在开始ggplot2的学习之前，可以先看下我之前的一篇博客，关于快速作图——qplot
第一步当然是加载ggplot2，读取数据，了解数据。
> library(ggplot2)
Warning message:
程辑包‘ggplot2’是用R版本3.6.3 来建造的
> mpg
# A tibble: 234 x 11
manufacturer model displ year cyl trans drv cty hwy fl class
<chr> <chr> <dbl> <int> <int> <chr> <chr> <int> <int> <chr> <chr>
1 audi a4 1.8 1999 4 auto(l5) f 18 29 p compact
2 audi a4 1.8 1999 4 manual(m5) f 21 29 p compact
3 audi a4 2 2008 4 manual(m6) f 20 31 p compact
4 audi a4 2 2008 4 auto(av) f 21 30 p compact
5 audi a4 2.8 1999 6 auto(l5) f 16 26 p compact
6 audi a4 2.8 1999 6 manual(m5) f 18 26 p compact
7 audi a4 3.1 2008 6 auto(av) f 18 27 p compact
8 audi a4 quattro 1.8 1999 4 manual(m5) 4 18 26 p compact
9 audi a4 quattro 1.8 1999 4 auto(l5) 4 16 25 p compact
10 audi a4 quattro 2 2008 4 manual(m6) 4 20 28 p compact
# ... with 224 more rows
> str(mpg)
Classes ‘tbl_df’, ‘tbl’ and 'data.frame': 234 obs. of 11 variables:
$ manufacturer: chr "audi" "audi" "audi" "audi" ...
$ model : chr "a4" "a4" "a4" "a4" ...
$ displ : num 1.8 1.8 2 2 2.8 2.8 3.1 1.8 1.8 2 ...
$ year : int 1999 1999 2008 2008 1999 1999 2008 1999 1999 2008 ...
$ cyl : int 4 4 4 4 6 6 6 4 4 4 ...
$ trans : chr "auto(l5)" "manual(m5)" "manual(m6)" "auto(av)" ...
$ drv : chr "f" "f" "f" "f" ...
$ cty : int 18 21 20 21 16 18 18 18 16 20 ...
$ hwy : int 29 29 31 30 26 26 27 26 25 28 ...
$ fl : chr "p" "p" "p" "p" ...
$ class : chr "compact" "compact" "compact" "compact" ...
cty 和 hwy 分别记录城市和高速公路驾驶耗油量（英里/加仑）
1 mile=1609.344 m；1 gal=3.785412L
displ 表示发动机排量（L）
drv 表示驱动系统：前轮驱动（f）、后轮驱动（r）和四轮驱动（4）
model 表示车辆型号，共有38种车型
class 表示车辆类别
全部变量的解释可以参考：mpg数据集内容
ggplot2 图像的三个基本构成：
1、数据
2、图形属性映射
3、几何对象
for example
ggplot(mpg,aes(x=displ,y=hwy))+geom_point()
它展现了由以下三个组件构成的散点图：
1、数据：mpg
2、图形属性映射：displ对应x轴，hwy对应y轴
3、几何对象：散点图
代码就像套公式，ggplot(mpg,aes(x=displ,y=hwy))+geom_point()，数据和图形属性映射包含在ggplot()中，而+可用来添加图层，随着学习的深入，+的东西会越来越丰富。
先补充一点，下面两行代码是一样的，默认先x后y。
ggplot(mpg,aes(x=displ,y=hwy))+geom_point()
ggplot(mpg,aes(displ,hwy))+geom_point()
然而这样做出来的图并不是我们想要的，因为不够美观。还需要进一步调整，比如：
#ggplot2通过 标度 可以将数据转换为图形属性。
ggplot(mpg,aes(displ,hwy,colour=class))+geom_point()#颜色
ggplot(mpg,aes(displ,hwy,shape=drv))+geom_point()#形状
ggplot(mpg,aes(displ,hwy,size=cyl))+geom_point()#大小
以第一个colour为例，不同类型的车一目了然。
那么，可以看出什么呢？比如发动机排量（displ）较大的双座车（2seater），油耗却不是最高的，所以固定油耗下行驶距离会更长。
ggplot(mpg,aes(x=displ,y=hwy))+geom_point(aes(colour="blue"))
ggplot(mpg,aes(x=displ,y=hwy))+geom_point(colour="blue")
为什么会这样呢？这就是“标度”的作用，可以体会一下，我不太会解释 。
最后，来了解一下“分面”。这个不用解释，目的就是把复杂的数据分一分类，做出来的图更直观。分面有两种类型，网格型和封装型，下面主要讨论更为常用的封装型。
ggplot(mpg,aes(displ,hwy))+geom_point()+facet_wrap(~class)
加上facet_wrap()即可，括号里是类别，别忘了波浪线~
聪明的你可能已经想到修改geom_point()，来画其他的图，恭喜你猜对了！
下面挑几个常用的图像类型展示一下：
ggplot(mpg,aes(displ,hwy))+geom_point()+geom_smooth()
灰色部分表示逐点置信区间用以评估不确定性。如果不需要，可以输入geom_smooth(se=FALSE)。
示例：
ggplot(mpg,aes(displ,hwy))+geom_point()+geom_smooth(method="loess",span=0.2)
ggplot(mpg,aes(displ,hwy))+geom_point()+geom_smooth(method="loess",span=1)
但是，当数据量n超过1000时，loess并不适用，那该怎么办呢？下次再介绍