等到下次回台北就又發薪了呢
這次要點怎樣的東西來吃呢?
OK，這次要教的是ggplot 套件中比較基礎的qplot()函數，
我們會從最基本的單維圖表，也就是長條圖與直方圖開始教起。
首先先來看看qplot()的結構：
qplot(x, y = NULL, …, data, facets = NULL, margins = FALSE,
geom = “auto", xlim = c(NA, NA), ylim = c(NA, NA), log = “",
main = NULL, xlab = deparse(substitute(x)),
ylab = deparse(substitute(y)), asp = NA, stat = NULL, position = NULL)
希望這不會嚇到各位，因為這真的是最簡單的了XDDDDDD
我會盡量讓各位理解的。
首先是x跟y，x跟y是要被餵入圖表的資料，因為有些資料圖表，像這次介紹的長條圖與直方圖就只需要x值，所以y值的預設是空值，不過像上次的體驗裡的散佈圖就有用到y值。
data是要告訴R這些x跟y應該要去哪裡提取，主要就是填入dataset的名稱
facets 跟margins 同樣屬於分面功能，facets決定的是要以哪些變數作為分面的依據，在預設值為空值的狀況下，是不會有分面的，margin則是會以現有的分面為依據再依變數類別加入新的分面層級。
這兩個功能我們在這裡還不會用到XDDDDD，因為本人還沒學好XDDDDD。
geom決定這些資料將會被怎樣的繪製，如果是單維資料的話預設的圖表會是長條圖，
二維資料的話則是散佈圖。
xlim跟ylim分別決定x值與y值的上下限，如果要特別檢視圖表的某個部分時就會用到。
log是將這些數值進行對數轉換，可以藉由填入”x”,”y”,”xy”來對想要進行轉換的變數進行轉換。
main是圖表的標題，xlab與ylab則是變數的名稱，預設值是變數名稱。
asp是長寬比。
stat與position是變數的統計轉換及位置調整，不過在qplot中是沒辦法使用這兩個功能的。
讓我們開始吧，這次的資料集是芝加哥市政府所提供的性犯罪者相關檔案，點選右上角的Download並且選擇CSV就可以下載了。
https://data.cityofchicago.org/Public-Safety/Sex-Offenders/vc9r-bqvy
而這是我們今天要講的所有指令，我想前面一段都是之前教過的了
我們會分層來講要怎麼借由函數的堆疊來畫出想要的圖。
在下載好之後的行動就跟之前在調查闖紅燈一樣了：設定工作位置、把檔案移進去、載入資料集並指派名稱。這次不一樣的是我們還要叫出ggplot2套件。
而在載入資料集之後，我希望各位能養成兩個習慣：
- 先用str()、summary()跟head()大致掃過一次，
- 檢查有無NA值
這兩個動作基本上是在對任何的資料集都要做的兩個基本工作，可以省掉很多不必要的麻煩。
像在這次的資料集中，我們就可以看到兩個接下來要先經過處理才能進行分析的部分：
身高與體重，這兩個變數以我們的角度是怎麼看怎麼怪的，但對美國人而言可能非常直覺。
身高的60應該就是六呎0吋，體重的607指的是607英磅，在接下來如果要分析這兩個變數的話就會處理，不過我們這次要分析的主要會是年齡、性別以及種族分類，所以就留到下次再說XD
我們先從性別開始吧，最原始的圖表長這樣：
P01<-qplot(GENDER,data=D01)
P01
這段指令是先將製圖結果指派為P01，再叫出P01，結果如下：
壓倒性的差距呢。
真是有夠簡單，但好像有點太簡單了。
如果是我的話我會希望他可以有顏色、有數字標籤，那怎麼做呢?
首先是加上顏色的部分，我會再加上 +geom_bar(aes(fill = GENDER))
P01<-qplot(GENDER,data=D01) +geom_bar(aes(fill = GENDER))
P01
就是告訴R我們要再加上一層圖，這層圖會是長條圖，在aes的設定項中，填滿會由性別這個變數決定，結果如下：
因為單個長條裡只會有ㄧ個性別，所以整個長條都會是一樣的顏色。
但如果改選用其他類別變數，如種族來進行填滿的話，就會有不一樣的顏色出現：
P01<-qplot(GENDER,data=D01) +geom_bar(aes(fill=RACE))
P01
但我不是很喜歡這結果：
一張圖表裡擠了6*2=12個資訊真的是有些太複雜了，所以用原本的就好。
接下來我想要叫出資料標籤，也就是男女的人數，這時我需要再疊上一層圖：
+geom_text(stat="count",aes(label=..count..),vjust=-1)
這告訴R的資訊是：我要加上一層有關文字的圖層，使用的統計轉換是計數
在aes選項中，我要調整標籤的文字，要沿用前面的計數結果，然後我要調整標籤的垂直位置
(vjust的值可以在1到-1之間)，而這就是結果。
P01<-qplot(GENDER,data=D01) +geom_bar(aes(fill =GENDER)) +geom_text(stat="count",aes(label=..count..),vjust=-1)
P01
接下來來做種族上的分析，一開始的圖長這樣：
P02<-qplot(RACE,data=D01)
P02
黑人的比例驚人的高耶@@
在比較三個以上的項目的時候，我們就多了一個新的課題：排序
在這裡我使用了reorder()函數，這個函數的結構是這樣的：
reorder( x, X , FUN)
x是用於排列的依據，通常會選用類別變數，這個變數中的每一個獨特值將會被用來做排列的依據。
X則是會依x經過FUN計算的結果而被歸類的變數，必須跟x同樣的長度而且要含有x中的所有level。
FUN是指x在用於排序之前所需經過的計算，這裡我使用的是計數 length(x)。
之後我們會教這個吧，我猜XDDDDD
然後我們把這串計算結果指派進原有的資料集：
D01$RACE<-reorder(D01$RACE,D01$RACE,FUN =function(x) -length(x))
之後再叫一次圖，就會有以下的結果：
P02<-qplot(RACE,data=D01)
P02
如果要升冪的話，就把-length(x)中的-去掉：
OK，接下來跟第一張圖一樣上色上標籤，不過這次我想幫標籤改個顏色，這需要在aes中再加上一個color
P02<-qplot(RACE,data=D01)+geom_bar(aes(fill=RACE))+
geom_text(stat="count",aes(label=..count..,color=I(“grey"),vjust=-1))
P02
值得注意的是在寫顏色相關的引數，包含fill以及color時，要記得在顏色之外再加一個I()，
不然會變成這樣：
P02<-qplot(RACE,data=D01)+geom_bar(aes(fill=RACE))+
geom_text(stat="count",aes(label=..count..,color="grey",vjust=-1))
P02
顏色的字元會被當成圖例的一部分，作為對顏色的描述，而且根本不是灰色啊XDDDDD
大概這樣就完成了。接下來進入第三張：年齡
年齡有別於前面兩個變數，前面兩個是類別變數所以使用長條圖(Bar Chart)，而年齡則是連續變數，所以會使用的是直方圖(Histogram)。
兩者之間的差別在於長條圖則可以自由調整各個長條的次序，而且中間會有空隙，但直方圖必然是照x值的順序作升冪或降冪排列，而且直方之間不會有空隙。
一開始最原始的圖形是這樣的：
P03<-qplot(AGE,data=D01)
P03
OK，一坨不知其然的屎。
我們要做幾項調整，首先是區間。
直方圖的直方是透過將原始的連續變數曲線切割作數個區間而來的，所以我們要先設定切割的大小，先以5來試試看吧。
P03<-qplot(AGE,data=D01,binwidth=5)
P03
好，看來這不是關鍵性的問題，換上一點顏色跟外框看看好了，順便再加個標題、x值名稱與y值名稱
P03<-qplot(AGE,data=D01,binwidth=5,color=I(“White"),fill=I(“steelblue"),xlab = “Age",ylab = “Count",main="Count by Age")
P03
看起來好一點了，看來是底下的座標軸問題，刻度只有25太稀疏了
這時就需要加上對x軸刻度的指定，這串則是使用scale_x_continous達成，當中的刻度就是breaks，而我們指派給他的刻度是從10開始，到100結束，間格為5的等差數列，也就是seq(10,100,5)
P03<-qplot(AGE,data=D01,binwidth=5,color=I(“White"),fill=I(“steelblue"),xlab = “Age",ylab = “Count",main="Count byAge")+scale_x_continuous(breaks=seq(10,100,5))
P03
這好多了，只是上面的標題不置中讓我有點在意。
這時會需要使用theme函數來調整，當中的hjust可以設定0~1之間的值
0是靠左，1則是靠右，0.5則是置中。
P03<-qplot(AGE,data=D01,binwidth=5,color=I(“White"),fill=I(“steelblue"),xlab = “Age",ylab="Count",main="CountbyAge")+scale_x_continuous(breaks=seq(10,100,5)) +theme(plot.title = element_text(hjust = 0.5))
OK，這下三張圖都做好了，就差把它們保存起來
保存就請按下Plots裡面的Export，就有選項可以按：
還有另外一個做法是ggsave，只是那個實在太煩人了我還沒搞定所以之後再教XDDDDDD
今天就先這樣吧，我們下次見~~~
這場雨到底要下多久RRRRRRR
Ynotsmarter 