「圖表最重大的價值在於，它迫使我們注意到從沒預料會看到的東西。」---------John Tukey

在這篇文章，aes() (Aesthetic Mappings 美學映射) 是我們這次主要要介紹的主題，首先我們先看到上次文章中出現的點狀圖。

library(tidyverse)

ggplot(data=mpg)+
  geom_point(mapping=aes(x=displ,y=hwy))

雖然它是二維圖形(x,y兩個變數，即displ,hwy)，但是我們可以透過aes()使得我們可以看到第三種變數。

我們來回顧一下資料型態：

glimpse(mpg)

其中displ代表的意思是車子的引擎大小，hwy代表的意思是車子在高速公路上的燃油效率。那我們再考慮class這個變數，它的意思是車子的種類。

我們如果執行以下程式碼

ggplot(data=mpg)+
  geom_point(mapping=aes(x=displ,y=hwy,color=class))

則我們會看到，除了之前的散佈圖以外，它會依照class的不同，自動的給予不同的顏色，這樣我們就可以看到更多的資訊。

接著我們還可以把color換成size,alpha或是shape試試。

ggplot(data=mpg)+
  geom_point(mapping=aes(x=displ,y=hwy,size=class))

ggplot(data=mpg)+
  geom_point(mapping=aes(x=displ,y=hwy,alpha=class))

ggplot(data=mpg)+
  geom_point(mapping=aes(x=displ,y=hwy,shape=class))

我們會發現，會有各式不同的參數在支援我們繪圖。而且它會自動幫你配好顏色或是形狀，但是其實我們也可以自己設定。

ggplot(data=mpg)+
  geom_point(mapping=aes(x=displ,y=hwy),color="blue")

甚至也可以做一些真假值的操作

ggplot(data=mpg)+
  geom_point(mapping=aes(x=displ,y=hwy,color=displ<5))

我們還有其他方法可以檢視到第三種變數。

ggplot(data=mpg)+
  geom_point(mapping=aes(x=displ,y=hwy))+
  facet_wrap(~class,nrow=2)

這個方法就是把我們第一張散佈圖根據不同的class做分類，個別繪製出子圖，nrow的意思代表是要分成幾列去呈現。

除此之外，我們甚至可以去看新增了兩種變數的情況

ggplot(data=mpg)+
  geom_point(mapping=aes(x=displ,y=hwy))+
  facet_grid(drv~cyl)

如上圖，它會把drv跟cyl再次做成二維網格，有些情況你會希望能做到這類的事情。

今天介紹了點狀圖的一些變形，事實上上述的一些方法也可應用在其他類型的圖形上，我們在之後的文章會陸續介紹到，謝謝大家。