ggimage：让你在ggplot2中愉快地使用图片

导言

本文介绍了ggimage包，允许在ggplot2作图时嵌入图片，并支持aes映射，可以把离散型变量映射到不同图片。目前有几个包可以使用图片嵌入做图，但都是针对特定的场景，这里使用ggimage来展示在这些特定领域里的应用，ggimage的设计是通用的，并不被特定场景所限定，文末又介绍了用R图标来画出R、用饼图来画气泡图等实例。

图上嵌图片

R 基础图形库（base graphics）可以在做图的时候嵌入图片，使用的是graphics::rasterImage：

imgurl <- ""

library(EBImage)x <- readImage(imgurl)plot( 1, type = "n", xlab = "", ylab = "", xlim = c( 0, 8), ylim = c( 0, 8))rasterImage(x, 2, 2, 6, 4)

如果我们搜索”ggplot2 image”，会找到类似于下面这样的帖子/博文：

r - Inserting an image to ggplot2 - Stack Overflow
Add a background png image to ggplot2 | R-bloggers

也就是说通过程序员秘笈，搜索，我们用ggplot2同样也可以做到。

这里我们需要用到annotation_custom(rasterGrob)来把图片加到ggplot2图形中，这和基础图形库是一模一样的。

library(grid)

library(ggplot2)p <- ggplot(d = data.frame(x = c(0, 8), y = c(0, 8)), aes(x, y)) + geom_blank()p + annotation_custom(rasterGrob(x), 2, 6, 2, 4)

如果要使用图片来打点画一个散点图，我们就需要for循环，对每一个点进行操作，这显然是底层的操作，而ggplot2是一个高抽象的画图系统，我们希望能够使用ggplot2的语法。

ggimage就是来实现这样一个功能，它只是一个简单的包，允许我们在ggplot2中把离散性变量映射到不同的图片来画图。
实现这个功能的想法已经酝酿很久了，在ggtree的开发中，我实现了phylopic函数来使用Phylopic数据库的图片注释进化树，也实现了subview函数在图上嵌入小图。用图片来注释进化树在进化分析上还是很常见的，特别是在一些分类学的研究中，需要把一些分类学特征在进化树上展示出来，而像我们做病毒，也经常会把一些图片放在进化树上来展示病毒的宿主信息。

ggtree和可视化有关的函数分两类，一类是加注释的图层，另一类是可视化操作树（比如像旋转、合并分支）。操作树的都是普通函数，而加注释的都是geom图层，除了subview和phylopic，这种所谓逼死处女座的存在，我早就想改成了geom_subview和geom_phylopic了（已实现），这也是为什么我要写ggimage的原因了。

安装

ggimage依赖于EBImage来读图片，这是个Bioconductor包，所以我们需要额外的动作来安装它，用setRepositories把Bioconductor软件仓库加进来，这样install.packages也可以搜索到它的包。

setRepositories(ind = 1:2)install.packages("ggimage")实例分析

据我所知目前支持使用图片的R包有CatterPlots, rphylopic, emoGG,

ggflags这几个，都是为特定的目的而实现的，都有其特定的应用场景，而ggimage是的

geom_image是通用的，通过对它进行简单的包装，同样可以实现这些特殊场景的应用图层。

CatterPlots这个包只可以应用于基础图形库（base graphics）中，通过预设的几个猫图（R对象，随包载入）来画散点图。最近RevolutionAnalytics 有博文介绍。ggplot2没有相应画猫的包。我们可以使用ggimage来画，而且不用限制于CatterPlots预设的几个图形。

library(ggplot2)

library(ggimage)mytheme <- theme_minimal() + theme(axis.title = element_blank())theme_set(mytheme)x <- seq(-2* pi, 2* pi, length.out = 30)d <- data.frame(x = x, y = sin(x))img <- ""ggplot(d, aes(x, y)) + geom_image(image = img, size = .1)

CatterPlots实现的方式就是上面谈到的rasterImage内部使用了循环。rphylopic同时支持基础图形库（base graphics）和ggplot2，也是一样的实现方式，不过rphylopic内部没有使用循环，一次只能加一个图，它使用的图来自于phylopic数据库。

我们用ggimage同样可以使用phylopic图片：

ggplot(d, aes(x, y)) + geom_phylopic(image = "500bd7c6-71c1-4b86-8e54-55f72ad1beca", size = .1)

图中是翼足目动物。

emoGG是专门来画emoji的，如果要画emoji的话，我推荐我写的emojifont包，在轩哥的showtext基础上，把emoji当做普通字体一样操作，更方便。

emoGG这个包提供了geom_emoji图层，虽然一次可以画出散点，但因为不支持aes映射，而ggimage所提供的geom_emoji则支持映射，下面的例子中我们做了一个简单的回归分析，如果残差<0.5用笑脸表示，>0.5则用哭脸来表示。

set.seed( 123)iris2 <- iris[sample( 1:nrow(iris), 30), ]model <- lm(Petal.Length ~ Sepal.Length, data = iris2)iris2$fitted <- predict(model)p <- ggplot(iris2, aes(x = Sepal.Length, y = Petal.Length)) + geom_linerange(aes(ymin = fitted, ymax = Petal.Length), colour = "purple") + geom_abline(intercept = model$coefficients[ 1], slope = model$coefficients[ 2])p + ggimage::geom_emoji(aes(image = ifelse(abs(Petal.Length-fitted) > 0.5, '1f622', '1f600')))

如果要用emoGG来做的话，则需要自己切数据分两次来进行：

p + emoGG::geom_emoji(data = subset(iris2, (Petal.Length-fitted) < 0.5), emoji = "1f600") + emoGG::geom_emoji(data = subset(iris2, (Petal.Length-fitted) > 0.5), emoji = "1f622")

这里我们只分两类(残差是否大于0.5)，所以需要加两次，试想我们的分类变量有多种可能的取值，则我们需要分多次切数据加图层，CatterPlots、rphylopic和emoGG都有这个问题，这也是aes映射之于ggplot2的重要和强大之处，它让我们可以在更高的抽像水平思考，

ggflags是支持aes映射的，只不过它只能用来画国旗而已。同样ggimage也提供

了相应的geom_flag来使用国旗用于做图。

library(rvest)

library(dplyr)url <- "http://www.nbcolympics.com/medals"medals <- read_html(url) %>% html_nodes( "table") %>% html_table() %>% .[[ 1]]

library(countrycode)

library(tidyr)medals <- medals %>% mutate(code = countrycode(Country, "country.name", "iso2c")) %>% gather(medal, count, Gold:Bronze) %>% filter(Total >= 10)head(medals)

Country	Total	code	medal	count
Russia	33	RU	Gold	13
United States	28	US	Gold	9
Norway	26	NO	Gold	11
Canada	25	CA	Gold	10
Netherlands	24	NL	Gold	8
Germany	19	DE	Gold	8

首先我们从网站上爬回来2016年各个国家的奥林匹克奖牌数，画出柱状图，并在xlab国家名边上用ggimage画上国旗：

p <- ggplot(medals, aes(Country, count)) + geom_col(aes(fill = medal), width = .8)p + geom_flag(y = - 2, aes(image = code)) + coord_flip() + expand_limits(y = - 2) + scale_fill_manual(values = c( "Gold"= "gold", "Bronze"= "#cd7f32", "Silver"= "#C0C0C0"))

ggimage

前面我们介绍了ggimage在一些场景的应用实例，虽然有专门的包针对这些应用场景，但ggimage在这些领域中的表现要比大多数的包要好（支持aes映射）。但ggimage的使用并不限于这些(geom_phylopic，geom_emoji和geom_flag只是通用图层geom_image的简单封装)，这里将展示一些有趣的例子。

用R图标来画R形状 x <- c( 2, 2, 2, 2, 2, 3, 3, 3.5, 3.5, 4)y <- c( 2, 3, 4, 5, 6, 4, 6, 3, 5, 2)d <- data.frame(x = x, y = y)img <- system.file( "img", "Rlogo.png", package = "png")ggplot(d, aes(x, y)) + geom_image(image = img, size = .1) + xlim( 0, 6) + ylim( 0, 7)

嵌套式绘图

这里我要展示的是非常有名的气泡图（Bubble Plot），但气泡不是圆圈，而是使用

ggplot2画的饼图，我先把饼图保存起来，再用ggimage拿来画，饼图的大小

与人口总数正相关。这个例子可以应用到很多场景中去，比如一个时间序列的曲线，你要用统计图在某些时间点上展示相关的信息，比如你要在地图上加某些地方的相关统计信息（如果要在地图上画饼图，可以使用我写的scatterpie包）。

crime <- read.csv( "http://datasets.flowingdata.com/crimeRatesByState2005.tsv",header = TRUE, sep = "t", stringsAsFactors = F) library(gtable)plot_pie <- function(i) { df <- gather(crime[i, ], type, value, murder:motor_vehicle_theft) ggplot(df, aes(x = 1, value, fill = type)) + geom_col() + coord_polar(theta = 'y') + ggtitle(crime[i, "state"]) + theme_void() + theme_transparent() + theme(legend.position = "none", plot.title = element_text(size = rel( 6), hjust = 0.5))}pies <- sapply( 1:nrow(crime), function(i) { outfile <- paste0( "crime_", i, ".png") plot_pie(i) + ggsave(outfile, bg = "transparent") outfile})radius <- sqrt(crime$population / pi)crime$radius <- 0.2* radius/max(radius)crime$pie <- piesleg1 <- gtable_filter( ggplot_gtable( ggplot_build(plot_pie( 1) + theme(legend.position = "right")) ), "guide-box")ggplot(crime, aes(murder, Robbery)) + geom_image(aes(image = pie, size = I(radius))) + geom_subview(leg1, x = 8.8, y = 50)

我们还可以每次只画一个州的数据，制作成动图。

plot_crime <- function(i) { o <- paste0(i, ".png") ggplot(crime, aes(murder, Robbery)) + geom_blank() + geom_image(data = crime[i, ], aes(image = pie, size = I(radius))) + geom_subview(p, leg1, x = 8.8, y = 50) + ggsave(o) o} library(magick)

library(purrr)order(crime$murder, decreasing = F) %>% map(plot_crime) %>% map(image_read) %>% image_join() %>% image_animate(fps = 2) %>% image_write( "crime.gif")

geom_subview可以图上嵌图，并不需要保存为图片，但对于ggplot2来讲，保存图片也是有好处的，因为ggplot2画图，点线是在数据空间上，随着我们保存图片的大小是按比例缩小或放大的，但文字是在像素空间上，和画图空间并不相关。所以当我们嵌图时缩小了画图窗口之后，字体会显得格外大，微调起来也比较繁琐，这时候保存为合适尺寸的图片，再用geom_image来加上去，显然就轻松得多。

其它来自R社区的例子

SAS博客对M&M巧克力的颜色分布做了分析，通过模拟估计不同颜色的置信区间。这个分析被翻译成R，并产生下图：