel.grid.minor.y：网格线、主要网格线、次要网格线，以及与X轴和Y轴相对应的主要、次要网格线。

可修改的属性为：color、size、linetype、lineend、arrow，请参阅前文对geom_line的说明。p+theme(

panel.grid=element_blank(),

axis.line=element_line(lineend="square", color="red", size=3, arrow=grid::arrow())

) # 默认状态下，ggplot并不显示坐标轴，仅当对坐标轴进行调整后，它才会显示出来p+theme(

panel.grid=element_line(linetype=2), # 所有网格线的线形

panel.grid.major.x=element_line(color="red"),

panel.grid.minor.y=element_line(color="green")

)

3. element_rect

用element_rect修改的附属元素为：

●plot.background：全图背景。

●panel.background：面板背景。注意：如果要给面板加边框，在此设置color="black"（或其他颜色）即可。

●legend.box.background、legend.background、legend.key：图例区（容纳多个图例的区域）背景、单个图例背景、图例格子背景。

■ 可修改的属性为：

●fill：填充色。如果不需要填充色，可设为NA。注意：此处没有alpha参数，如需使用半透明颜色，可用scales::alpha事先生成。

●size、linetype、color：轮廓线的粗线、线形、颜色。

## 请观察本例中涉及图例的修改

ggplot()+geom_point(aes(x=c("a", "b", "c"), y=1: 3, shape=c("a", "b","c"), color=1: 3))+

theme(

legend.box.background=element_rect(fill="blue", color="green", size=5),

legend.background=element_rect(fill="orange", color="yellow", size=2),

legend.key=element_rect(fill="purple", color="red", size=2)

)

# 综合使用各项主题设置（图3-3-1）

p+scale_color_manual(values=c("Machinery"="black", "Computer"="goldenrod1"), guide=guide_legend(override.aes=list(size=2)))+

theme(panel.background=element_blank(),

plot.background=element_rect(fill="steelblue3", color="steelblue3"),

legend.box.background=element_blank(),

legend.background=element_blank(),

legend.key=element_blank(),

text=element_text(color="palegreen1", size=20, family="serif"), plot.title=element_text(size=22),

axis.text=element_text(color="palegreen1"),

axis.title.y=element_text(angle=0, vjust=0.5),

panel.grid=element_blank(),

panel.grid.major.y=element_line(color="palegreen1", linetype=2),

axis.ticks=element_line(color="palegreen1")

)

图3-3-1 综合使用各项主题设置

#==========

# 练习：随机散点图

#==========

# 观察效果图（图3-3-2）可知，各组散点在靠近角落的地方较密集，而在靠近图表中间的位置较稀疏。这种效果是通过生成呈截断正态分布的数值实现的

library(truncnorm)

seed=1 # 设置随机种子

n=270 # 每组散点的个数

SD=3 # 正态分布的标准差

maxsize=17 # 点的最大尺寸

co=c("blue3", "green", "yellow", "red")

# 生成数据

set.seed(seed); x1=rtruncnorm(n, a=0, b=5, mean=0, sd=SD); seed= seed+1

set.seed(seed); y1=rtruncnorm(n, a=0, b=5, mean=0, sd=SD); seed= seed+1

set.seed(seed); s1=runif(n, 1, maxsize); seed=seed+1

set.seed(seed); x2=rtruncnorm(n, a=5, b=10, mean=10, sd=SD); seed= seed+1

set.seed(seed); y2=rtruncnorm(n, a=0, b=5, mean=0, sd=SD); seed= seed+1

set.seed(seed); s2=runif(n, 1, maxsize); seed=seed+1

set.seed(seed); x3=rtruncnorm(n, a=5, b=10, mean=10, sd=SD); seed= seed+1

set.seed(seed); y3=rtruncnorm(n, a=5, b=10, mean=10, sd=SD); seed= seed+1

set.seed(seed); s3=runif(n, 1, maxsize); seed=seed+1

set.seed(seed); x4=rtruncnorm(n, a=0, b=5, mean=0, sd=SD); seed= seed+1

set.seed(seed); y4=rtruncnorm(n, a=5, b=10, mean=10, sd=SD); seed= seed+1

set.seed(seed); s4=runif(n, 1, maxsize)

p=ggplot()+theme_void()+ # 删除附属元素

theme(aspect.ratio=1, plot.background=element_rect(fill="black", color=NA))+

coord_cartesian(xlim=c(0, 10), ylim=c(0, 10), expand=FALSE)+

geom_point(aes(x1, y1), alpha=0.2, size=s1, color=co[1])+

geom_point(aes(x2, y2), alpha=0.2, size=s2, color=co[2])+

geom_point(aes(x3, y3), alpha=0.2, size=s3, color=co[3])+

geom_point(aes(x4, y4), alpha=0.2, size=s4, color=co[4])

p+geom_text(aes(x=5, y=5, label="Science makes life colorful"),color="white", fontface=3, size=7, family="serif") # 后面的章节会讲到用于添加文字的geom_text函数

图3-3-2 随机散点图

#==========

# 练习：颠倒Y轴的图表

#==========

# 文件terror ym.csv记录了1968年至2009年期间，按月统计的世界各地恐怖袭击伤亡情况，我们用它来绘制一个颠倒Y轴的图表（图3-3-3）

library(reshape2)

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

dat=dat[384: 503, ] # 只使用2000年至2009年的数据

dat=melt(dat, id.vars="Date", measure.vars=c("Fatalities", "Injuries"))

# 转化成ggplot接受的形式

dat$Date=as.Date(dat$Date) # 转化成Date对象以便使用scale_x_date

# 第一个年份显示四位数字，后边的只显示两位数字

pos=paste(2000: 2009, "-01-01", sep="")

true_lab=substr(2000: 2009, start=3, stop=4)

true_lab[1]="2000"

# 本例使用的geom_area用于绘制带阴影的曲线，后边的章节将对其进行详细介绍

p=ggplot(dat)+

geom_area(aes(x=Date, y=value, alpha=variable), fill="red", position=position_identity())+

scale_alpha_manual(values=c("Fatalities"=1, "Injuries"= 0.4))+

scale_y_reverse(name=NULL)+ # 颠倒Y轴

scale_x_date(name=NULL, breaks=as.Date(pos), labels=true_lab, position="top") # 将X轴放到顶部

p+theme_void()+

labs(title="Monthly Fatalities and Injuries of\n Terrorist Attacks 2000 ~ 2009\n")+

theme(

text=element_text(family="mono"),

axis.text=element_text(size=15, color="grey70"),

plot.title=element_text(color="grey70", size=18, hjust=1),

legend.title=element_blank(),

legend.text=element_text(color="white", size=14),

plot.background=element_rect(fill="grey15", color=NA),

plot.margin=unit(rep(4, 4), "mm"),

axis.ticks.x.top=element_line(color="grey30"),

axis.ticks.length=unit(2, "mm"),

panel.grid.major.y=element_line(color="grey30", linetype= 3),

legend.position="bottom"

)

图3-3-3 颠倒Y轴的图表