摘要：
位置调整用于微调同一层中元素的位置。它包括五个设置：堆栈、闪避、填充、身份和抖动。我们使用条形图来显示其用法。我们仍然使用mpg数据集，其中使用的变量是类别，即生产的汽车类型和生产年份。以下条形图是每种类型车辆数量的集合，以年份为分组变量。我们首先加载扩展包，然后使用频率表
位置调整（Position adjustments）是针对同一图层内元素的位置进行微调的方法。它包括五种设置，分别是stack、dodge、fill、identity、jitter。
我们用条形图来展示其用法，仍使用mpg数据集，其中用到的变量是class，即生产汽车的类型，以及year生产年份。下面的条形图是将各类型的汽车数量进行汇集，并以年份作为分组变量。我们首先载入扩展包，然后用频数表对数据进行大致的了解，最后绘制了四种条形图。
1 library(ggplot2)
2 with(mpg,table(class,year))
3 p <- ggplot(data=mpg,aes(x=class,fill=factor(year)))
4 p + geom_bar(position='dodge')
5 p + geom_bar(position='stack')
6 p + geom_bar(position='fill')
7 p + geom_bar(position='identity',alpha=0.3)
可以看到dodge方式是将不同年份的数据并列放置；stack方式是将不同年份数据堆叠放置，这也是geom_bar的默认处理方式；fill方式和stack类似，但Y轴不再是计数，而是以百分比显示；identity方式是不做任何改变直接显示出来，所以需要设置透明度才能看得清楚。
geom_bar是绘制条状几何对象，所以也可以用不经汇集的原始数据进行绘图。下面我们用2001到2010年间的美国GDP增长率举个例子。
1 y=c(1.1,1.8,2.5,3.6,3.1,2.7,1.9,-0.1,-3.5,3.0)
2 x=2001:2010
3 data=data.frame(x,y)
4 p=ggplot(data,aes(x,y,fill=y))
5 p+geom_bar(stat="identity")+
6 geom_abline(intercept = 0, slope = 0,size=1,colour='gray')+
7 geom_text(aes(label=y),hjust=0.5, vjust=-0.5 )+
8 scale_y_continuous(limits=c(-3.8,4.2))+
9 labs(x='年份', y='GDP增长率%')+
10 opts(title = "美国GDP增长率")
转载于：http://r-ke.info/2012/02/08/ggplot2-intro-3.html
