坐标轴在图表上的范围通常来自默认生成的数据范围。但有时我们想修改这个范围，扩大数据覆盖范围或缩小，使数据更集中和突出，然后我们可以使用它limits参数：

• 对于连续变量：应设置为长度为2的数字向量；如果只想设置上限或下限，则设置另一个值NA

• 离散变量：设置字符向量；列出所有数据点

df <- data.frame(x = 1:3, y = 1:3) base <- ggplot(df, aes(x, y))   geom_point()  #直接查看图表 base #查看其中一个区间，系统会提示您丢失两个数据点 base   scale_x_continuous(limits = c(1.5, 2.5)) #> Warning message:Removed 2 rows containing missing values (geom_point). ##x轴的范围通过标准设置 base   scale_x_continuous(limits = c(0, 4)) 

我们经常修改限制范围，以下函数将简化操作，xlim(), ylim() and lims()

我们可以设置如下：

• xlim(10, 20)：x轴10-20的连续刻度
• ylim(20, 10)：y轴20-10的连续反转刻度
• xlim("a", "b", "c")：x三个离散词作为刻度点
• xlim(as.Date(c("2008-05-01", "2008-08-01")))：x2008年5月1日至2008年8月1日

让我们简化以上代码：

base   xlim(0, 4) base   xlim(4, 0) base   
       
        lims
        (x 
        = 
        c
        (
        0
        , 
        4
        )
        ) 
       

细细看一下就发现，图形生成的坐标范围要比我们设定的大一丢丢，这是默认的。设置参数expand = c(0, 0)可清除多余的刻度范围。一般我们与geom_raster()结合使用：

ggplot(faithfuld, aes(waiting, eruptions)) + 
  geom_raster(aes(fill = density)) + 
  theme(legend.position = "none")
ggplot(faithfuld, aes(waiting, eruptions)) + 
  geom_raster(aes(fill = density)) + 
  scale_x_continuous(expand = c(0,0)) + 
  scale_y_continuous(expand = c(0,0)) +
  theme(legend.position = "none")

注意：xlim()，ylim()中并没有expand参数

默认情况下，超出限制的任何数据都转换为NA，可以使用参数oob（out of bounds）将其覆盖到刻度。默认情况下即参数obb = scales::censor；另一个选项是scales::squish()，它将所有值压缩到范围内。来看例子：

df <- data.frame(x = 1:5)
p <- ggplot(df, aes(x, 1)) + geom_tile(aes(fill = x), colour = "white")
p
p + scale_fill_gradient(limits = c(2, 4))
p + scale_fill_gradient(limits = c(2, 4), oob = scales::squish)

调整默认标度之外，还可创建新的标度覆盖默认值，有四类：

1. 位置标度：将连续型、离散型、日期-时间数据映射到坐标轴上；

2. 颜色标度：将连续型或离散型变量映射到颜色；

3. 手动标度：将离散型变量映射到选择的大小、形状、颜色、线条等；

4. 同一型标度：数据能被R中的绘图函数理解时，且数据空间和图形属性空间相，可以使用同一型标度，此时默认不绘制图例。

我们一个一个看：

每个图表都有两个位置标度，即x和y。最常见的连续型位置标度就是scale_x_continuous()和 scale_y_continuous()，它们可以将数据映射到x轴和y轴。

每个连续型标度都可以接受一个trans参数，允许使用各种变换：

# Convert from fuel economy to fuel consumption
ggplot(mpg, aes(displ, hwy)) + 
  geom_point() + 
  scale_y_continuous(trans = "reciprocal")

# Log transform x and y axes
ggplot(diamonds, aes(price, carat)) + 
  geom_bin2d() + 
  scale_x_continuous(trans = "log10") +
  scale_y_continuous(trans = "log10")

每一种变换都是由所谓的变换器（transformer)实现的，下表是比较常用的变换器：

其中有一些参数有简写形式，如，scale_x_log10()、scale_x_sqrt()、scale_x_reverse()

另外，变换器同样可以用于coord_trans()中，此时变换将在统计量计算完成后进行，详见第七章

日期和时间值基本上属于连续型，但在标注坐标轴时处理方式稍有不同。我们使用Date和POSIXct类的时间值。如果是其他格式的，要用as.Date和as.POSIXct进行转换。

scale_x_date()和scale_x_datetime()的用法和scale_x_continous用法相似。

date_breaks()和date_labels()的用法稍有不同：

• date_breaks()和date_minor_breaks()：可以设置日期间隔（年、月、周、日、小时、分钟、秒）作为断点，例如date_breaks = "2 weeks"
• date_labels()：通过strptime()和format()指定特殊格式，如下表

例如，如果想以14/10/1979的形式显示日期，可以使用字符串%d/%m/%y

拿经济数据economics（时间序列）举个栗子，注意横轴的日期。

• 完整的时间段

base <- ggplot(economics, aes(date, psavert)) + 
  geom_line(na.rm = TRUE) +
  labs(x = NULL, y = NULL)

base # Default breaks and labels
base + scale_x_date(date_labels = "%Y", date_breaks = "5 years")

• 取其中一小段时间

除了位置之外，颜色是最常用的图形属性。有很多方法可以将“值”映射成颜色

在ggplot2中，使用了一种名为HCL色彩空间（Hue-Chroma-Luminance）的现代方案，由三个部分构成，分别是色相（hue）、彩度（chroma）以及明度（luminance）

1. 色相：是一个从0到360的角度值，将一种色彩赋予颜色属性（如红橙黄蓝等等） ；
2. 明度：颜色的明暗程度，即看其接近黑色或白色的程度，明度0是黑色，1是白色；
3. 彩度：色彩的纯度。0是灰色，彩度的最大值随明度变化而不同。

下图是这个色彩空间的三维形状，每个分面中明度是一个常数，色相被映射成一个角度，彩度被映射成半径，可以看到每个分面的中心都是灰色的，离边缘越近颜色越浓烈：

这部分我们使用faithful数据集利用2d密度估计进行绘图。数据集记录了黄石公园中Old Faithful geyser（泉）在喷发时刻以及每次喷发的等待时间。

faithful
#eruptions waiting
#1     3.600      79
#2     1.800      54
#3     3.333      74
#4     2.283      62
#5     4.533      85
#6     2.883      55
...

在最新的版本里，对于连续型变量，有四种基于渐变设置颜色的标度：

• 双色梯度 ： scale_colour_gradient()或 scale_fill_gradient()：两种颜色（浅蓝色-深蓝色）从低到高渐变，使用low和high两个参数控制此梯度两端的颜色

如果想要更改颜色，使用munsell colour system（颜色系统）会很方便，运行munsell::hue_slice("5G")会看到可用的颜色

下面的图示将隐藏图例并设置expand = 0：

erupt <- ggplot(faithfuld, aes(waiting, eruptions, fill = density)) +
  geom_raster() +
  scale_x_continuous(NULL, expand = c(0, 0)) + 
  scale_y_continuous(NULL, expand = c(0, 0)) + 
  theme(legend.position = "none")
#不修改颜色标度，默认效果
erupt

#黑白渐变
erupt + scale_fill_gradient(low = "white", high = "black")
#munsell colour system
erupt + scale_fill_gradient(
  low = munsell::mnsl("5G 9/2"), 
  high = munsell::mnsl("5G 6/8")
)

• 三色梯度渐变： scale_colour_gradient2()或scale_fill_gradient2()：和双色渐变类似，顺序低中高（红白蓝）。中点的默认值是0，但是可以使用参数midpoint加以设置为任意值：

提取faithfuld数据集中density变量的中间值，将其赋予mid作为中点

mid <- median(faithfuld$density)  提取faithfuld数据集中density变量的中间值，将其赋予mid
erupt + scale_fill_gradient2(midpoint = mid) 

离散数据有四种颜色标度，栗子使用最基本的条形图来举。

df <- data.frame(x = c("a", "b", "c", "d"), y = c(3, 4, 1, 2))
bars <- ggplot(df, aes(x, y, fill = x)) + 
  geom_bar(stat = "identity") + 
  labs(x = NULL, y = NULL) +
  theme(legend.position = "none")

默认配色方案：

bars

• scale_colour_hue()或scale_fill_hue()函数：修改默认配色，在HCL色轮周围拾取均匀间隔的色相，可以使用h、c和l参数控制默认的色度（chroma）和亮度（luminance）以及色调（hues）范围：

bars + scale_fill_hue(c = 40)
bars + scale_fill_hue(h = c(180, 300))

默认配色方案有一个缺点，所有颜色都具有相同的亮度和色度，当以打印黑白图形时，显示为相同的灰色阴影。

• scale_colour_brewer()或scale_fill_brewer()函数：采用ColorBrewer配色方案。

  对于类别型数据中的点而言，最好使的调色板是“Set1”、“Dark2”；对于面积型数据而言，最好用的调色板是“Set2”、“Pastel1”、“Pastel2”以及“Accent”。

使用RColorBrewer::brewer.pal.info可以以数据框的形式列出所有调色板，brewer.pal.info是变量

RColorBrewer::brewer.pal.info
bars + scale_fill_brewer(palette = "Set1")
bars + scale_fill_brewer(palette = "Set2")
bars + scale_fill_brewer(palette = "Accent")

• scale_colour_grey()或scale_fill_grey()函数：将离散型变量映射为从浅到深的灰度：

bars + scale_fill_grey()
bars + scale_fill_grey(start = 0.5, end = 1)
bars + scale_fill_grey(start = 0, end = 0.5)

• scale_colour_manual()或scale_fill_manual()函数：可以自制离散型颜色标度。点击了解wesanderson包，你可以自己设计自己的调色板，然后用在你的作图中。举个栗子代码如下：

#install.packages("wesanderson")
library(wesanderson)
bars + scale_fill_manual(values = wes_palette("GrandBudapest1"))
bars + scale_fill_manual(values = wes_palette("Zissou1"))
bars + scale_fill_manual(values = wes_palette("Rushmore1"))

注意：对于散点图明亮的颜色更适合；对于条形图淡色适合，明亮的颜色会过于刺眼。感受一下子：

下面是散点图：