R語言及ggplot2在環(huán)境空氣監(jiān)測數(shù)據(jù)可視化中的應(yīng)用

摘要：文章對R語言及ggplot2做了介紹，并通過一系列實例描述了它們在環(huán)境空氣自動監(jiān)測數(shù)據(jù)的收集、清洗、整理、統(tǒng)計變換、可視化方面的應(yīng)用，反映出其在數(shù)據(jù)分析中的巨大潛力。

關(guān)鍵詞：R語言；ggplot2；環(huán)境空氣監(jiān)測；監(jiān)測數(shù)據(jù)分析；可視化 文獻(xiàn)標(biāo)識碼：A

中圖分類號：X823 文章編號：1009-2374（2015）16-0088-04 DOI：10.13535/j.cnki.11-4406/n.2015.16.043

隨著新《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)》（GB 3095-2012）的發(fā)布、實施，全國各地都在采用環(huán)境空氣自動監(jiān)測以應(yīng)對其嚴(yán)苛的數(shù)據(jù)有效性要求。環(huán)境空氣自動監(jiān)測系統(tǒng)每天都在產(chǎn)生大量的數(shù)據(jù)，如何對數(shù)據(jù)進(jìn)行有效的統(tǒng)計分析，成為一個新的課題。對數(shù)據(jù)的可視化，是數(shù)據(jù)分析的第一步。本文應(yīng)用R語言及ggplot2圖形繪制包以浙江省常山縣城區(qū)兩個空氣自動站即環(huán)保大樓站及圖書館站2014年全年監(jiān)測數(shù)據(jù)為例進(jìn)行各種可視化分析，以探討該軟件在空氣質(zhì)量數(shù)據(jù)分析領(lǐng)域應(yīng)用的巨大潛力。

1 軟件準(zhǔn)備

1.1 R語言軟件與擴展包

R語言是一種區(qū)分大小寫的解釋性語言，其具有的強大統(tǒng)計計算及繪圖能力，是從大數(shù)據(jù)中獲取有用信息的絕佳工具，它提供了Windows、OS X、Linux等各大操作系統(tǒng)下的版本，可以直接從網(wǎng)上免費下載、安裝、使用。R語言軟件在基本安裝中提供了大量的數(shù)據(jù)處理、統(tǒng)計和圖形函數(shù)，此外各社區(qū)還開發(fā)了數(shù)以千計的擴展包（packages）為R增加了更多令人驚奇的功能，本文用到的ggplot2、plyr、reshape2等即是其中的一部分。

ggplot2是目前R語言中的圖形繪制擴展包，它為R語言提供了一個基于全面而連貫的語法的繪圖系統(tǒng)，它由一系列獨立的圖形部件組成，并能以許多種不同的方式組合起來，使得數(shù)據(jù)分析者能用緊湊的語法輕松繪制出復(fù)雜的圖形，從而使數(shù)據(jù)分析者更能將注意力集中于數(shù)據(jù)分析本身。plyr與reshape2是兩個功能強大的數(shù)據(jù)整理擴展包，它們?yōu)镽語言擴展了對數(shù)據(jù)變換、數(shù)據(jù)變形的功能。

ggplot2軟件包可以在R語言命令提示符后輸入install.packages（“ggplot2”），選擇合適的下載鏡像后，就可以自動從網(wǎng)上下載安裝。在Windows操作系統(tǒng)下下載的是二進(jìn)制文件，可以直接使用；在類Unix操作系統(tǒng)下，下載的是包的源代碼，經(jīng)過編譯后才能使用，但只要具備gcc等編譯工具，安裝都可通過簡單的命令完成。在使用前，需要輸入library（ggplot2）或require（ggplot2）調(diào)用該軟件包。plyr包等也是如此。

1.2 Excel

但面對原始數(shù)據(jù)，微軟公司的Excel往往是對數(shù)據(jù)進(jìn)行清洗、分列的直觀分析利器。各地自動監(jiān)測站采集并導(dǎo)出的原始數(shù)據(jù)往往是xml格式的，而Excel處理這種格式極為得心應(yīng)手。Excel中的數(shù)據(jù)篩選功能可以輕易地刪除大量無效數(shù)據(jù)，分列功能可以將監(jiān)測日期與時刻分離以便于下一步的處理，數(shù)據(jù)格式也可以得到統(tǒng)一，將數(shù)據(jù)“另存為”csv格式后即可通過read.csv（）函數(shù)導(dǎo)入R軟件。R軟件也可以通過write.csv（）函數(shù)寫出csv格式的文件與Excel交互使用。

2 數(shù)據(jù)處理

2.1 數(shù)據(jù)的收集與整理

2.2 數(shù)據(jù)的統(tǒng)計變換

對數(shù)據(jù)分析的細(xì)化過程往往就是分組的過程。2.1節(jié)中為數(shù)據(jù)增加“month”一列即是為數(shù)據(jù)按月份進(jìn)行分組，“site”一列即是為站點分組，“clock”一列即是為數(shù)據(jù)按時刻進(jìn)行分組。在實際工作中，分析數(shù)據(jù)的角度不同，分組也是千奇百怪。如可按當(dāng)日溫度差來分組，也可按平均風(fēng)速的大小來分組，當(dāng)然也可以按PM2.5日均值大小來分組來考察其他觀測值的情況。

數(shù)據(jù)的變換與變形則是基于統(tǒng)計以及下一步分析的需要，將數(shù)據(jù)變化成相應(yīng)的形式。

2.2.1 創(chuàng)建分組變量。在數(shù)據(jù)分析過程中，常常發(fā)現(xiàn)這種情況：組別分的太細(xì)或者需要根據(jù)原數(shù)值內(nèi)容創(chuàng)建分組。

melt（）函數(shù)中id.var意為標(biāo)識變量，即在原數(shù)據(jù)框中需保留的列向量，measure.var意為度量變量，即在原數(shù)據(jù)框中需要融合的列向量。melt（）函數(shù)生成的新數(shù)據(jù)框中保留了id.var的同時，生成了兩列：一列名為variable，包含的是measure.var；一列名為value，即原數(shù)據(jù)框中measure.var的值。由于ggplot2的獨特語法，使用melt（）函數(shù)得到的新數(shù)據(jù)框可使ggplot2在同一張圖中繪制多個參數(shù)。

3 ggplot2數(shù)據(jù)可視化應(yīng)用

一般認(rèn)為R語言有4套圖形系統(tǒng)，即graphics、grid、lattice、ggplot2。其中g(shù)raphics、grid、lattice被認(rèn)為是基礎(chǔ)圖形系統(tǒng)，它們的繪圖命令精煉、實用、運行速度塊，制出的圖形美觀、實用，但是基礎(chǔ)圖形系統(tǒng)的制圖方式極為生硬，函數(shù)各參數(shù)繁復(fù)，令人往往在繪圖上耗費大量的時間，而不是在數(shù)據(jù)分析上。

ggplot2是2005年后才新出現(xiàn)的圖形系統(tǒng)，它提供了統(tǒng)一的接口及一些選項，替代了基礎(chǔ)圖形系統(tǒng)那套繁雜的修補體系，令使用者能更多地關(guān)注于數(shù)據(jù)本身。當(dāng)然ggplot2中也有大量底層命令可對圖形作精細(xì)的修改。

3.1 數(shù)據(jù)的簡單分布

箱線圖是一種展示數(shù)據(jù)分布的方法，箱內(nèi)為25%～75%的值，箱中的橫線代表中位值，箱子上下豎線表示上下的相鄰值，超過相鄰值的點稱為外部點。使用ggplot2繪制常山縣兩個站點二氧化硫全年日均值分布的箱線圖命令如下所示，繪制出的圖形見圖4。

3.2 趨勢線的添加

在數(shù)據(jù)可視化工作中，參數(shù)與參數(shù)之間往往有著或多或少的關(guān)系，添加趨勢線是探索這種關(guān)系的一種橋梁。R語言在數(shù)據(jù)分析方面最大的優(yōu)勢就是其強大的數(shù)據(jù)擬合功能，它提供了線性、非線性、神經(jīng)網(wǎng)絡(luò)、支持向量機等大量數(shù)據(jù)擬合工具。這些工具均可以與ggplot2配合使用繪制出趨勢圖形，以檢驗其擬合成果。

3.3 分組變量的體現(xiàn)

在數(shù)據(jù)可視化的過程中，數(shù)據(jù)分組可以幫助人們揭示更多的細(xì)節(jié)。ggplot2可將在數(shù)據(jù)處理階段創(chuàng)建的分組變量以顏色、形狀、大小等形式映射于圖上。

此例geom_point（）函數(shù)中的size參數(shù)將臭氧濃度水平映射到二氧化氮濃度點的大小上，如此從圖中可以明顯可見臭氧濃度水平“強”時，往往是二氧化氮濃度較低時。類似的還可以用colour、shape等將分組變量的各組別映射為顏色、形狀等，使繪制出的二維圖呈現(xiàn)出更多的內(nèi)容。

3.4 圖形分面

數(shù)據(jù)可視化中最實用的技術(shù)之一是將分組的數(shù)據(jù)并列呈現(xiàn)，這樣可以使得組間數(shù)據(jù)的比較變得容易許多，ggplot2中將之稱為分面（facet）。ggplot2中可以用facet_grid（）和facet_wrap（）兩個函數(shù)都可以繪制出分面圖。

2.2.3中利用melt（）函數(shù)得到了csclockmelt數(shù)據(jù)框，下例利用該數(shù)據(jù)，繪制四季中二氧化硫、二氧化氮、細(xì)顆粒物這三大污染物在24小時中的分布情況圖，命令如下，得到圖7。

命令中factor（）函數(shù)為季節(jié)排序，shape、colour將污染物種類映射至散點形狀、曲線顏色，facet_wrap（）函數(shù)自動將分組變量season進(jìn)行分面處理。如此在相同的坐標(biāo)系中得到四張并列的圖，可令人更直觀地比較數(shù)據(jù)。

4 結(jié)語

R語言最初時只是一個統(tǒng)計分析軟件包，它擅長于繪圖、分析數(shù)據(jù)以及利用數(shù)據(jù)來擬合統(tǒng)計模型，在不擅長的領(lǐng)域如復(fù)雜數(shù)據(jù)存儲、大數(shù)據(jù)處理，它也提供了接口；ggplot2以其自成一派的語法聞名，它不需要考慮某圖形需要填充什么顏色，使用什么形狀的線段連接散點，不必去糾結(jié)基本圖形系統(tǒng)中那些繁雜的參數(shù)，將更多的時間用于數(shù)據(jù)分析本身。本文中某些例子由于考慮到各圖形的美觀及信息的正式性，在繪制時應(yīng)用了不少ggplot2中的底層命令，顯得各例中命令較為復(fù)雜。實際應(yīng)用中均可大大簡化，即使如此，與基礎(chǔ)圖形系統(tǒng)相比，ggplot2的優(yōu)勢也盡顯無疑。

當(dāng)然，工具永遠(yuǎn)只能是工具，無論什么工具都無法替代有效數(shù)據(jù)的積累和大腦思考問題的角度。各地將氣象數(shù)據(jù)納入環(huán)境空氣質(zhì)量數(shù)據(jù)一起分析時，思考時角度可以更加多元化；各地的一些污染控制工作內(nèi)容也可以納入數(shù)據(jù)框中作分析，以評價其有效性；省、市以上的監(jiān)測部門更是可以利用更多的環(huán)境空氣自動監(jiān)測數(shù)據(jù)作一些地域性的探索。

參考文獻(xiàn)

[1] Hadley Wickham.ggplot2：Elegant Graphics for Data Analysis[M].New York：Springer-Verlag，2009.

[2] Hadley Wickham.The Split-Apply-Combine Strategy for Data Analysis[J].Journal of Statistical Software，2011，40（1）.

[3] Hadley Wickham.Reshaping data with the reshape package[J].Journal of Statistical Software，2007，21（12）.

作者簡介：袁佳（1982-），男，常山縣環(huán)境監(jiān)測站工程師，研究方向：儀器分析、環(huán)境自動監(jiān)測系統(tǒng)運維管理。

（責(zé)任編輯：黃銀芳）