以关节炎研究包vcd为演示对象
治疗类型和改善情况的列联表
条形图并不一定要基于计数数据或频率数据。你可以使用数据整合函数将结果传递给barplot()函数。
来创建表示均值、中位数、标准差等的条形图。
棘状图对堆砌条形图进行了重缩放，这样每个条形的高度均为1，每段的高度即表示比例。
增加名称、颜色和填充颜色
可比较的密度图
箱线图（又称盒须图）通过绘制连续型变量的五数总括，即最小值、下四分位数（第25百分位数）、中位数（第50百分位数）、上四分位数（第75百分位数）以及最大值，描述了连续型变量的分布。箱线图能够显示出可能为离群点（范围±1.5*IQR以外的值，IQR表示四分位距，即上四分位数与下四分位数的差值）的观测。
并列箱线图
对box图的参数进行修改
双因素交叉的箱式图
小提琴图（violin plot）是箱线图与核密度图的结合。需要安装vioplot包
点图提供了一种在简单水平刻度上绘制大量有标签值的方法。
分组、排序、着色后的点图
饼图或者说扇形图在统计分析结果展示中非常常用，R语言自带做饼图的函数pie，做起来非常简单，只需提供比例，样品名称即可。
默认的颜色只有6中，循环使用的，不过这个颜色可以自定义。
用pie作图其实就够了，但奈何很“卷”，有其他好看的饼图，所以接下来还是结合ggplot2与ggforce做可以变换的饼图，例如空心饼图。单独用ggplot2作图比较繁琐，不建议去尝试了，太费时间没必要。
先做一个基本的饼图。
要想得到空心饼图，只需要将geom_arc_bar参数中r0改为1即可。
想要分割饼图，geom_arc_bar中添加explode参数。
可以发现，以上作图有一个bug就是添加比例标记很麻烦，要想实现自动化需要编写函数很麻烦。参考： https://stackoverflow.com/questions/52960015/how-to-avoid-label-overlap-in-pie-chart 。可以先将每个标签角度计算好，再添加，结果还好。
好了以上就是饼图的内容了，其本质是为了统计比例，结果解读比较直观，我们也是跟风做了一些变换的图形，其实最简单的饼图就可以了，各取所需。此外，还有很多其他方法制作饼图，感兴趣的自行百度了解。
R语言绘图系列：
标度控制着数据到图形属性的映射，标度将我们的数据转化为视觉上可以感知的东西，比如大小、位置、颜色、形状等。标度也为我们提供了读图时所使用的工具，比如说坐标轴和图例。总的来说，可以称为引导元素。标度函数控制元素的属性，可以理解为图形的遥控器，可以用它来调整画布大小、颜色等等。此前学的shape,color,size等参数和标度函数相比显得不够灵活。
scale_fill_brewer 调色板函数
geom_errorbar()
geom_crossbar()
geom_linerange() 绘制线段
geom_pointrange() 绘制点
pointrange：点画线
首先绘制一张盒形图
在图上显示出观测值
值得注意的是，图上点的多少并不能完全反应原始数据的多少，因为有的点可能因为点过于密集就会被覆盖，看起来是一个点，其实可能是多个点。
因此可以使用geom_jitter函数将不同的点区分开（jitter是震荡散点），width设置如果遇到相同的点，点向左右方平移的距离。alpha设置透明度。
黑色点是离群点
还可以绘制卡槽图
varwidth参数会根据该水平下观测值的个数（n值）改变盒形图的宽度。（这里宽度去的不是观测个数的绝对值，而是平方根，以缩小差距。）
给盒子上色
分组盒形图，用不同颜色区分
画水平的盒形图
使用coord_flip函数（坐标轴翻转函数）
绘制一张直方图
bins可以设置直方图条柱的数目，默认为30。当bins和binwidth（设置条柱宽度）同时设置时，默认以binwidth为准。
新加入变量cut，根据新变量在price水平上进行一个计数
y轴由count变为density，绘制概率密度
注意下面density的写法，前后都要加..
绘制概率密度曲线：geom_density函数
堆栈密度概率曲线
geom_line/geom_path/geom_step
绘制一个简单的线图
绘制点线图，点和线需要分别添加。
如上图，线在点之上，是因为先投射了点，又投射了线。
先投射线，点就出现在了线之上。
线的颜色出现了渐变
geom_smooth函数：绘制拟合曲线
methods还有其他的方法，如glm：广义线性模型；losses：纯粹平滑；gam：广义加性模型等等（lm和glm最常用）
geom_hline绘制水平线，geom_vline绘制垂直线。xintercept和yintercept是截距，slope是斜率。
