函数xy=z，z分别取值1、2、3、4，x和y的取值区间为（0，10]，如何实现用ggplot画出这4条曲线？谢谢。

medo 一个不漂亮的画法： library(ggplot2) x <- seq(0.1, 10, by = 0.1) z <- c(1, 2, 3, 4) y1 <- z[1]/x y2 <- z[2]/x y3 <- z[3]/x y4 <- z[4]/x z <- rep(c("z1", "z2", "z3", "z4"), each = 100) x <- rep(x, 4) y <- c(y1, y2, y3, y4) df <- data.frame(z, x, y) ggplot(df, aes(x = x, y = y, color = z)) + geom_line() + coord_cartesian(ylim = c(0, 10), expand = F) 要是其他成员有比较好的方法，希望能学习一下。受大鹏启发，精简一下： library(ggplot2) x <- seq(0.1, 10, by = 0.1) z <- rep(1:4, each = 100) df <- data.frame(x, y = z/x, z = factor(z)) ggplot(df, aes(x = x, y = y, color = z)) + geom_line() + coord_cartesian(ylim = c(0, 10), expand = F) 给自己的笔记：产生数据组合，可以用 expand.grid() 。

Liechi 在你基础上改了一下： library(ggplot2) library(magrittr) expand.grid(x =seq(0.1, 10, by = 0.1), z = 1:4) %>% transform(y = z/x, z = factor(z)) %>% ggplot() + geom_line(aes(x, y, color = z)) 无管道版： library(ggplot2) ggplot( transform( expand.grid( x = seq(0.1, 10, by = 0.1), z = 1:4), y = z / x, z = factor(z))) + geom_line(aes(x, y, color = z))

dapengde 哈哈，原来是 expand.grid() ，我印象里有个函数可以产生这个效果，但是刚才没有想起来是哪个。

Liechi 我也很少用。刚才试了一下，可以在 expand.grid() 里指定列名称，所以去掉了一行。

谢谢各位。短路忘记color分类了。

dapengde 顺便再精简一下，去掉 dplyr 的依赖 library(ggplot2) library(magrittr) expand.grid(x =seq(0.1, 10, by = 0.1), z = 1:4) %>% transform(y = z/x, z = as.factor(z)) %>% ggplot() + geom_line(aes(x, y, color = z)) PS 我刚精简完，发现 dapengde 修改了自己的回帖， 😅 然后默默地删，最后还是回一下

再来个 Base R 版，去掉所有额外包的依赖，打擂： df <- transform( expand.grid( x = seq(0.1, 10, by = 0.1), z = 1:4), y = z / x) plot(df$x[df$z == i], df$y[df$z == i], type = 'l', xlab = 'x', ylab = 'y') for(i in 2:4) lines(df$x[df$z == i], df$y[df$z == i], col = i) legend('topright', legend = 1:4, col = 1:4, lty = 1, title = 'z') 以及 lattice 版： lattice::xyplot(y~x, groups = z, data = df, type = 'l', ylim = c(0, 10), auto.key = list(corner = c(1, 1), points = FALSE, lines = TRUE)) 相比之下，ggplot2 确实优雅。

dapengde 来，老夫聊发个少年狂：论 R 基础图形，当今世上恐怕没几个人是我的对手，毕竟我是写过《古代统计图形》的，哈哈哈。两行代码给你搞定： for (z in 4:1) curve(z/x, 0, 10, add = z < 4, col = z) legend('topright', legend = 4:1, col = 4:1, lty = 1, title = 'z')

yihui 浓浓古典美。桃花依旧笑春风。

请问如何用ggplot画出曲线簇？

dapengde

yihui 看到这里方才惊觉，我被 tidyverse 暗中洗脑了。上面我的 Base R 方案完全没必要先生成 data.frame。下面这样就足够了：

x = seq(0.1, 10, by = 0.1)
plot(x, 1/x, type = 'l', xlab = 'x', ylab = 'y')
for (z in 2:4) lines(x, z/x, col = z) 
legend('topright', legend = 1:4, col = 1:4, lty = 1, title = 'z')

curve() 我好像从没用过。

@Liechi 瞧， expand.grid()根本用不上。

Liechi

dapengde 我已用歌声表达了我的感受。

我现在也有点极乐净土病了：最开始版本的代码，顺手祭出了神包 玛格丽特，写完后惊觉整个代码段，其实只有一处用了 %>%（df %>% ggplot() + ...），赶紧灰溜溜地把 玛格丽特 请回去，改写成 ggplot(df, ...) + ...。

dapengde

Cloud2016 嗯，我发完了发现还能改，改完发现又能改……

Liechi

yihui 看完你的解法，耳边响起了熟悉的旋律：

问世间是否此山最高
或者另有高处比天高
...

tctcab

Liechi
df %>% ggplot的一个好处是ggplot里aes的列名自动补齐终于可以正常工作了…发现这一点之后我就再也回不到从前啦

Cloud2016

matplot(outer(seq(0.1, 10, by = 0.1), 1:4, function(x, a) a / x),
  xlab = "x", ylab = "z/x", type = "l", col = 1:4, lty = 1
)
legend("topright", legend = 4:1, col = 4:1, lty = 1, title = "z")

yihui

Cloud2016 我来打个代码高尔夫，把你的代码略微缩一下（代价是不那么易懂了）：

matplot(t(outer(1:4, (1:100)/10, `/`)),
  xlab = "x", ylab = "z/x", type = "l", col = 1:4, lty = 1
)

不过还是不如我的 curve() 方案短小，主要是 curve() 自动生成了横纵坐标的标题。

画数据图的话，ggplot 完胜；画示意图的话，R 基础图形还是有点优势的。前者本来就是建设在数据框基础上的，所以要画示意图还得事先生造出一个干净的数据框，在那之后一切都简单多了；后者则是纸笔模型，自己拿着笔画点画线，所以用来画数据图形则会显得很繁琐。

Liechi

tctcab 果然如此。这个差异以前没有意识到，看来是回不去了。

Cloud2016

dapengde 赞呐！

yihui 缩略的好，这次放出的《“古”代统计图形》是我看到最完整的，既然11年就有365页了，为啥当时不出版？现在看的话，部分内容需要更新了

dapengde

涨见识了。我感觉我的极限就是 plot + lines，更高级的消化不了，隔断时间不用就忘干净。

建议以后对 cosx 所有的提问都给出 Base R 版和 Tidyverse 版。做做大脑体操。简称 B 版和 T 版。我自告奋勇整理成书。书名我都想好了：BT 擂台赛。

albert-R

如果用 ggplot2，可以用 stat_function 把生成数据这一步抽象掉。

library(ggplot2)
out <- ggplot(data.frame(x = c(0, 10)), aes(x))
for (i in 1:4) {
  out = out + stat_function(fun = function(.x ,z) z/.x, 
                            color = i, 
                            args = list(z=i),
                            xlim=c(i/10,10) )
}
out

我以前画图用TikZ 或 Mathematica。刚用 R 时，觉得画函数图像还得先“生成数据”这一步很奇怪，画出来的图不是“矢量图”。后来才发现 TikZ 不过是把“生成数据”这一步抽象掉了。

Update: 之前犯了两个错误 (i) 循环变量应该在 args 里，(ii) x得从 z/10开始，因为要求 y 在0到10取值。很奇怪 stat_function 没有 ylim 这个参数。dapengde 我给你那个 bookdown 项目交了 PR.

yihui

Cloud2016 原因很简单：完美主义和拖延症混合双打，就败走了。

dapengde

albert-R 谢谢！已合并。

dapengde

albert-R stat_function这个方法突然不灵了，画出来的图是空的，不知道为什么。

Cloud2016

yihui 我在学校的几年，基本把图书馆关于 R 的书，浏览了个遍，比较全面细致地去教人如何画图的几乎没有，它们看起来都是镜面反射，没有一点新意，唯独对《“古”代统计图形》抱有很大期待，相比于其它书籍，这本书的优势是追根溯源，用词考究，关于 Base R 的特别全面，这对于那些要往期刊上发文章的，是特别好的作图参考材料，特别好的参数查询手册，近些年，关于 Base R 的另外一本好书是 Thomas Rahlf 的《Data Visualisation with R》相应的网站 <http://www.datavisualisation-r.com/>，别的就没见着了

我本想把多年沤在书签和硬盘里的东西整理出来，其实有段时间也确实在整理，见 RGraphics，后来又想到这对于当下的我，可能不是重点，就没继续整理，而且我也没有在统计图形里深入研究过，不太可能写的比谢大还好，目前它变成了个分类器，除了数据处理、 ggplot2 和案例，也没多少兴趣继续，索性搁置了！

Liechi

yihui
于是出版社少了一本神作，江湖上多了一个传说。

浏览了一遍，内容（对统计图形的介绍）和文笔都是上品，能潜心看下去的读者定会受益匪浅。只是在哥哥作图如日中天的现在，基础 R 图形代码可能对一些人来说略“不合时宜”。

3.7 图例首句有个别字。

Cloud2016

最近，我买了两本中文技术书，一本是《统计学习方法》第二版，一本是《深度学习》中译本，前者是自己一个人在写，后者是开源在 Github 上，一大群人在翻译。蹭热度没什么不好，但是为了赶时间降低质量就不能理解了，最讨厌写书也走敏捷开发的路子，带坏风气，如果一个人时间精力不够，质量把控不过来，就号召一群人来把控呀，我觉得这两本书在质量上现在形成鲜明的对比。我是那种不喜欢追时髦的人，特别是技术书和教材，我偏向于沉淀下来的经典著作（这一点是我导师带给我的影响，研究生阶段主要在啃十余年以前的专著，所以我看到书里的用词，就特别去思考，实在忍不住就在票圈里吐槽）。

最后，总结一下，写书追求完美没什么不好，总比误人子弟好！如果精力不够就开源出来，一群人的眼睛盯着质量总比一个人赶工期好的多！谢大的书是不出版，放个样张也造福大众，绝对是个异数。

yihui

Cloud2016 好，我尽快抽空开源出来，但我的源文档是 LyX 写的。你四个月前的回帖我还放在我的浏览器里没关：https://d.cosx.org/d/420476/26 就等着你们把它转成 bookdown 了，估计有不少技术难点。

Liechi 时隔这么久，我自己都不敢看了。文风里有不少稚气和卖弄的成分，而且内容上我怕我看了会无限挑刺。

yihui

Cloud2016 我看了半天源文件夹，最后还是决定直接丢个 Dropbox 链接算了，里面实在是太乱，我不可能有时间整理了：https://www.dropbox.com/sh/wn2u9qk560rl3nf/AADaqhhaWJUvfEw395jC5g6Ra?dl=0 里面 Modern-Stat-Graphics.lyx 应该是核心源文件。你想怎么折腾就怎么折腾吧。我感觉这会是严酷的体力活儿。

Cloud2016

dapengde Liechi 你们有时间加入编辑谢大 yihui 的现代统计图形书稿吗？我建了个仓，现在只需把每一章节放在 R Markdown 文件里，上传到这个仓库就可以了 <https://github.com/XiangyunHuang/MSG-Book> 每一章节可自行更新过时的内容，甚至替换

Cloud2016

yihui 确实是很重的体力活，代码有很多也需要更新的，慢慢搞吧，我先搬过来一节，建了个仓库 <https://github.com/XiangyunHuang/MSG-Book> 和书籍预览 <https://msg-book.netlify.com/> 万里长征完成第一步

Cloud2016

yihui 你想怎么折腾就怎么折腾吧。我感觉这会是严酷的体力活儿。

dapengde 根据谢大的指示，我觉得我们有相当大的自主权，

首先尽量搬迁，如果有难以重现的可以暂不搬迁，在相关地方注明即可，我希望能在 R Markdown 中运行的就在里面运行，比如生成图形和模型计算，如果有耗时长的操作，可以不运行，贴结果
要不我来序言、第1、3、5、7章，附录 A、C，你来2、4、6章，附录 B、D，如果有人加入，再从你我的章节中各分一些给他
首先下载安装 LyX 我选了就近的站点 <https://mirrors.tuna.tsinghua.edu.cn/lyx/bin/2.3.3/> 下载，然后用它打开 Modern-Stat-Graphics.lyx 或者依据 Modern-Stat-Graphics.tex 文件复制文字（我没找到更方便的转化方式），把文字复制出来后，再在相应的地方以 R Markdown 的方式把 R 代码块和图片插入
我已经加你为项目合作者，你要接受一下，然后可以直接推动修改到仓库了
由代码自动生成的图片，暂不调长宽比等格式，首先尽量把内容复现就好
参考文献和章节的引用可以暂时不搞，先解决图、表的交叉引用

Liechi

Cloud2016 最近没有时间做这个事情，虽然我很想看到古代图形统计早日重见天日。我对用 github 工作很不熟悉，所以在开始搬砖前需要从一些比较基本的东西学起，但是最近没有精力去折腾 github。

你可以发个帖子召唤点忍者来帮忙。如果我对要做的事情上手些了，也会来搭把手。

dapengde

Cloud2016 好的，我加入。谢谢邀请！

有三个问题或建议：

这个项目的目标，是不是只需把书稿从 lyx 格式迁移到 bookdown 格式，一字不改，而后续的修订全是 @yihui 的工作？
我觉得事先分一下工比较好，免得两个人或几个人不约而同做了同一件事，一磨叽，冲突了。
lyx 我几乎没用过，如果有任何迁移的经验，哪怕是最基础的，希望分享一下，避免时间上不必要的浪费。

Liechi 我觉得不必对 git 望而生畏，也没必要事先专门系统学习。边用边学效果好，以赛代练效率高。你可以拿 TNT 擂台赛练手，打碎不用你赔。