第4章 油耗指纹案：数据可视化

第 4 章 · 油耗指纹案：数据可视化

章节摘要：ggplot2 自带的 mpg 数据集收录 234 款车型的油耗与参数。本章的"案子"是回答一个反直觉的疑问：为什么排量更大的车，高速路况油耗反而看起来更低？破这条线索，要把可视化从"画个图"升级成"图形语法"——用映射、图层、分面把证据摆到最容易开口的位置。

一条主线

案子的起点是一张散点图：横轴排量、纵轴高速油耗，点云里藏着结构——同一排量上下两撮点，像两批不同的车。顺着这条裂缝查下去，会发现驱动方式、气缸数这些类别变量才是幕后变量。主线由此展开：先用基础绘图系统白手起家，再学 ggplot2 的图形语法系统化重画，最后用分面、坐标变换等专题手法把结论钉死。

沿途站点

• 第 1 节 基础绘图系统：plot、hist、boxplot 快速出图，适合单人快审。
• 第 2 节 ggplot2 图形语法：数据、映射、几何对象、标度、分面五件套，证据图的标准装备。
• 第 3 节 扩展可视化包：相关系数热图、地图着色等专题工具的接线方式。

拐点与结论

拐点在第 2 节：基础绘图"一条命令一个图"，改图靠背参数；ggplot2 把图拆成可组合的语法成分，同一个底图换几何对象就是另一种图、加一个分面就多一个视角。结论：可视化不是装饰结案报告的最后一道工序，而是排查过程本身——本案的关键线索（两撮点）就是图先"供出来"的。

读完你应该

• 用基础绘图三函数对任意数据集完成快速体检
• 说出 ggplot2 的五件语法成分，手写带映射的散点图与分面图
• 解释"两撮点"现象背后的类别变量机制
• 按证据类型（单变量、双变量、多变量）选择合适的几何对象
• 知道扩展可视化包解决什么基础图形解决不了的问题

本章知识点清单

• 能用 plot、hist、boxplot 对新数据集完成三角度快审并口述判读
• 能解释公式写法 hwy ~ displ 中波浪号的含义
• 能说出拼版 par(mfrow) 用完复位的必要性
• 能写出带 aes 映射的 ggplot 底图并叠加几何对象
• 能区分 aes 内放变量与外放常量两种写法的后果
• 能用 facet_wrap 与分组 smooth 两种手法拆混杂变量
• 能说出 coord_cartesian 与 ylim 在裁剪数据上的差别
• 能用 ggsave 按尺寸与 dpi 导出定稿图
• 能用 corrplot 画上下三角互补的相关矩阵，并知道 use 参数的坑
• 能用 patchwork 的竖线与斜杠拼出带编号的多图版面
• 能说出保存设备"有开必关"与补画先定坐标范围两条纪律

本章易错点地图

油耗指纹案的初步结案

案子的结论可以落锤：排量与高速油耗（每加仑里程）整体负相关，散点图上的"两撮点"由驱动方式造成——前驱小型车占据高里程带，四驱与大排量车型压低整体表现；按驱动方式分组后，每组内部"排量增大、里程下降"的规律全部成立。方法论上本章立了两块碑：图是侦查工具而非装饰工序，本案关键线索正是散点图先"供出"的；图形语法把换视角变成改参数，这让"按组重画"便宜到可以随手做。但图只回答"看起来如此"，第 5 章的检验将回答"是否站得住"。

下一章的接力

图把线索摆上了台面，但"差异是否显著、能不能下结论"要靠统计推断。下一章的睡眠药物案进入假设检验的地界。