数据准备
本示例数据是自编数据，仅为练习所用，数据结构假设为，两个年份year(2020，2021)，两个氮水平nitrogen（N1，N2），两个玉米品种variety（a，b）测定了5个试验指标（变量v1，v2，v3，v4，v5），每个处理3次重复block（1，2，3）。

library(tidyverse) # 调用tidyverse。
df <- read_csv(file = "df.csv") # 导入数据。文档在工作目录下，所以直接给文件名导入。
df # 查看数据。
## # A tibble: 24 × 9
##     year nitrogen variety block    v1    v2    v3    v4    v5
##    <dbl> <chr>    <chr>   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
##  1  2020 N1       a           1  1.26  2.14   0.4   5    3.25
##  2  2020 N1       a           2  1.2   2.9    0.1   5.3  1.27
##  3  2020 N1       a           3  1.3   3      0.3   5.6  2.24
##  4  2020 N1       b           1  1.08  1.72   1.8   2.8  1   
##  5  2020 N1       b           2  1.05  1.65   1.7   2.5  3.12
##  6  2020 N1       b           3  1.15  1.35   1.5   3.1  4.57
##  7  2020 N2       a           1  1.32  3.78   1.6   6    5.85
##  8  2020 N2       a           2  1.28  4.32   1.4   6.1  6.48
##  9  2020 N2       a           3  1.35  3.95   1.3   6.2  7.21
## 10  2020 N2       b           1  1.33  3.47   2.8   4.1  6.56
## # … with 14 more rows

7.2 标度(scale)

标度（scale）
标度是将数据空间（标度的定义域）映射到图形属性空间（标度的值域）的一个函数。
标度的作用是调整数据映射的图形属性。这些属性包括颜色，位置，形状，大小，线条类型等。
ggplot2为每一种图形属性提供了一个默认的标度，当默认标度不满足我们的作图需求时，我们需要对默认标度进行修改。

标度变换
要想将图形属性映射为变量，需要在函数aes()中将图形属性名称和变量名称关联起来。ggplot2会自动为每个变量值分配唯一的图形属性水平，这个过程即为标度变换。

一般ggplot2会自动根据输入变量选择最优的坐标刻度方案，若要手动设置或调整，就需要用到标度函数：scale_<MAPPING><KIND>()，标度函数构成是scale图形属性名称_标度名称，如：scale_color_gradient表明对图形颜色的渐变色进行定义。

标度分类

按照对图形作用的部分差异，分为坐标轴标度，颜色标度，填充标度，大小标度，透明度标度，线条标度，形状标度。

常用的标度函数：

• scale_x or y_continuous():用于修改连续变量坐标轴的刻度和标签。
• scale_x or y_discrete():修改离散变量坐标轴的标签。
• scale_x or y_date():设置日期刻度。
• scale_x_log10(), scale_x_sqrt(), scale_x_reverse():坐标刻度取对数，开方，翻转。
• scale_x_gradient(), scale_x_gradient2(), scale_x_gradientn()：渐变色设置，x可为 color, fill 等。

7.2.1 坐标轴设置

坐标原点归位

你会发现，ggplot2绘制的初始图形，坐标原点均不是从0开始，可通过以下方式调整。

library(tidyverse) # 调用tidyverse包。
df <- read_csv("df.csv") # 读取df数据集。
p <- ggplot(df, aes(v1, v2)) + geom_point() # 绘制基础图形，定义为p。
p # 显示图形。

p + coord_cartesian(xlim = c(0, NA), ylim = c(0, NA)) # 坐标原点归位。

p + expand_limits(x = 0, y = 0) # 结果同上。 

p + xlim(c(0, 1.5)) + ylim(c(0, 4.5)) # 也可以通过设置坐标轴刻度范围让起始刻度从0开始。

设置坐标轴范围

• 通过coord_cartesian()设置xlim和ylim。
• 通过xlim(c(轴范围最小值,轴范围最大值))和ylim(c(轴范围最小值,轴范围最大值))。
• 通过scale_y_continuous(limits =c())设置。

p + coord_cartesian(xlim = c(0, 1.5), ylim = c(0, 4.5)) # 通过coord_cartesian函数中的xlim和ylim控制x轴和y轴的取值范围。

p + xlim(c(0, 1.5)) + ylim(c(0, 4.5)) # xlim和ylim设置轴取值范围。

p + scale_x_continuous(limits = c(0, 1.5)) + scale_y_continuous(limits = c(0, 4.5)) # scale_x or y_continuous(limits = )调整轴取值范围。

坐标轴翻转

coord_flip(xlim = NULL, ylim = NULL, expand = TRUE)
实现坐标轴翻转，即 x 轴与 y 轴互换。

ggplot(df, aes(nitrogen, v1)) + geom_col() # 基础图形。

ggplot(df, aes(nitrogen, v1)) + geom_col() + coord_flip() # 翻转坐标轴。 

scale_x_reverse或scale_y_reverse
实现的是x轴或y轴取值范围最大最小值的翻转。

p + scale_x_reverse() # 原来x轴最大值翻转至坐标左下角原来最小值的地方。

p + scale_y_reverse() # 原来y轴最大值翻转至坐标左下角原来最小值的地方。

坐标轴比例缩放

coord_fixed(ratio = 1, xlim = NULL, ylim = NULL, expand = TRUE)
参数ratio用于指定纵横比，也就是纵轴1单位显示的长度，是横轴1单位显示的长度的几倍。 默认值为1，表明x 轴和 y 轴之间的缩放比例为 1：1。 ratio值越小，图形越扁。

p # 基础图。

p + coord_fixed() # coord_fixed()函数调整纵横比为1：1。

p + coord_fixed(ratio = 2) #  纵轴单位显示长度是横轴单位显示长度的2倍。

p + coord_fixed(ratio = 1/2) #  纵轴单位显示长度是横轴单位显示长度的0.5倍。

p + coord_fixed(ratio = 1/10) #  纵轴单位显示长度是横轴单位显示长度的0.1倍。

p + xlim(c(0, 5)) + ylim(c(0, 5)) + coord_fixed() # 这里将横轴和纵轴的刻度范围设置成了一样，再调整坐标轴比例为1：1。

更改分类轴项目顺序

scale_x_discrete()或scale_y_discrete()：实现图形分类变量顺序变更。

ggplot(df, aes(nitrogen, v1)) + geom_boxplot() # 基础图绘制。

ggplot(df, aes(nitrogen, v1)) + geom_boxplot() + scale_x_discrete(limits = c("N2", "N1")) # 调整了x分类变量顺序。

df$nitrogen <- factor(df$nitrogen,levels = c("N1", "N2"), order = TRUE) # 先设置df数据集nitrogen为因子，因子水平为N1和N2，让因子顺序为N1和N2。
df$nitrogen # 查看因子。
ggplot(df, aes(nitrogen, v1)) + geom_boxplot() + scale_x_discrete(limits = rev(levels(df$nitrogen))) # 反转因子顺序。

坐标轴坐标转换

scale_x or y_log10()：对x轴或y轴做对数转换。
scale_x or y_sqrt()：对x轴或y轴数值取平方根。

p + scale_x_log10() # 对x轴数值取对数。

p + scale_x_sqrt() # 对x轴数值取平方根。

参考资料

1. R语言编程—基于 tidyverse，张敬信，人民邮电出版社（待出版），2022.
2. R语言教程，李东风，https://www.math.pku.edu.cn/teachers/lidf/docs/Rbook/html/_Rbook/index.html
3. 《R数据科学》，人民邮电出版社，2018.
4. ggplot2高效实用指南，https://www.jianshu.com/p/2dc81b91131e
5. ggplot2超详细讲解，https://www.jianshu.com/p/07f7931a00db
6. ggplot保姆级教程-科研绘图细节调参，https://zhuanlan.zhihu.com/p/391832351
7. 第 23 章 ggplot2之标度，王敏杰，https://bookdown.org/wangminjie/R4DS/tidyverse-ggplot2-scales.html
8. R|ggplot2(三)|coord系列函数坐标轴转换，https://zhuanlan.zhihu.com/p/29553382