打开R软件，安装tidyverse工具包，tidyverse集合了ggplot2和很多处理数据的包。安装完成后加载工具包。

install.packages(tidyverse)

library(tidyverse)

以R自带的iris数据集为例。先查看一下数据集的前几行。

head(iris)

可以看到该数据集共有以下几个变量：Sepal.Length，Sepal.Width，Petal.Length，Petal.Width，Species。

绘制ggplot散点图。

这里以鸢尾花的花萼长Sepal.Length为x轴，花瓣长Petal.Length为y轴。

ggplot(data=iris)+geom_point(mapping=aes(x=Sepal.Length,y=Petal.Length))

ggplot()创建一个可以添加图层的坐标系统。ggplot(data=iris)的第一个参数指定要在图中使用的数据集，这是一个空图。之后利用“+”的绘图命令添加一个或多个层来完成图形。geom_point表示添加散点图。

mapping定义了如何将数据集中的变量映射到可视化图形中。aes指定要映射的具体变量。

可以看到上图中两个变量之间存在一定的正相关关系。但是左下角的散点与其他的有些不同，注意到数据集中的类别Species变量，将类别变量作为颜色变量，进一步绘制图形。

运行代码：

ggplot(data=iris)+geom_point(mapping=aes(x=Sepal.Length,y=Petal.Length,color=Species))

可以看到左下角的都是setosa类别的。ggplot自动为不同颜色的数据分配了图例。

如果颜色不作为变量，则要指定参数，且不要将color放在mapping里面，ggplot(data=iris)+geom_point(mapping=aes(x=Sepal.Length,y=Petal.Length),color=red)

调整大小size、形状shape和透明度alpha。

ggplot(data=iris)+geom_point(mapping=aes(x=Sepal.Length,

y=Petal.Length,color=Species,shape=Species,size=Sepal.Width,alpha=Petal.Width))

如果在映射中加入这些变量，图表将呈现更丰富的信息。

如果将通过颜色对数据集进行一个划分，例如将花萼长Sepal.Length小于6，且花瓣长Petal.Length小于2作为分界点。

ggplot(data=iris)+geom_point(mapping=aes(x=Sepal.Length,y=Petal.Length,color=Sepal.Length6Petal.Length2))

可以看到数据点已经按照颜色做了划分。