R、 ggplot2：如何在ggplot2中可视化图形对象的数据、属性和其他组件的继承或流？

我常常不确定

ggplot2

中图形对象的哪些数据元素、属性和其他组件是由哪些其他元素继承的，以及向下流动的默认值（例如几何图形）来自何处。在特定情况下，这些问题通常可以通过仔细阅读哈德利的《代码》ggplot2来回答。但是我会发现在

ggplot2

中对继承的整体流程进行某种可视化非常有用，我想知道是否有人见过、创建过或知道如何创建这样的东西。同样，在一个规范级别（如aes或主题）中出现并由另一个级别（如geom或scale）继承的一个紧凑的默认值列表对我来说非常有用，我怀疑对于许多学习如何使用ggplot2的人来说

我接受以下任何一项作为答案：

继承可视化（可能作为网络？）或指针 同样的

用于构造继承可视化或指向的指针的代码 一样

一种可供选择的、非视觉的方法，使其变得简单，或者至少 更容易理解和记住这样的继承和回答 具体问题

一个参数默认值列表，显示它们出现的位置和位置 哪些附属函数继承它们，或生成此类函数的代码 名单

---

这个问题似乎是关于ggplot包的多个级别的，但我会尽力提供一些信息。几乎不可能在一个堆栈溢出答案中描述ggplot的整个继承系统，但是指出正确的函数可能有助于开始

在顶层，数据和美学映射都继承自主ggplot调用。在下面的代码中，

geom_point（）

继承映射和数据：

ggplot(iris, aes(Sepal.Width, Sepal.Length)) +
  geom_point()

除非明确提供替代映射并将继承设置为false：

ggplot(iris, aes(Sepal.Width, Sepal.Length)) +
  geom_point(aes(Petal.Width, Petal.Length), inherit.aes = FALSE)

接下来，在各个层的级别上，从stats、geom或positions继承某些默认值。考虑下面的情节：

df <- reshape2::melt(volcano)

ggplot(df, aes(Var1, Var2)) +
  geom_raster()

了解层是如何给定其参数的另一个关键因素是查看

layer（）

code。具体而言，此处的这一位（为清晰起见缩写）：

在这里，您可以看到一些默认的比例也包含在这里。当然，如果您不了解调用这些层函数的操作顺序，那么这些层所做的事情就没有多大意义。为此，我们可以查看plot builder（为清晰起见，缩写）：

完成此函数后，您将拥有一个gtable对象，该对象可由

grid:：grid.draw（）

解释，该对象将输出到图形设备

不幸的是，我不太熟悉主题元素的继承，但正如Jon Spring在评论中指出的那样，一个好的起点是文档。

---

希望我已经指出了在ggplot中查找继承模式的函数。

这个问题似乎是关于ggplot包的多个级别的，但我会尽力提供一些信息。几乎不可能在一个堆栈溢出答案中描述ggplot的整个继承系统，但是指出正确的函数可能有助于开始

在顶层，数据和美学映射都继承自主ggplot调用。在下面的代码中，

geom_point（）

继承映射和数据：

ggplot(iris, aes(Sepal.Width, Sepal.Length)) +
  geom_point()

除非明确提供替代映射并将继承设置为false：

ggplot(iris, aes(Sepal.Width, Sepal.Length)) +
  geom_point(aes(Petal.Width, Petal.Length), inherit.aes = FALSE)

接下来，在各个层的级别上，从stats、geom或positions继承某些默认值。考虑下面的情节：

df <- reshape2::melt(volcano)

ggplot(df, aes(Var1, Var2)) +
  geom_raster()

了解层是如何给定其参数的另一个关键因素是查看

layer（）

code。具体而言，此处的这一位（为清晰起见缩写）：

在这里，您可以看到一些默认的比例也包含在这里。当然，如果您不了解调用这些层函数的操作顺序，那么这些层所做的事情就没有多大意义。为此，我们可以查看plot builder（为清晰起见，缩写）：

完成此函数后，您将拥有一个gtable对象，该对象可由

grid:：grid.draw（）

解释，该对象将输出到图形设备

不幸的是，我不太熟悉主题元素的继承，但正如Jon Spring在评论中指出的那样，一个好的起点是文档。

---

希望，我已经指出了在ggplot中寻找继承模式的函数。

对于真正需要什么，似乎非常广泛和不清楚。（并且询问到外部资源的链接被视为超出了SO问题的范围。）查看ggplot2帮助文档的索引页几乎显示了一整页geoms。这个问题看起来确实相当广泛。如果在给定的ggplot2调用中谈论数据或美学，则它们仅从初始的

ggplot（…）

行继承，并且仅限于它们出现的范围。如果您谈论的是主题组件，那么其中的帮助将在父主题元素更改下游值的地方指定“从X继承”。关于真正需要什么，似乎相当广泛和不清楚。（并且询问到外部资源的链接被视为超出了SO问题的范围。）查看ggplot2帮助文档的索引页几乎显示了一整页geoms。这个问题看起来确实相当广泛。如果在给定的ggplot2调用中谈论数据或美学，则它们仅从初始的

ggplot（…）

行继承，并且仅限于它们出现的范围。如果您谈论的是主题组件，那么其中的帮助将指定“从X继承”，只要父主题元素更改

> ggplot2:::ggplot_build.ggplot
function (plot) 
{
...
    data <- by_layer(function(l, d) l$setup_layer(d, plot))
...
    data <- by_layer(function(l, d) l$compute_aesthetics(d, plot))
    data <- lapply(data, scales_transform_df, scales = scales)
...
    data <- layout$map_position(data)
    data <- by_layer(function(l, d) l$compute_statistic(d, layout))
    data <- by_layer(function(l, d) l$map_statistic(d, plot))
    scales_add_missing(plot, c("x", "y"), plot$plot_env)
    data <- by_layer(function(l, d) l$compute_geom_1(d))
    data <- by_layer(function(l, d) l$compute_position(d, layout))
...
    data <- by_layer(function(l, d) l$compute_geom_2(d))
    data <- by_layer(function(l, d) l$finish_statistics(d))
...
    structure(list(data = data, layout = layout, plot = plot), 
        class = "ggplot_built")
}

ggplot2:::ggplot_gtable.ggplot_built