分面也就是切割数据生成一系列小联号图，每个小图表示不同的数据子集。本篇将讨论如何较好的微调分面，特别是与位置标度相近的方法。
在qplot中可以选择分面系统。2维分面使用face_grid，1维分面使用face_wrap。
分面通常会占用大量空间，因此本篇使用mpg数据集的子集来进行展示。
1 2 > library (ggplot2) > mpg2 <- subset (mpg,cyl != 5 &drv % in % c ( "4" , "f" ))1.网格分面
网格分面在2维网格中展示图形，输入分面表达式时，你需要设定哪些变量作为分面绘图的行，哪些变量作为列，规则如下：
不进行分面，我们将得到一个单独的面板 1 > qplot (cty,hwy,data=mpg2) + facet_null ()一行多列 ：". ~ a"
电脑屏幕通常较宽，因此这个方向最合适数据的展示。另外，因为坐标轴相同，这个方向也有助于y位置的比较。
1 qplot (cty,hwy,data=mpg2) + facet_grid (. ~ cyl)一列多行："b ~ ."
横坐标轴相同，利于x位置的比较，尤其是对数据分布的比较。
1 > qplot (cty,data=mpg2,geom= "histogram" ,binwidth=2) + facet_grid (cyl ~ .)多行多列："a ~ b"
我们通常都将因子水平数目最大的变量按列排放，这样可以充分利用屏幕的宽高比。
1 > qplot (cty,hwy,data=mpg2) + facet_grid (drv ~ cyl)
从以上图形我们可以看出，变量在某行或者某列一起出现时，图形只会展示数据中出现的变量组合。而变量在行和列都出现时，图形将展示所有变量组合，包括原始数据中都没有出现的组合。不过这也可能会导致出现空白面板。
边际图：可以参考margins来绘制边际图。设定margins=TRUE可展示所有的边际图，或者margins=c("sex","age"),列出你要展示的边际图的变量名称。也可以使用grand_row或grand_col来生成行或列的边际图。
边际图的分组方式与其他面板中分组方式相同：默认使用图层中所有分类变量的交互作用。下面第三张图表示对每个驱动类型添加彩色平滑线。
1 2 3 > p <- qplot (displ,hwy,data=mpg2) + geom_smooth (method = "lm" ,se=F) > p + facet_grid (cyl ~ drv) > p + facet_grid (cyl ~ drv,margins = T)> qplot(displ,hwy,data=mpg2) + geom_smooth(aes(colour=drv),method="lm",se=F)++ facet_grid(cyl ~ drv,margins=T)
2.标度控制
对于上述分面，可以通过调整参数scales来控制面板的位置标度是固定的还是允许变化的。
scales = "fixed":x和y的标度在所有面板中都相同scales = "free"：x和y的标度在每个面板都可以变化scales = "free_x"：x的标度可变，y的尺度固定scales = "free_y": y的标度可变，x的尺度固定‘下面展示了固定标度与自由标度间的差异：
1 2 3 4 5 > library (ggplot2) > p <- qplot (cty,hwy,data=mpg) > p + facet_wrap (~ cyl) ##下图左 每个分面中固定标度即横纵坐标范围相同 > p + facet_wrap (~ cyl,scales= "free" ) ##下图右 自由标度即横纵坐标范围可变 >
固定标度可以让我们在相同的基准上对子集进行比较，观察在哪些地方各子集有相似的总体模式。而自由标度可以帮助我们发现更多细节，它在展示不同量纲的时间序列时非常有用。
1 2 3 4 5 > library (reshape2) > em <- melt (economics,id = "date" ) > qplot (date,value,data=em,geom= "line" ,group=variable)+ + facet_grid (variable~.,scale= "free_y" ) >
上图展示了自由标度在展示不同量纲的时间序列时非常有用。
3.分组与分面
与通过调整图形属性不同（比如颜色、形状或大小）来分组分组不同，分面提供了另外一种分组途径。依据子集相对位置的不同，这两种绘图技巧都有相应的优缺点。
在分面图形中，每个组别都在单独的面板中，相隔较远，组间无重叠。因此组与组之间重叠严重时，分面图形有一定的好处。不过这也会导致组间的细微差别难以被发现。使用图形属性区分各组时，各组将会离得很近甚至可能重叠，不过细微得差别将会容易被发现。下图展示了两者优缺点得互补。
1 2 3 4 5 6 7 8 9 10 11 > library (ggplot2) > xmaj <- c (0.3,0.5,1,3,5) > xmin <- as.vector ( outer (1:10,10^ c (-1,0))) > ymai <- c (500,1000,5000,10000) > ymin <- as.vector ( outer (1:10,10^ c (2,3,4))) > dplot <- ggplot ( subset (diamonds,color % in % c ( "D" , "E" , "G" , "J" )), aes (carat,price,colour=color)) + + scale_x_log10 (breaks = xmaj,labels = xmaj,minor = xmin)+ + scale_y_log10 (breaks=ymai,labels=ymai,minor=ymin)+ + scale_colour_hue (limits = levels (diamonds$color))+ + theme (legend.position= "none" ) > dplot + geom_point ()> dplot + geom_point()+facet_grid(.~color)> dplot + geom_smooth(method=lm,se=F,fullrange=T)> dplot + geom_smooth(method=lm,se=F,fullrange=T)+facet_grid(.~color)
在散点图中，仅使用颜色区分各组，我们可能还没注意到图形重叠了，但是回归线却可以让我们看到D、E、和G被分组在一起，与J组相距甚远。
4.并列与分面
分面可绘制出与图形并列类似得图形效果。
1 2 3 > qplot (color,data=diamonds,geom= "bar" ,fill=cut,position= "dodge" ) ##并列 > qplot (cut,data=diamonds,geom= "bar" ,fill=cut)+ facet_grid (.~color)+ + theme (axis.text.x= element_text (angle=90,hjust=1,size=8,colour= "grey50" )) ##分面
除标注方式外，当两个变量得因子水平几乎完全交叉，而部分变量组合缺失时，两种绘图方式也就会有所不同。此时，并列图形得用处不大，因为它只是对条形局部地分割，没有任何标签。而分面就实用很多，它能控制分割方式时局部得还是全局得。
