1.6.3 度量調整

度量用于控制變量映射到視覺對象的具體細節(jié)，比如：X軸和Y軸、alpha（透明度）、colour（輪廓色、）fill（填充顏色）、linetype（線形狀）、shape（形狀）等，它們都有相應的度量函數，如表1-6-3所示。根據視覺通道映射的變量屬性，將度量調整函數分成數值型和類別型兩大類。R ggplot2的默認度量為scale_×××_identity()。需要注意的是：scale_*_manual()表示手動自定義離散的度量，包括colour、fill、alpha、linetype、shape和size等視覺通道映射參數。

在表1-6-3中，X軸和Y軸度量是控制坐標軸的間隔與標簽的顯示等信息，會在1.6.4節(jié)時再進行詳細介紹。顏色作為數據可視化中尤為重要的部分，colour和fill會在1.7節(jié)時再進行詳細介紹。在實際的圖表繪制中，我們很少使用，因為這很難觀察到透明度的映射變化。每個度量調整函數的具體參數可以使用RStudio的“help”界面或者查看ggplot2的官方手冊。

圖1-6-9為散點圖不同度量的調整效果，圖1-6-9(a)是將數值離散型變量age映射到氣泡的大小（size），再使用scale_size(range=c(a, b))調整了散點大小（size）的度量，range表示視覺通道映射變量轉化后氣泡面積的映射顯示范圍。圖1-6-9(b)是在圖1-6-9(a)的基礎上添加了顏色的映射，使用scale_fill_distiller(palette="Reds")函數將數值離散型變量age映射到紅色漸變顏色條，其中，direction= 0表示顏色是從淺到深漸變的（注意：需要加載RColorBrewer包，才能使用“Reds”顏色主題）。圖1-6-9(c)是將類別離散型類別變量Class映射到不同的填充顏色（fill）和形狀（shape），使用scale_*_manual()手動自定義fill和shape的度量。圖1-6-9(d)是將數值離散型變量age和類別離散型變量Class分別映射到散點的大小（size）和填充顏色（fill），然后scale_size()和scale_fill_manual()分別調整氣泡大小（size）的映射范圍與填充顏色（fill）的顏色數值。

關鍵是，要學會合理地使用視覺通道映射參數，并調整合適的度量。可視化最基本的形式就是簡單地把數據映射成彩色圖形。它的工作原理就是大腦傾向于尋找模式，你可以在圖形和它所代表的數字間來回切換。1985年，AT&T貝爾實驗室的統(tǒng)計學家威廉·克利夫蘭（William Cleveland）和羅伯特·麥吉爾（Robert McGill）發(fā)表了關于圖形感知和方法的論文[18]。研究焦點是確定人們理解上述視覺暗示（不包括形狀）的精確程度，最終得出如圖1-6-10所示的數值型數據使用不同視覺暗示的精確程度排序。

我們能用到的視覺暗示通常有長度、面積、體積、角度、弧度、位置、方向、形狀和顏色（色相和飽和度）。所以正確地選擇哪些視覺暗示就取決于你對形狀、顏色、大小的理解，以及數據本身和目標。不同的圖表類型應該使用不同的視覺暗示，合理的視覺暗示組合能更好地促進讀者理解圖表的數據信息。如圖1-6-11所示，相同的數據系列采用不同的視覺暗示的組合共有6種，分析結果如表1-6-4所示。

根據表1-6-4可知，圖1-6-11 (f)是最優(yōu)的視覺暗示組合結果，既能保證很容易區(qū)分數據系列，也保證圖表很美觀，同時也適應于彩色與黑白兩種印刷方式。當圖1-6-11(f)采用黑白印刷時，色相視覺暗示會消除，只保留位置+方向+形狀，如圖1-6-11(c)所示，但是這樣也能容易區(qū)分數據系列，保證讀者正確、快速地理解數據信息。表1v6-5展示了圖1-6-11系列圖表的視覺暗示組合代碼與說明。

在表1-6-5中，我們需要重點理解fill、color、size、shape等視覺通道映射參數的具體位置，何時應該在aes()內部，何時應該在aes()外部的區(qū)別。

●當我們指定的視覺通道映射參數需要進行個性化映射時（即一一映射），應該寫在aes()函數內部，即每一個觀測值都會按照我們指定的特定變量值進行個性化設定。典型情況是需要添加一個維度，將這個維度按照顏色、大小、線條等方式針對維度向量中每一個記錄值進行一一設定。

●當我們需要統(tǒng)一設定某些圖表元素對象（共性，統(tǒng)一化）時，此時應該將其參數指定在aes()函數外部，即所有觀測值都會按照統(tǒng)一屬性進行映射，例如size=5, linetype="dash"，color="blue"。典型情況是需要統(tǒng)一所有點的大小、顏色、形狀、透明度，或者線條的顏色、粗細、形狀等。這種情況下不會消耗我們數據源中的任何一個維度或者度量指標，僅僅是對已經呈現(xiàn)出來的圖形元素的外觀屬性做了統(tǒng)一設定。