老师的大兔子好白好软水好多 ,无码人妻精品一区二区三区99性 ,69精品无码一区二区

本章內容

條形圖、箱線圖和點圖
餅圖和扇形圖
直方圖與核密度圖

</br>

6.1條形圖(Simple Bar Plot簡單條形圖)（Horizontal Bar Plot水平條形圖）

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）。
使用barplot()函數：barplot(height)。其中的height是一個向量或一個矩陣。

01簡單條形圖（height 是一個向量時）

示例如下：

>install.packages("vcd")#安裝vcd包
> library(vcd)#載入包
> counts<-table(Arthritis$Improved)#提取樣本中改善的量
> counts#輸出結果
  None   Some Marked 
    42     14     28 
> 
> barplot(counts,
+         main = "Simple Bar Plot",
+         xlab = "Improvement",ylab = "Frequency")#繪制簡單條形圖

簡單條形圖

> barplot(counts,
+         main = "Horizontal Bar Plot",
+         xlab = "Frequency",ylab = "Improvement", col = c("red","yellow","green"),
+         horiz = TRUE)#繪制水平條形圖，horiz = TRUE表示水平繪制，使用col添加顏色

水平條形圖添加顏色后

02堆砌條形圖和分組條形圖（height 是一個矩陣時）

> library(vcd)
> counts<-table(Arthritis$Improved,Arthritis$Treatment)#選取治療類型和改善情況
> counts#輸出結果
        
         Placebo Treated
  None        29      13
  Some         7       7
  Marked       7      21
> 
> barplot(counts,
+         main = "Stacked Bar Plot",
+         xlab = "Treatment",ylab = "Frequency",
+         col = c("red","yellow","green"),
+         legend=rownames(counts))#繪制堆砌條形圖

堆砌條形圖

> barplot(counts,
+         main = "Grouped Bar Plot",
+         xlab = "Treatment",ylab = "Frequency",
+         col = c("red","yellow","green"),
+         legend=rownames(counts),beside = TRUE)#繪制分組條形圖

分組條形圖

參數legend.text為圖例提供了各條形的標簽（僅在height為一個矩陣時有用）。
beside=FALSE（默認值），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。

由于標簽和圖形重疊，影響美觀和觀測，所以回看第三章相關內容，改進如下：
legend("topright",legend=c("None","Some","Marked"),fill=c("red","yellow","green"))
但是效果還不是很理想。

03均值條形圖

條形圖并不一定要基于計數數據或頻率數據。你可以使用數據整合函數并將結果傳遞給barplot() 函數，來創建表示均值、中位數、標準差等的條形圖。

> options(digits = 3)
> states<-data.frame(state.region,state.x77)
> means<-aggregate(states$Illiteracy,by=list(state.region),FUN=mean)
> means
        Group.1    x
1     Northeast 1.00
2         South 1.74
3 North Central 0.70
4          West 1.02
> 
> means<-means[order(means$x),]#將均值從小到大進行排序
> means
        Group.1    x
3 North Central 0.70
1     Northeast 1.00
4          West 1.02
2         South 1.74
> 
> barplot(means$x,names.arg = means$Group.1)
> title("Mean Illiteracy Rate")#添加標題
>#缺失一個標簽，不知道為何？

美國各地區平均文盲率排序的條形圖

lines(means$x,type = "b",pch=17,lty=2,col="red")#加入代碼添加線條

均值條形圖加入線條

04條形圖的微調

有若干種方式可以微調條形圖的外觀。使用參數cex.names來減小字號。將其指定為小于1的值可以縮小標簽的大小。可選的參數names.arg允許你指定一個字符向量作為條形的標簽名。你同樣可以使用圖形參數輔助調整文本間隔。

> par(mar=c(5,8,4,2))#增加y邊界的大小
> par(las=2)#旋轉條形的標簽
> counts<-table(Arthritis$Improved)
> barplot(counts,main = "Treatment Outcome",
+         horiz = TRUE,
+         cex.names = 0.8,#縮小字體，讓標簽更合適
+         names.arg = c("No Improvement","Some Improvement",
+                       "Markde Improvement"))#修改標簽文本

微調了標簽的垂直條形圖

05 棘狀圖

> library(vcd)
> attach(Arthritis)
The following object is masked _by_ .GlobalEnv:

    ID

> counts <- table(Treatment, Improved)
> spine(counts, main="Spinogram Example")
> detach(Arthritis)
>

關節炎治療結果的棘狀圖

6.2餅圖

餅圖可由以下函數創建：pie(x,labels)
其中x是一個非負數值向量，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。

> par(mfrow=c(2,2))#四個圖形為作為一組
> slices<-c(10,12,4,16,8)#餅圖每一個片區的值，即扇形面積
> lbls<-c("US","UK","Australia","Germany","France")#國家名稱，扇區的字符型向量
> #輸出餅圖
> pie(slices,labels = lbls,main = "Simple Pie Chart")
> 
> 
> pct<-round(slices/sum(slices)*100)#將面積數據轉換為比例值
> lbls2<-paste(lbls," ",pct,"%",sep = "")#標簽內容
> #有5種顏色的餅圖
> pie(slices,labels = lbls2,col = rainbow(length(lbls2)),
+     main = "Pie Chart with Percentages")
> #生成3D餅圖
> library(plotrix)
> pie3D(slices,labels=lbls,explode=0.1,
+       main="3D Pie Chat ")
> #從表格創建餅圖
> mytable<-table(state.region)
> lbls3<-paste(names(mytable),"\n",mytable,sep = "")
> pie(mytable,labels = lbls3,
+     main = "Pie Chart from a Table\n (with sample sizes)")
>

餅圖示例

在R中，扇形圖是通過plotrix包中的fan.plot()函數實現的。

> library(plotrix)
> slices<-c(10,12,4,16,8)
> lbls<-c("US","UK","Australia","Germany","France")#國家名稱，扇區的字符型向量
> fan.plot(slices,labels = lbls,main = "Fan Plot")

國別數據扇形圖

6.3直方圖

使用如下函數創建直方圖：hist(x)，其中的x是一個由數據值組成的數值向量。參數freq=FALSE表示根據概率密度而不是頻數繪制圖形。參數breaks用于控制組的數量。在定義直方圖中的單元時，默認將生成等距切分。

> par(mfrow=c(2,2))#定義圖形位置
> hist(mtcars$mpg)#繪制簡單直方圖，未指定任何參數，默認圖形
> #繪制信息清晰的直方圖，添加標簽、標題、顏色
> hist(mtcars$mpg,
+      breaks = 12,#指定為12組
+      col = "red",
+      xlab = "Miles Per Gallon",
+      main = "Colored histogram with 12 bins")
> 
> hist(mtcars$mpg,
+      freq = FALSE,#根據概率密度而不是頻數繪制圖形
+      breaks = 12,
+      col="red",
+      xlab = "Miles Per Gallon",
+      main = "Histogram,rug plot,density curve")
> rug(jitter(mtcars$mpg))#添加軸須圖
> lines(density(mtcars$mpg),col="blue",lwd=2)#疊加藍色雙倍默認線條寬度的曲線
> #繪制帶有正態曲線和盒型的直方圖
> x<-mtcars$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()

直方圖復雜

6.4核密度圖

繪制密度圖的方法（不疊加到另一幅圖上方）為：plot(density(x))
其中的x是一個數值型向量。由于plot()函數會創建一幅新的圖形，所以要向一幅已經存在的圖形上疊加一條密度曲線，可以使用lines()函數。

> #繪制核密度圖
> par(mfrow=c(2,1))
> d<-density(mtcars$mpg)
> plot(d)#繪制默認設置的最簡圖形
> 
> d<-density(mtcars$mpg)#密度函數
> plot(d,main = "Kernel Density of Miles Per Gallon")#添加一個標題
> polygon(d,col = "red",border = "blue")#將曲線修改為藍色，并使用實心紅色填充曲線下方的區域
> rug(mtcars$mpg,col = "brown")#添加棕色的軸須圖

核密度圖.

> library(sm)
> attach(mtcars)
> #創建分組因子。
> cyl.f<-factor(cyl,levels = c(4,6,8),
+               labels = c("4 cylinder","6 cylinder",
+                          "8 cylinder"))#變量 cyl 是一個以4、6或8編碼的數值型變量。
> #為了向圖形提供值的標簽，這里 cyl 轉換為名為 cyl.f 的因子。
> 
> sm.density.compare(mpg,cyl,xlab="Miles Per Gallon")#繪制密度圖
> title(main = "MPG Distribution by Car Cylinders")#添加標題
> 
> colfill<-c(2:(1+length(levels(cyl.f))))#創建一個顏色向量
> legend(locator(1),levels(cyl.f),fill=colfill)

按汽缸個數劃分的各車型每加侖汽油行駛英里數的核密度圖.

6.5箱線圖

箱線圖（又稱盒須圖）通過繪制連續型變量的五數總括，即最小值、下四分位數（第25百分位數）、中位數（第50百分位數）、上四分位數（第75百分位數）以及最大值，描述了連續型變量的分布。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，即上四分位數與下四分位數的差值）的觀測。

> #生成箱線圖
> boxplot(mtcars$mpg,main="Box plot",ylab="Miles per Gallon")
> boxplot.stats(mtcars$mpg)
$stats
[1] 10.40 15.35 19.20 22.80 33.90

$n
[1] 32

$conf
[1] 17.11916 21.28084

$out
numeric(0)

生成簡單箱線圖，手動添加

01使用并列箱線圖進行跨組比較

箱線圖可以展示單個變量或分組變量。使用格式為：oxplot(formula,data=dataframe)

其中的formula是一個公式，dataframe代表提供數據的數據框（或列表）。

一個示例公式為y_{A，這將為類別型變量A的每個值并列地生成數值型變量y的箱線圖。公式y}A*B則將為類別型變量A和B所有水平的兩兩組合生成數值型變量y的箱線圖。添加參數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horizontal=TRUE可以反轉坐標軸的方向。

#為每個氣缸生成每加侖行駛的英里數箱線圖
> boxplot(mpg~cyl,data = mtcars,
+         main="Car Mileage Data",
+         xlab="Number of Cylinders",
+         ylab="Miles per Gallom")

不同汽缸數量車型油耗的箱線圖.

> #添加notch=TRUE生成含凹槽的箱線圖
> boxplot(mpg~cyl,data = mtcars,
+         notch=TRUE,
+         varwidth=TRUE,
+         col="red",
+         main="Car Mileage Data",
+         xlab="Number of Cylinders",
+         ylab="Miles Per Gallon")
Warning message:
In bxp(list(stats = c(21.4, 22.8, 26, 30.4, 33.9, 17.8, 18.65, 19.7,  :
  一些槽在折葉點外('box'): 可能是因為notch=FALSE

不同汽缸數量車型油耗的含凹槽箱線圖

#兩個交叉因子的箱線圖
> #創建氣缸數量因子
> mtcars$cyl.f<-factor(mtcars$cyl,
+                      levels = c(4,6,8),
+                      labels = c("4","6","8"))
> #創建變速箱類型因子
> mtcars$am.f<-factor(mtcars$am,
+                     levels = c(0,1),
+                     labels = c("auto","standard"))
> #繪制箱線圖，為變速箱和氣缸數所有水平的兩兩組合生成每加侖行駛英里數
> boxplot(mpg~am.f*cyl.f,
+         data = mtcars,
+         col=c("gold","darkgreen"),
+         main="MPG Distribution by Atuo Type",
+         xlab="Atuo Type",
+         ylab="Miles Per Gallon")

不同變速箱類型和汽缸數量車型的箱線圖

從圖中可以看到不同組間油耗的區別非常明顯。同時也可以發現，六缸車型的每加侖汽油行駛的英里數分布較其他兩類車型更為均勻。與六缸和八缸車型相比，四缸車型的每加侖汽油行駛的英里數散布最廣（且正偏）。在八缸組還有一個離群點。

</br>

02小提琴圖

使用vioplot包中的vioplot()函數繪制它。請在第一次使用之前安裝vioplot包。
vioplot()函數的使用格式為：vioplot(x1,x2,...,names=,col=)
其中x1,x2,...表示要繪制的一個或多個數值向量（將為每個向量繪制一幅小提琴圖）。參數names是小提琴圖中標簽的字符向量，而col是一個為每幅小提琴圖指定顏色的向量。

> install.packages("vioplot")
> library(vioplot)
Warning message:
程輯包‘vioplot’是用R版本3.3.3 來建造的 
> 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")
> 
> title("Violin Plots of Miles Per Gallon",
+       ylab = "Miles Per Gallon",
+       xlab = "Number of Cylinders")

汽缸數量和每加侖汽油行駛英里數的小提琴圖

(小提琴圖真的很漂亮)

在圖中，白點是中位數，黑色盒型的范圍是下四分位點到上四分位點，細黑線表示須。外部形狀即為核密度估計。
</br>

6.6點圖

點圖提供了一種在簡單水平刻度上繪制大量有標簽值的方法。

你可以使用dotchart()函數創建點圖，格式為：dotchart(x,labels=)其中的x是一個數值向量，而labels則是由每個點的標簽組成的向量。你可以通過添加參數groups來選定一個因子，用以指定x中元素的分組方式。如果這樣做，則參數gcolor可以控制不同組標簽的顏色，cex可以控制標簽的大小。

> #每種車型每加侖汽油行駛英里數的點圖(散亂的，難以分析的)
> dotchart(mtcars$mpg,labels = row.names(mtcars),
+          cex = .7,
+          main = "Gas Mileage for Car Models",
+          xlab = "Miles Per Gallon")

每種車型每加侖汽油行駛英里數的點圖

> #各車型依汽缸數量分組的每加侖汽油行駛英里數點圖,分組排序后的點圖
> #根據每加侖汽油行駛英里數（從最低到最高）
> #對數據框 mtcars 進行排序，結果保存為數據框 x
> x<-mtcars[order(mtcars$mpg),]
> #將數值向量 cyl 轉換為一個因子  
> x$cyl<-factor(x$cyl)
> #添加一個字符型向量 （ color ）到數
> #據框 x 中，根據 cyl 的值，它所含的值
> #為 "red" 、 "blue" 或 "darkgreen"
> x$color[x$cyl==4]<-"red"
> x$color[x$cyl==6]<-"blue"
> x$color[x$cyl==8]<-"darkgreen"
> dotchart(x$mpg,
+ labels=row.names(x),#各數據點的標簽取自數據框的行名
+ cex=.7,
+ groups=x$cyl,#數據點根據汽缸數量分組
+ gcolor="black",#數字4、6、8顯示為黑色
+ color=x$color,#點和標簽的顏色
+ pch=19,
+ main="Gas Mileage for Car Models\ngrouped by cylinder",
+ xlab="Mlies Per Gallon")

各車型依汽缸數量分組的每加侖汽油行駛英里數點圖

從圖中可以看到，隨著汽缸數的減少，每加侖汽油行駛的英里數有了增加。但也有例外。例如，Pontiac Firebird有8個汽缸，但較六缸的Mercury280C和Valiant的行駛英里數更多。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是英里數較低一端的離群點。

</br>

本章小結

學會了使用條形圖和餅圖了解類別型變量的分布，以及通過堆砌條形圖和分組條形圖理解不同類別型輸出的組間差異。
探索了直方圖、核密度圖、箱線圖、軸須圖以及點圖可視化連續型變量分布的方式。
了解了密度圖、并列箱線圖和分組點圖可視化連續型輸出變量組間差異的方法。

對單個變量（數值型變量和類別型變量）的可視化方法有了一定的認識和掌握，通過各種常用圖形的繪制，加深了理解單個變量的分布和意義，有利于后續多變量統計方法的學習。
重點是熟悉并掌握各類圖形的應用場景、使用函數，以及相關的繪圖函數應用。

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美国产综合欧美视频

R語言第六章——基本圖形（多圖）

R語言第六章——基本圖形（多圖）

本章內容

6.1條形圖(Simple Bar Plot簡單條形圖)（Horizontal Bar Plot水平條形圖）

01簡單條形圖（height 是一個向量時）

02堆砌條形圖和分組條形圖（height 是一個矩陣時）

03均值條形圖

04條形圖的微調

05 棘狀圖

6.2餅圖

6.3直方圖

6.4核密度圖

6.5箱線圖

01使用并列箱線圖進行跨組比較

02小提琴圖

6.6點圖

本章小結

推薦閱讀更多精彩內容

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美 国产 综合 欧美 视频

R語言第六章——基本圖形（多圖）

本章內容

6.1條形圖(Simple Bar Plot簡單條形圖)（Horizontal Bar Plot水平條形圖）

01簡單條形圖（height 是一個向量時）

02堆砌條形圖和分組條形圖（height 是一個矩陣時）

03均值條形圖

04條形圖的微調

05 棘狀圖

6.2餅圖

6.3直方圖

6.4核密度圖

6.5箱線圖

01使用并列箱線圖進行跨組比較

02小提琴圖

6.6點圖

本章小結

推薦閱讀更多精彩內容

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美国产综合欧美视频