r - 3.3.6 更新 : cannot reproduce old plots 中 ggsave() 的重大更改

Question

问题

我有一些 code每月创建一个包含许多点的 map ，并用一些统计数据进行注释。在我将 ggplot2 更新为 3.3.6 之前，此方法运行良好，之后绘图已损坏，我无法找出解决方案。据我所知，问题出在 ggsave() 调用中，但我不知道发生了什么变化以及如何解决它。

出现了两个主要问题。但为了说明，我将在下面附上“good”和“bad”版本的比较图像(单击链接查看全尺寸)。

优点

缺点

好的版本有均匀着色的点/方 block ，而后者有不规则着色的奇怪点。

好文

错误文字

不间断空格在好的版本中格式正确，而在坏的版本中显示为一个框。

调试尝试

我注意到不规则点的一个潜在原因是“大小”参数的一些更新(参见 this blog post )。过去也发生过这样的事情(例如，参见 this)。但是，此更新声称是针对下一个版本的，而且正如我所说，我有预感我面临的问题与 ggsave() 有关。不管怎样，我已经尝试调整 geom_point() 的大小和笔划，但无法正确恢复旧版本。

RStudio 绘图设备没有指出点有任何问题，使用 png() 方法而不是 ggsave() 写入会产生正确的/"好的”版本。

png(filename = "map_cov_plain.png",
units = "in", width = 8, height = 11, bg = "transparent", res = 300)
print(map_cov_plain)
dev.off()

我尝试恢复到 ggplot 3.3.5 但这并没有解决问题。此外，另外两个人在他们各自的系统上尝试了相同的代码，都使用 ggplot 3.3.6，但只有一个复制了我的问题，而另一个产生了良好的版本。尽管如此，代码在 7 月之前肯定能正常工作，只是在那之后我更新了几个包，代码就崩溃了。

郑重声明，我已确保问题不在于数据。因此，尽管我一直使用 6 月之前的数据来说明好的版本，但当代码现在运行时(即更新后)，同一个数据集会生成错误的 map 。

我希望对软件包和更新有更好了解的人能够弄清楚究竟是什么破坏性变化!

其他链接

• ggsave() doesn't render custom fonts when saving (+workaround)

• 我也将其发布为 issue在 ggplot2 仓库中；对交叉发布表示歉意，但不确定哪个更合适，并且认为 SO 帖子对于 future 遇到相同问题的用户可能仍然有用。

代表

下面的 reprex 需要两个文件才能工作:

• .RData 包含必要数据对象的文件 (link)
• 其中一张 map 中需要 Logo 图像 ( link )

library(lubridate)
library(tidyverse)
library(glue)

library(magick)
library(scales) # for comma format of numbers
library(grid)


# loading objects
load("reprex.RData")


map_cov_logo <- image_convert(image_read("bcilogo-framed.png"), matte = T)

map_cov_text <- glue::glue("{label_comma()(data_cov$LOCATIONS)} locations
                      {label_comma()(data_cov$LISTS)} lists
                      {label_comma()(data_cov$HOURS)} hours
                      {label_comma()(data_cov$PEOPLE)} people
                      
                      {label_comma()(data_cov$STATES)} states/UTs
                      {label_comma()(data_cov$DISTRICTS)} districts
                      
                      {label_comma()(data_cov$SPECIES)} species
                      {round(data_cov$OBSERVATIONS, 1)} million observations")

map_cov_footer <- glue::glue("Data until September 2022")


### map with annotations of stats and BCI logo ###
map_cov_annot <- ggplot() +
  geom_polygon(data = indiamap, aes(x = long, y = lat, group = group), 
               colour = NA, fill = "black")+
  geom_point(data = data_loc, aes(x = LONGITUDE, y = LATITUDE), 
             colour = "#fcfa53", size = 0.05, stroke = 0) +
  # scale_x_continuous(expand = c(0,0)) +
  # scale_y_continuous(expand = c(0,0)) +
  theme_bw() +
  theme(axis.line = element_blank(),
        axis.text.x = element_blank(),
        axis.text.y = element_blank(),
        axis.ticks = element_blank(),
        axis.title.x = element_blank(),
        axis.title.y = element_blank(),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        panel.border = element_blank(),
        # panel.border = element_blank(),
        plot.background = element_rect(fill = "black", colour = NA),
        panel.background = element_rect(fill = "black", colour = NA),
        plot.title = element_text(hjust = 0.5)) +
  coord_cartesian(clip = "off") +
  theme(plot.margin = unit(c(2,2,0,23), "lines")) +
  annotation_raster(map_cov_logo, 
                    ymin = 4.5, ymax = 6.5,
                    xmin = 46.5, xmax = 53.1) +
  annotation_custom(textGrob(label = map_cov_text,
                             hjust = 0,
                             gp = gpar(col = "#FCFA53", cex = 1.5)),
                    ymin = 19, ymax = 31,
                    xmin = 40, xmax = 53)  +
  annotation_custom(textGrob(label = map_cov_footer,
                             hjust = 0,
                             gp = gpar(col = "#D2D5DA", cex = 1.0)),
                    ymin = 15, ymax = 16,
                    xmin = 40, xmax = 53) 

ggsave(map_cov_annot, file = "map_cov_annot.png", device = "png",
       units = "in", width = 13, height = 9, bg = "transparent", dpi = 300)



### plain map without annotations ###
map_cov_plain <- ggplot() +
  geom_polygon(data = indiamap, aes(x = long, y = lat, group = group), 
               colour = NA, fill = "black")+
  geom_point(data = data_loc, aes(x = LONGITUDE, y = LATITUDE), 
             colour = "#fcfa53", size = 0.05, stroke = 0.1) +
  # scale_x_continuous(expand = c(0,0)) +
  # scale_y_continuous(expand = c(0,0)) +
  theme_bw() +
  theme(axis.line = element_blank(),
        axis.text.x = element_blank(),
        axis.text.y = element_blank(),
        axis.ticks = element_blank(),
        axis.title.x = element_blank(),
        axis.title.y = element_blank(),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        panel.border = element_blank(),
        plot.margin = unit(c(0, 0, 0, 0), "cm"),
        # panel.border = element_blank(),
        plot.background = element_rect(fill = "black", colour = NA),
        panel.background = element_rect(fill = "black", colour = NA),
        plot.title = element_text(hjust = 0.5)) +
  coord_map()

ggsave(map_cov_plain, file = "map_cov_plain.png", device = "png",
       units = "in", width = 8, height = 11, bg = "transparent", dpi = 300)

Answer 1

我认为这归结为品味，您更喜欢没有抗锯齿的渲染结果。它看起来更大胆、更锐利，因为部分激活的细胞以全亮度显示，与完全黑色的相邻像素形成对比。先生Pederson 认为，抗锯齿版本在某些方面更真实地描述了底层数据，因为它会根据点的实际大小和位置在感知上赋予点更一致的权重和间距。

两个例子:

set.seed(42)
library(ggplot2)
df_rand <- data.frame(x = runif(1000), y = runif(1000))

ggplot(df_rand, aes(x,y)) +
  geom_point(colour = "#fcfa53", size = 0.01, stroke = 0) +
  theme_void() +
  theme(plot.background = element_rect(fill = "black", colour = NA),
        panel.background = element_rect(fill = "black", colour = NA))

ggsave("rand_no_anti-alias.png", device = png,
       units = "px", width = 100, height = 100)

ggsave("rand_ragg_anti-alias.png", device = ragg::agg_png(),
       units = "px", width = 100, height = 100)

在这两者中，对于您的用例和特定设置，您更喜欢前者。

df_grid <- data.frame(expand.grid(x = 1:30, y = 1:30))

ggplot(df_grid, aes(x,y)) +
  geom_point(colour = "#fcfa53", size = 0.01, stroke = 0) +
  theme_void() +
  theme(plot.background = element_rect(fill = "black", colour = NA),
        panel.background = element_rect(fill = "black", colour = NA))

ggsave("grid_no_anti-alias.png", device = png,
       units = "px", width = 100, height = 100)

ggsave("grid_ragg_anti-alias.png", device = ragg::agg_png(),
       units = "px", width = 100, height = 100)

请注意，没有抗锯齿的版本会从统一的网格中创建幻象分组。即使点覆盖像素的一小部分，它的算法也会显示完整的强度。抗锯齿版本反射(reflect)点覆盖每个像素的很小一部分，它试图通过有时在一个像素中描绘一个点，有时使用两个相邻像素但更暗的方式来平衡误差。虽然统一数据在这个人为的例子中产生了一些莫尔效应，但在我看来，感知失真更小。

如果我使点的大小更大(例如 0.3)，它会使亮度与非抗锯齿版本更加匹配。此版本避免了非抗锯齿版本所具有的幻影分组，但代价是像素在像素级别看起来很模糊。这对你来说是抗锯齿。

撇开技术争论不谈，使用能为您提供所需输出的渲染方法。