20171225（從有道遷移）
基本圖形
-
條形圖
-
簡單條形圖：
- 通過垂直的或水平的條形展示了類別型變量的分布（頻數(shù)）
- 語法：
barplot(height), 其中的height是一個向量或一個矩陣 - 選項horiz=TRUE會生成一幅水平條形圖
- 選項main可添加一個圖形標題，選項xlab和ylab則會分別添加x軸和y軸標簽
library("vcd") counts <- table(Arthritis$Improved) barplot(counts,main="Simple Bar Plot",xlab="Imporvement",ylab="Frequency") -
堆砌條形圖和分組條形圖
- 如果height是一個矩陣而不是一個向量，則繪圖結(jié)果將是一幅堆砌條形圖或分組條形圖。
- 若beside=FALSE（默認值），則矩陣中的每一列都將生成圖中的一個條形，各列中的值將給出堆砌的“子條”的高度。
- 若beside=TRUE，則矩陣中的每一列都表示一個分組，各列中的值將并列而不是堆砌
--堆砌條形圖 barplot(counts,main="Stacked Bar Plot",xlab="Treatment",ylab="Frequency",col=c("red","yellow","green"),legend=rownames(counts)) --分組條形圖 barplot(counts,main="Stacked Bar Plot",xlab="Treatment",ylab="Frequency",col=c("red","yellow","green"),legend=rownames(counts),beside=TRUE)) --對legend的遮擋結(jié)果進行處理，設置xlim，heargs.legnd的參數(shù)值 barplot(counts,main="Stacked Bar Plot",xlim=c(0, ncol(counts) + 1.5),xlab="Treatment",ylab="Frequency",col=c("red","yellow","green"),legend.text=rownames(counts), args.legend=list(x=ncol(counts) + 1.5,y=max(colSums(counts)),bty = "n")) -
均值條形圖
- 條形圖并不一定要基于計數(shù)數(shù)據(jù)或頻率數(shù)據(jù)。
- 可以使用數(shù)據(jù)整合函數(shù)并將結(jié)果傳遞給barplot()函數(shù)，來創(chuàng)建表示均值、中位數(shù)、標準差等的條形圖
states <- data.frame(state.region,state.x77) means <- aggregate(states$Illiteracy,by=list(state.region),FUN=mean) means <- means[order(means$x),] barplot(means$x,names.arg=means$Group.1) -
條形圖的微調(diào)
- cex.names調(diào)整字號
- names.arg你指定一個字符向量作為條形的標簽名
- par()函數(shù)也可以對圖形進行微調(diào)
- 詳細參數(shù)可以查看barplot的幫助文檔
-
為棘狀圖（spinogram）
- 棘狀圖對堆砌條形圖進行了重縮放，這樣每個條形的高度均為1，每一段的高度即表示比例。
- 棘狀圖可由vcd包中的函數(shù)spine()繪制。
-
-
餅圖
- 餅圖函數(shù)：pie(x,labels)，其中x是一個非負數(shù)值向量，表示每個扇形的面積，而labels則是表示各扇形標簽的字符型向量。
- 示例：
--圖形設置，這樣四幅圖形就會被組合為一幅 par(mfrow=c(2,2)) slices <- c(10, 12,4, 16, 8) lbls <- c("US", "UK", "Australia", "Germany", "France") pie(slices, labels = lbls, main="Simple Pie Chart") pct <- round(slices/sum(slices)*100) lbls2 <- paste(lbls," ",pct,"%",sep="") pie(slices,labels = lbls, col=rainbow(length(lbls)), main="Pie Chart with Percentages") library(plotrix) pie3D(slices, labels=lbls,explode=0.1, main="3D Pie Chart ") mytable <- table(state.region) lbls3 <- paste(names(mytable), "\n", mytable, sep="") pie(mytable, labels = lbls3, main="Pie Chart from a dataframe\n (with sample sizes)") par(opar)-
扇形圖：是通過plotrix包中的fan.plot()函數(shù)實現(xiàn)的
fan.plot(slices,labels=lbls,main="Simple Fan Chart")
-
直方圖
- 在X 軸上將值域分割為一定數(shù)量的組，在Y軸上顯示相應值的頻數(shù)，展示了連續(xù)型變量的分布；
- 函數(shù)：hist(x)
- x是一個由數(shù)據(jù)值組成的數(shù)值向量
- 參數(shù)freq=FALSE表示根據(jù)概率密度而不是頻數(shù)繪制圖形
- 參數(shù)breaks用于控制組的數(shù)量
- 在定義直方圖中的單元時，默認將生成等距切分。
- 示例
# simple histogram hist(mtcars$mpg) # colored histogram with specified number of bins # 將組數(shù)指定為12，使用紅色填充條形 hist(mtcars$mpg, breaks=12, col="red", xlab="Miles Per Gallon", main="Colored histogram with 12 bins") # colored histogram with rug plot, frame, and specified number of bins # 在上圖的基礎上疊加了條密度曲線和軸須圖（rug plot）。這條密度曲線是一個核密度估計，它為數(shù)據(jù)的分布提供了一種更加平滑的描述。 # 軸須圖是實際數(shù)據(jù)值的一種一維呈現(xiàn)方式。 # 如果數(shù)據(jù)中有許多結(jié)（數(shù)據(jù)中出現(xiàn)相同的值，稱為結(jié)），可以使用rug(jitter(mtcars$mpg,amount=0.02)) 將軸須圖的數(shù)據(jù)打散： #使用lines()函數(shù)疊加了藍色、雙倍默認線條寬度的曲線 hist(mtcars$mpg, freq=FALSE, breaks=12, col="red", xlab="Miles Per Gallon", main="Histogram, rug plot, density curve") rug(jitter(mtcars$mpg)) lines(density(mtcars$mpg), col="blue", lwd=2) # histogram with superimposed normal curve (Thanks to Peter Dalgaard) #在圖2疊加在上面的正態(tài)曲線和一個將圖形圍繞起來盒型 x <- mtcars$mpg h<-hist(x, breaks=12, col="red", xlab="Miles Per Gallon", main="Histogram with normal curve and box") xfit<-seq(min(x),max(x),length=40) yfit<-dnorm(xfit,mean=mean(x),sd=sd(x)) yfit <- yfit*diff(h$mids[1:2])*length(x) lines(xfit, yfit, col="blue", lwd=2) box() -
核密度圖
- ==核密度估計==是用于估計隨機變量概率密度函數(shù)的一種非參數(shù)方法；
- 函數(shù)
plot(density(x))- x是一個數(shù)值型向量。
- plot()函數(shù)會創(chuàng)建一幅新的圖形，向一幅已經(jīng)存在的圖形上疊加一條密度曲線，可以使用lines()函數(shù)
- 示例
# returns the density data d <- density(mtcars$mpg) # plots the results plot(d) #將曲線修改為藍色，使用實心紅色填充了曲線下方的區(qū)域，并添加了棕色的軸須圖。 plot(d, main="Kernel Density of Miles Per Gallon") #polygon()函數(shù)根據(jù)頂點的x和y坐標（本例中由density()函數(shù)提供）繪制了多邊形 polygon(d, col="red", border="blue") rug(mtcars$mpg, col="brown")- 核密度圖可用于比較組間差異，用sm包中的sm.density.compare()函數(shù)可向圖形疊加兩組或更多的核密度圖。使用格式為
sm.density.compare(x,factor)- x是一個數(shù)值型向量
- factor是一個分組變量
- 示例：
#比較擁有4個、6個或8個汽缸車型的每加侖汽油行駛英里數(shù) #將所繪制的線條設置為雙倍寬度 par(lwd=2) library(sm) attach(mtcars) # create value labels # 變量cyl是一個以4、6或8編碼的數(shù)值型變量 # 為了向圖形提供值的標簽，這里cyl轉(zhuǎn)換為名為cyl.f的因子 cyl.f <- factor(cyl, levels= c(4, 6, 8), labels = c("4 cylinder", "6 cylinder", "8 cylinder")) # plot densities sm.density.compare(mpg, cyl, xlab="Miles Per Gallon") title(main="MPG Distribution by Car Cylinders") # add legend via mouse click colfill<-c(2:(2+length(levels(cyl.f)))) cat("Use mouse to place legend...","\n\n") #參數(shù)值locator(1)表示用鼠標點擊想讓圖例出現(xiàn)的位置來交互式地放置這個圖例 legend(locator(1), levels(cyl.f), fill=colfill) detach(mtcars) par(lwd=1)
-
箱線圖
- 通過繪制連續(xù)型變量的五數(shù)總括，即最小值、下四分位數(shù)（第25百分位數(shù)）、中位數(shù)（第50百分位數(shù)）、上四分位數(shù)（第75百分位數(shù)）以及最大值，描述了連續(xù)型變量的分布
- 箱線圖能夠顯示出可能為離群點（范圍±1.5*IQR以外的值，IQR表示四分位距，即上四分位數(shù)與下四分位數(shù)的差值）的觀測
- 函數(shù)：
boxplot(x); 示例:boxplot(mtcars$mpg,main="Box Plot",ylab="Miles Per Gallon") - 執(zhí)行boxplot.stats(mtcars$mpg)即可輸出用于構(gòu)建圖形的統(tǒng)計量
- 使用并列箱線圖進行跨組比較，格式:```boxplot(formula,data=dataframe)
- formula是一個公式。示例公式：
- 公式y(tǒng) ~A，將為類別型變量A的每個值并列地生成數(shù)值型變量y的箱線圖。
- 公式y(tǒng) ~ A*B，將為類別型變量A和B所有水平的兩兩組合生成數(shù)值型變量y的箱線圖
- dataframe代表提供數(shù)據(jù)的數(shù)據(jù)框（或列表）。
- 參數(shù)varwidth=TRUE將使箱線圖的寬度與其樣本大小的平方根成正比。
- 參數(shù)horizontal=TRUE可以反轉(zhuǎn)坐標軸的方向
- 通過添加notch=TRUE，可以得到含凹槽的箱線圖
- 示例:
boxplot(mpg~cyl,data=mtcars, varwidth=TRUE,col="red",main="Car Mileage Data", xlab="Number of Cylinders",ylab="Miles Per Gallon") # 含凹槽的箱線圖 boxplot(mpg~cyl,data=mtcars, notch=TRUE, varwidth=TRUE,col="red",main="Car Mileage Data", xlab="Number of Cylinders", ylab="Miles Per Gallon") # 個分組因子繪制箱線圖 boxplot(mpg ~ am.f * cyl.f ,data=mtcars, varwidth=TRUE,col=c("gold","darkgreen"),main="MPG Distribution by Auto Type",xlab="Auto Type") - formula是一個公式。示例公式：
-
小提琴圖
- 小提琴圖（violin plot）是箱線圖變種；
- 小提琴圖是箱線圖與核密度圖的結(jié)合；
- 使用vioplot包中的vioplot()函數(shù)繪制；
- 格式：vioplot(x1,x2,...,names=,cols=)
- x1,x2,…表示要繪制的一個或多個數(shù)值向量（將為每個向量繪制一幅小提琴圖）;
- 參數(shù)names是小提琴圖中標簽的字符向量;
- col是一個為每幅小提琴圖指定顏色的向量。
- 示例
install.packages("vioplot") library("vioplot") x1 <- mtcars$mpg[mtcars$cyl==4] x2 <- mtcars$mpg[mtcars$cyl==6] x3 <- mtcars$mpg[mtcars$cyl==8] vioplot(x1,x2,x3,names=c("4 cyl","6 cyl","8 cyl"),col="gold") -
點圖
- 點圖在簡單水平刻度上繪制大量有標簽值的方法；
- 函數(shù)：dotchart(x,labels=)
- x是一個數(shù)值向量；
- labels是由每個點的標簽組成的向量；
- cex可控制標簽的大小；
- 參數(shù)groups來選定一個因子，用以指定x中元素的分組方式；
- 當使用groups時，參數(shù)gcolor可以控制不同組標簽的顏色
- 示例
dotchart(mtcars$mpg,labels=row.names(mtcars),cex=.7,main="Gas Mileage for Car Models",xlab="Miles Per Gallon") # 分組、排序、著色后的點圖 # 根據(jù)每加侖汽油行駛英里數(shù)（從最低到最高）對數(shù)據(jù)框mtcars進行排序 x <- mtcars[order(mtcars$mpg),] # 數(shù)值向量cyl被轉(zhuǎn)換為一個因子 x$cyl <- factor(x$cyl) x$color[x$cyl==4] <- "red" x$color[x$cyl==6] <- "blue" x$color[x$cyl==8] <- "darkgreen" dotchart(x$mpg,labels=row.names(x),cex=.7,groups=x$cyl,gcolor="black",color=x$color,pch=19,main="Gas Milesage for Car Models\ngrouped by cylinder",xlab="Miles Per Gallon") # 說明：隨著汽缸數(shù)的減少，每加侖汽油行駛的英里數(shù)有了增加。但你同時也看到了例外。例如，Pontiac Firebird有8個汽缸，但較六缸的Mercury 280C和Valiant的行駛英里數(shù)更多。六缸的Hornet 4 Drive與四缸的Volvo 142E的每加侖汽油行駛英里數(shù)相同。 # 同樣明顯的是，Toyota Corolla的油耗最低，而Lincoln Continental和Cadillac Fleetwood是英里數(shù)較低一端的離群點
