读入 R 包 ggplot2 中的数据集 mpg, 统计该数据集中各汽车厂商 (manufacturer) 生产汽车的数量, 并用条 形图进行展示; • 对道奇车型中, 对不同气缸数 (cyl) 分别为 4, 5, 6, 8 的车型进行统计, 并用颜色标记出其中驱动方式 (drv) 不同的数据; • 分别比较 1999 与 2008 年中各类型 (class) 车的占比, 并统计 1999 年 与 2008 年排量在 2 到 4 L 中各车型 (class) 的数量.

好的，您的第一个问题是如何统计R包ggplot2中数据集mpg中各汽车厂商（manufacturer）生产汽车的数量，并用条形图进行展示。

您可以按照以下步骤进行操作：

1. 导入ggplot2库和mpg数据。

library(ggplot2)
data(mpg)

2. 对manufacturer进行分组，统计数量并按照数量进行排序。

mpg_manufacturer_count <- mpg %>% group_by(manufacturer) %>% count()
mpg_manufacturer_count <- mpg_manufacturer_count[order(mpg_manufacturer_count$n, decreasing = TRUE),]

3. 使用ggplot2库中的geom_bar函数将结果绘制成条形图。

ggplot(mpg_manufacturer_count, aes(x = reorder(manufacturer, n), y = n)) +
  geom_bar(stat = "identity", fill = "#0072B2") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  ggtitle("汽车厂商生产汽车数量统计") +
  xlab("汽车厂商") +
  ylab("汽车数量")

效果如下图所示：


您的第二个问题是如何对道奇车型中，对不同气缸数（cyl）分别为4、5、6、8的车型进行统计，并用颜色标记出其中驱动方式（drv）不同的数据。

您可以按照以下步骤进行操作：

1. 导入dplyr库和mpg数据。

library(dplyr)
data(mpg)

2. 定义颜色映射表。

cyl_dodge_colors <- c("gray30", "gray50", "gray70", "gray90")
drv_dodge_colors <- c("#0072B2", "#E69F00", "#D55E00")
names(cyl_dodge_colors) <- c(4, 5, 6, 8)
names(drv_dodge_colors) <- c("r", "f", "4")

3. 对不同气缸数和驱动方式的车型进行分组统计。

mpg_dodge_count <- mpg %>%
  filter(manufacturer == "dodge") %>%
  group_by(cyl, drv) %>%
  count()

4. 使用ggplot2库中的geom_col函数将结果绘制成分组柱状图，用颜色区分不同气缸数并用fill参数设置驱动方式的颜色。

ggplot(mpg_dodge_count, aes(x = as.factor(cyl), y = n, fill = drv)) +
  geom_col(position = "dodge") +
  scale_fill_manual(values = drv_dodge_colors) +
  scale_x_discrete(limits = c("4", "5", "6", "8")) +
  scale_y_continuous(limits = c(0, 20), breaks = seq(0, 20, by = 5)) +
  ggtitle("道奇车型中不同气缸数和驱动方式的车型统计") +
  xlab("气缸数") +
  ylab("车型数量") +
  guides(fill = guide_legend(title = "驱动方式"))

效果如下图所示：


您的第三个问题是如何分别比较1999与2008年中各类型（class）车的占比，并统计1999年与2008年排量在2到4L中各车型（class）的数量。

您可以按照以下步骤进行操作：

1. 导入dplyr库和mpg数据。

library(dplyr)
data(mpg)

2. 对1999年与2008年分别进行数据分组，统计各类型（class）车的数量，并计算占比。

mpg_1999_class_count <- mpg %>% filter(year == 1999) %>% group_by(class) %>% count()
mpg_1999_class_count$percent <- round(mpg_1999_class_count$n / sum(mpg_1999_class_count$n) * 100, 2)

mpg_2008_class_count <- mpg %>% filter(year == 2008) %>% group_by(class) %>% count()
mpg_2008_class_count$percent <- round(mpg_2008_class_count$n / sum(mpg_2008_class_count$n) * 100, 2)

3. 使用ggplot2库中的geom_bar函数将结果绘制成堆叠条形图。

mpg_class_count <- rbind(mpg_1999_class_count, mpg_2008_class_count)
ggplot(mpg_class_count, aes(x = class, y = percent, fill = factor(year))) +
  geom_bar(stat = "identity") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  ggtitle("1999年与2008年各类型车的占比") +
  xlab("车型类型") +
  ylab("百分比") +
  guides(fill = guide_legend(title = "年份"))

效果如下图所示：


4. 分别统计1999年与2008年排量在2到4L中各车型统计量，并使用ggplot2库中的geom_col函数将结果绘制成分组柱状图。

mpg_1999_2008_within_2_4L <- mpg %>% 
  filter(displ >= 2 & displ <= 4) %>% 
  group_by(year, class) %>% 
  count()

ggplot(mpg_1999_2008_within_2_4L, aes(x = class, y = n, fill = factor(year))) +
  geom_col(position = "dodge") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  ggtitle("1999年与2008年排量在2到4L中各车型统计") +
  xlab("车型类型") +
  ylab("数量") +
  guides(fill = guide_legend(title = "年份"))

效果如下图所示：


以上就是您提出的三个问题的解答过程，希望解答能够对您有所帮助！