1.7 非标准几何 · Non-Standard Geometries

本章目标

完成本章后，你能够：

match 把”哪类问题”映射到”哪类几何”，而不是逢图就 geom_point()
construct 用 geom_tile() 构建分类 × 数值的热力图
visualize 用 ggridges::geom_density_ridges() 对比多个分布的漂移
differentiate geom_ribbon()（区间带）与 geom_area()（堆叠构成）的分工
build 手工搭建斜率图（slope graph）与哑铃图（dumbbell plot），零新依赖
amplify 用 facet_grid() 把任一几何扩展为小型复式图（small multiples）

前置自测（≤5 分钟）

能独立完成以下两问再继续；否则先回补 tidyverse 入门要求：

Check In：前置自测

画出 ggplot(penguins, aes(bill_length_mm, species)) + geom_boxplot()，并说出 x/y 各映射了什么。
说出 fill 与 color 两个美学映射的区别（提示：一个管”面”，一个管”线”）。

1. 为什么逃离点线棒：问题决定几何

Just Our Opinion

散点、柱状、折线是”通用答案”，通用就意味着对特定问题低效。问”分布怎么漂移”却画三个箱线图，问”两端差多少”却画分组柱——不是错，是浪费读者的 5 秒钟。先锁定问题类型，再选几何，这是本章唯一的元技能。

问题类型	典型问法	首选几何	反例（别用）
网格上的强度	“哪个组合高/低？”	`geom_tile()` 热力图	30 根柱子
多分布对比	“分布整体怎么移？”	`geom_density_ridges()`	一排箱线图
区间与构成	“带宽多少？占比怎么变？”	`geom_ribbon()` / `geom_area()`	误差棒硬凑 / 饼图序列
两端变化	“从 A 到 B 谁变了多少？”	斜率图 / 哑铃图（手工）	分组柱状图
以上全部 × 再分组	“分组内部还成立吗？”	`facet_grid()`	挤进一张图

选择标准只有一条：读者要回答的问题，应该由图形结构直接给出，不需要心算。

2. `geom_tile()`：热力图

两个分类轴 + 一个连续值（fill），热力图把”查表”变成”看色块”。

library(ggplot2)
library(dplyr)

gapminder::gapminder |>
  filter(year %in% c(1952, 1972, 1992, 2007)) |>
  group_by(continent, year) |>
  summarise(mean_life = mean(lifeExp), .groups = "drop") |>
  ggplot(aes(x = factor(year), y = continent, fill = mean_life)) +
  geom_tile(color = "white", linewidth = 1) +   # 白缝让色块不粘连
  scale_fill_viridis_c() +                      # 连续值配感知均匀色标
  labs(x = NULL, y = NULL, fill = "预期寿命",
       title = "各大洲预期寿命：五十年的阶梯")

注记

geom_tile() 与 geom_raster() 几乎同义——网格规整等距时 geom_raster() 渲染更快。分类 × 分类（如物种 × 岛屿的计数）同样适用：把 fill 换成 n 即可。

3. `ggridges::geom_density_ridges()`：山脊图

对比”同一变量在多个组/多个时期的分布”，山脊图让分布纵向错位堆叠，漂移一目了然——这是箱线图给不了的”形状感”。

# install.packages("ggridges")   # 本章唯一需要新装的包
library(ggridges)

gapminder::gapminder |>
  filter(year %in% seq(1952, 2007, by = 5)) |>
  ggplot(aes(x = lifeExp, y = factor(year), fill = year)) +
  geom_density_ridges(scale = 1.2, show.legend = FALSE) +
  scale_fill_viridis_c(option = "mako", begin = 0.2, end = 0.9) +
  labs(x = "预期寿命", y = NULL,
       title = "全球预期寿命分布：右移，且左尾收窄")

两个必知参数：scale 控制脊的压叠程度（1 = 轻微接触，>1 = 故意压叠）；rel_min_height（如 0.01）裁掉两端长尾去噪。

高频错误：组顺序默认字母序

y 轴是分类变量时，山脊顺序默认按字母序——时间序列会乱。先 factor(year, levels = ...) 固定顺序再画，让”最早”稳居一端。

4. `geom_ribbon()` 与 `geom_area()`：带与堆叠

两者都画”面”，但回答的问题不同：ribbon 答”不确定区间/极差”，area 答”构成如何变化”。

# ribbon：全球预期寿命的中位数与 10%–90% 分位带
gapminder::gapminder |>
  group_by(year) |>
  summarise(
    med = median(lifeExp),
    lo  = quantile(lifeExp, 0.10),
    hi  = quantile(lifeExp, 0.90)
  ) |>
  ggplot(aes(year, med)) +
  geom_ribbon(aes(ymin = lo, ymax = hi), alpha = 0.25, fill = "steelblue") +
  geom_line(linewidth = 1)

# area：各大洲人口构成的堆叠演变
gapminder::gapminder |>
  filter(continent != "Oceania") |>
  count(year, continent, wt = pop, name = "pop") |>
  ggplot(aes(year, pop / 1e9, fill = continent)) +
  geom_area(alpha = 0.85) +
  labs(y = "人口（十亿）", fill = NULL)

注记

堆叠面积图只适合总量有意义且关注构成的场景；若只比较各洲增速，position = "fill"（归一化）或直接分面更诚实。

5. 斜率图与哑铃图：手工搭建

两者回答”两个时点/两种状态间的变化”。ggalt、ggdist 能一行出图，但手动搭建只需 base ggplot2，还换来完全的控制权——少一个依赖，多一份理解。

# 斜率图：欧洲 1952 → 2007 预期寿命（高亮增幅最大的国家）
top_gain <- gapminder::gapminder |>
  filter(continent == "Europe", year %in% c(1952, 2007)) |>
  select(country, year, lifeExp) |>
  tidyr::pivot_wider(names_from = year, values_from = lifeExp,
                     names_prefix = "y") |>
  mutate(gain = y2007 - y1952)

champion <- top_gain |> slice_max(gain, n = 1) |> pull(country)

gapminder::gapminder |>
  filter(country %in% top_gain$country, year %in% c(1952, 2007)) |>
  ggplot(aes(x = factor(year), y = lifeExp, group = country)) +
  geom_line(color = "grey75", linewidth = 0.6) +    # 底层：所有国家
  geom_point(color = "grey75") +
  geom_line(                                         # 高亮：增幅冠军
    data = \(d) filter(d, country == champion),
    color = "#D55E00", linewidth = 1.2
  ) +
  labs(x = NULL, y = "预期寿命",
       title = paste(champion, "：欧洲半个世纪预期寿命增幅第一"))

# 哑铃图：三物种雌雄平均体重（两球一线，距离即差异）
palmerpenguins::penguins |>
  tidyr::drop_na(sex) |>
  group_by(species, sex) |>
  summarise(mass = mean(body_mass_g), .groups = "drop") |>
  tidyr::pivot_wider(names_from = sex, values_from = mass) |>
  ggplot(aes(y = species)) +
  geom_segment(aes(x = female, xend = male, yend = species),
               color = "grey70", linewidth = 2) +
  geom_point(aes(x = female), color = "#0072B2", size = 3.2) +
  geom_point(aes(x = male),    color = "#E69F00", size = 3.2) +
  labs(x = "平均体重 (g)", y = NULL,
       title = "每个物种雄性都更重，差距却大不相同")

Check In：动手 3 分钟

把哑铃图改成 bill_length_mm 的雌雄对比，并回答：哪个物种的雌雄喙长差距相对最小？再看 bill_depth_mm——结论一致吗？如果两图结论冲突，你会向读者展示哪一张，为什么？

高频错误：哑铃图配了连续色

哑铃两端是状态（雌/雄、前/后），要用对比强烈的双定性色（如 Okabe-Ito 蓝橙对 #0072B2 / #E69F00），而不是 scale_colour_gradient()——渐变色暗示”多与少”，会把读者引向错误的解码。

6. `facet_grid()`：小型复式图的放大器

分面不是”另一张图”，是给任何几何乘上一个比较维度；facet_grid() 比 facet_wrap() 多一层约束：行/列各有明确语义，适合两个分类变量都少（≤4 × ≤3）的笛卡尔比较；各分面默认共享标尺，这正是”可比性”的来源——除非量纲不同，别轻易 scales = "free"。

palmerpenguins::penguins |>
  filter(!is.na(sex)) |>
  ggplot(aes(bill_length_mm, bill_depth_mm)) +
  geom_point(aes(color = species), alpha = 0.7, size = 1.6) +
  facet_grid(rows = vars(species), cols = vars(sex)) +
  scale_colour_viridis_d(end = 0.85) +
  labs(x = "喙长 (mm)", y = "喙深 (mm)")

Practice Exercise 1（copy 档）

照抄 §2 的模式，改画物种 × 岛屿的样本量热力图（penguins |> count(species, island)）。要求：fill 用 viridis，白缝分隔，标题写成一个”读者能直接回答的问题”。

Practice Exercise 2（adapt 档）

把 §3 的山脊图改造成”2007 年各洲对比”（x = lifeExp，y = continent），并：① 用 forcats::fct_reorder() 按 2007 年 lifeExp 中位数降序固定 y 轴；② 试两个 viridis option，比较哪个最易读并写下理由。

Practice Exercise 3（create 档 · AI 环节）

第一轮（禁 AI）：为 gapminder 设计一张图，回答”1997 → 2007 十年间，哪些国家人均 GDP 排名跃升最快？“——自己决定用斜率图还是哑铃图（或更好的选择），手工搭建，不装新包。 第二轮（开放 AI）：把成品代码贴给 Posit Assistant，只问：「几何选择与问题匹配吗？有没有更少墨水、更快解码的方案？」记录 AI 的替代方案，与原方案并排渲染，写下取舍理由。

Capstone · 压轴项目

任务：「三问三图」——围绕 penguins 或 gapminder 自拟三个不同类型的问题（分布漂移 / 构成演变 / 两端变化），为每问挑选对位几何，其中至少一问使用分面放大。交付：Quarto 一页——三图各配 2 行”为什么选这个几何”的辩护 + 一张”问题 → 几何”选择表。

维度	达到	良好	卓越
问题设计	三问类型不同	问题具体可答	问题之间有叙事递进
几何匹配	三图均对位	每图有辩护词	辩护词引用”读者解码成本”
实现	代码可跑、图可读	手工斜率/哑铃图无多余依赖	分面/配色/顺序均服务比较
反思	有选择表	指出一图的备选方案	对备选方案做了取舍实验

SOURCES · 来源映射

讲义节	素材	性质
§1 决策优先的教学结构、§6 分面思想	posit::conf(2025) ggplot2 workshop sessions/slides（Thomas Lin Pedersen, Teun van den Brand · README 标示 CC-BY 4.0；LICENSE.md 为 CC-BY-SA 4.0）	改编
`geom_density_ridges()` 参数、`geom_raster()` 对照	ggridges、ggplot2 官方文档	引用
热力图/ribbon/area/斜率/哑铃示例组合、选择器总表、rubric	本项目	原创

本章以 CC-BY-SA 4.0 发布。