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。
热图（Heatmap）：用颜色变化直观的表达数据之间差异的图，是对实验数据进行质制和差异数据的展现，是数据挖掘类文章的标配。
例如上图，每个小方格表示每个基因，其颜色表示该基因表达量大小，表达量越大颜色越深（红色为上调，蓝色为下调）。每行表示每个基因在不同样本中的表达量情况，每列表示每个样品中所有基因的表达量情况。上方树形图表示对来自不同实验分组的不同样品的聚类分析结果
