R語言在可視化上可謂非常出衆，想必這也是爲什麼R語言在數據處理方面受到追捧的原因之一。
本文首發 https://program-dog.blogspot.com
上一節已經大體瞭解了R語言的基本數據類型，以及優勢所在。R的可視化技術同樣也是優勢大大滴。這也是R的數據類型爲可視化立下汗馬功勞，爲啥這樣說呢？
Java的可視化技術
我們再拿Java開刀，和做一下對比。希望Java他老爹不要見怪。大家都知道，java做圖真心說不上漂亮，爲什麼又拿java做對比呢？原因之一是我對java比較熟悉一點，之二是接下來對比的不是做圖是否美觀，而是做圖的思路。而這個做圖的思路，衆語言都是大同小異，唯獨R比較獨特。
Java中,要想做出一副圖，思路是，我想思考一下這附圖上的 點、線、面可以怎樣拆分，拆分好了我就分別畫出 點、線、面，而要把點線面組合起來，要通過所謂的控件和容器。從而完成做圖。下面舉一個例子做出餅圖：
代碼來自這裏,這個程序用了第三方包（否則程序更加複雜）.
下面是代碼：
import javax.swing.JPanel;
import org.jfree.chart.ChartFactory;
import org.jfree.chart.ChartPanel;
import org.jfree.chart.JFreeChart;
import org.jfree.data.general.DefaultPieDataset;
import org.jfree.data.general.PieDataset;
import org.jfree.ui.ApplicationFrame;
import org.jfree.ui.RefineryUtilities;
public class PieChart_AWT extends ApplicationFrame
{
public PieChart_AWT( String title )
{
super( title );
setContentPane(createDemoPanel( ));
}
private static PieDataset createDataset( )
{
DefaultPieDataset dataset = new DefaultPieDataset( );
dataset.setValue( "IPhone 5s" , new Double( 20 ) );
dataset.setValue( "SamSung Grand" , new Double( 20 ) );
dataset.setValue( "MotoG" , new Double( 40 ) );
dataset.setValue( "Nokia Lumia" , new Double( 10 ) );
return dataset;
}
private static JFreeChart createChart( PieDataset dataset )
{
JFreeChart chart = ChartFactory.createPieChart(
"Mobile Sales", // chart title
dataset, // data
true, // include legend
true,
false);
return chart;
}
public static JPanel createDemoPanel( )
{
JFreeChart chart = createChart(createDataset( ) );
return new ChartPanel( chart );
}
public static void main( String[ ] args )
{
PieChart_AWT demo = new PieChart_AWT( "Mobile Sales" );
demo.setSize( 560 , 367 );
RefineryUtilities.centerFrameOnScreen( demo );
demo.setVisible( true );
}
}大家可以體會一下Java做圖的複雜程度，如果你覺得Java還算簡潔，那麼且往下看。
R的可視化技術
牛刀小試
在R中做二維圖有一個基本的函數plot 。比如我們有這樣一組關於病人對不同藥量(Dosage)和不同藥物的反應的圖表：
我們先創建三列數據：
dose <- c(20, 30, 40, 45, 60)
drugA <- c(16, 20, 27, 40, 60)
drugB <- c(15, 18, 25, 31, 40)做圖：
plot(dose, drugA,type="b")
title("Regression of MPG on Weight")
這樣就做好了dose和drubA的一幅圖。這裏可以看出，dose和drubA 都被當作一個整體來對待了，又印證前面R在數據類型方面的優勢。但是現在圖表遠沒有那麼漂亮，不用着急，plot自己就可以讓圖表變得漂亮，可定製化。
plot(dose, drugA,
type="b", # 圖表類型，b爲折線圖
bg="green", # 背景顏色 綠色
fg="blue", # 前景顏色 藍色
col="red", # 折線和點的顏色 紅色
col.axis="grey", # 座標軸文本顏色 灰色
col.lab="#3EB4EA", # 座標軸標籤顏色 我也叫不上來啥顏色
lty=3, # 線類型(line type)
lwd=3, # 線寬度 默認2
pch=15, # 點的類型 實心方塊
cex=2, # 指定符號大小 2爲 200%
col.main=rgb(1,1,1) # 標題的顏色
)
title("Regression of MPG on Weight(Colorful)") 
幾個參數就把圖裝飾的漂漂亮亮的。那麼，R是如何做到的呢？這與R的做圖思路有相當大的關係，在R中講求的是參數配置，而非點線面本身。
二維做圖利器plot的參數配置
權限機制
R中做圖函數的參數有一些是可以共有的，比如顏色，標題，註釋座標軸等都需要顏色，還有字體等，這些就被分配到了公共參數列表之中（如par），還有參數是函數本身獨有的，比如畫圖的座標軸就只有plot函數自己有。我們應當區分對待函數共有的和獨有的參數，這樣我運用起了就自如了。
plot獨有的參數
plot的參數如下
plot(x, y = NULL, type = "p", xlim = NULL, ylim = NULL,
log = "", main = NULL, sub = NULL, xlab = NULL, ylab = NULL,
ann = par("ann"), axes = TRUE, frame.plot = axes,
panel.first = NULL, panel.last = NULL, asp = NA, ...)
看起來可能有一點暈。參數中除了最後的 … (來自par) 和title有關的main,sub,xlab,ylab之外，其他都是獨有的。下面結合例子來說明常用的參數怎麼用，其他的請自行查手冊.
先列出解釋：
x, y = NULL, x,y座標，y爲空時候自動補上y
type = "p", 圖的類型
xlim = NULL, x座標軸的取值範圍，如c(1,10)
ylim = NULL, y座標軸的取值範圍
ann = par("ann"), 要不要話標籤
axes = TRUE, 要不要畫軸x=seq(1,10,len=100)
y=x^2
plot(x,y,
type="l",
xlim=c(-3,13),
ylim=c(-5,130),
ann=FALSE,
axes=FALSE
)
title("沒有軸，沒有標籤")效果圖:
plot的type介紹
type指的是做圖的類型，有必要介紹一下。
先列出參數：
"p" 點(points)
"l" 線(lines)
"b" 點和線(both)
"c" 線的部分(the lines part alone of "b")
"o" 線穿點 (both ‘overplotted’)
"h" 柱 (‘histogram’ like (or ‘high-density’) vertical lines)
"s" 階梯(stair steps)
"S" 階梯(other steps)
"n" 啥都不畫 (no plotting)做圖：
opar <- par(no.readonly = TRUE)
par(mfrow=c(2,4)) #設置佈局
x=1:10
y=x
plot(x,y,type="p",main="p")
plot(x,y,type="l",main="l")
plot(x,y,type="b",main="b")
plot(x,y,type="c",main="c")
plot(x,y,type="o",main="o")
plot(x,y,type="h",main="h")
plot(x,y,type="s",main="s")
plot(x,y,type="S",main="S")
par(opar)效果圖:
說完plot獨有的參數，應該說一說其他的plot共有的或者plot也沒有的參數了。
title介紹
title 不僅僅指的主(main)題目，還包括副(sub)題目，x,y軸的標籤以及題目和圖的距離(line)和題目是否在圖內(outer).
title的參數如下：
title(main = NULL, sub = NULL, xlab = NULL, ylab = NULL,
line = NA, outer = FALSE, ...)前四個參數的含義如下：
main 圖像上面的主題目
sub 圖像下面的副題目
xlab x軸標籤
ylab y軸標籤這四個參數不僅在title中可用，在其他函數裏面也可用（如plot直接可用）。
另外兩個參數含義如下：
line 題目和圖像的距離，距離太大就看不到題目了
outer 是一個布爾值，TRUE 的時候題目不會和圖像在一起，默認FALSE這兩個參數是title獨有，不可以在plot中直接用。
其他參數,諸如 …代表的是，這些參數可以從par中取。
title中的main可接受list參數。
x=seq(1,10,len=100)
y=sin(x)
plot(x,y,type="l")
title(
main=list( # main can be a list or not ,up to you
"You can use main like this",
cex=1.3,
col="blue",
font=3
),
sub = "sub title",
col.sub="green" #from par
)效果圖:
公共參數集合——par
上面簡單介紹了plot和title函數獨有的部分，下面具體介紹一下公共參數集合par。這個函數包括了大多數plot的定製信息，簡單舉一個小例子：
par(no.readonly=TRUE)->opar #備份par
par(lty=2) #通過par設置參數
par(pch=17)
par(lty=2, pch=17)
dose <- c(20, 30, 40, 45, 60)
drugA <- c(16, 20, 27, 40, 60)
drugB <- c(15, 18, 25, 31, 40)
plot(dose, drugA, type="b")
title("Regression of MPG on Weight")
par(opar) #還原par
用par畫出來的圖。
那麼par到底是個啥東東呢？簡而言之，par只不過儲存着plot的衆多參數而已，plot在做圖前，會去讀par裏面的變量，如果自己沒有設置，就按照par裏面的設置操作。我們把par打開看看是個什麼東西：
> summary(par())
Length Class Mode
xlog 1 -none- logical
ylog 1 -none- logical
adj 1 -none- numeric
ann 1 -none- logical
ask 1 -none- logical
bg 1 -none- character
bty 1 -none- character
cex 1 -none- numeric
cex.axis 1 -none- numeric
cex.lab 1 -none- numeric
cex.main 1 -none- numeric
cex.sub 1 -none- numeric
cin 2 -none- numeric
col 1 -none- character
col.axis 1 -none- character
col.lab 1 -none- character
col.main 1 -none- character
col.sub 1 -none- character
cra 2 -none- numeric
crt 1 -none- numeric
csi 1 -none- numeric
cxy 2 -none- numeric
din 2 -none- numeric
err 1 -none- numeric
family 1 -none- character
fg 1 -none- character
fig 4 -none- numeric
fin 2 -none- numeric
font 1 -none- numeric
font.axis 1 -none- numeric
font.lab 1 -none- numeric
font.main 1 -none- numeric
font.sub 1 -none- numeric
lab 3 -none- numeric
las 1 -none- numeric
lend 1 -none- character
lheight 1 -none- numeric
ljoin 1 -none- character
lmitre 1 -none- numeric
lty 1 -none- character
lwd 1 -none- numeric
mai 4 -none- numeric
mar 4 -none- numeric
mex 1 -none- numeric
mfcol 2 -none- numeric
mfg 4 -none- numeric
mfrow 2 -none- numeric
mgp 3 -none- numeric
mkh 1 -none- numeric
new 1 -none- logical
oma 4 -none- numeric
omd 4 -none- numeric
omi 4 -none- numeric
page 1 -none- logical
pch 1 -none- numeric
pin 2 -none- numeric
plt 4 -none- numeric
ps 1 -none- numeric
pty 1 -none- character
smo 1 -none- numeric
srt 1 -none- numeric
tck 1 -none- numeric
tcl 1 -none- numeric
usr 4 -none- numeric
xaxp 3 -none- numeric
xaxs 1 -none- character
xaxt 1 -none- character
xpd 1 -none- logical
yaxp 3 -none- numeric
yaxs 1 -none- character
yaxt 1 -none- character
ylbias 1 -none- numeric 我們已然發現，裏面有我們剛剛用過的比如bg,fg,col等。par 是一個函數，它的返回值是一個鏈表(List) .改變par的參數，就改變了plot的參數。
par的權限機制
par中那麼多參數，並不是每一個都可以被設定，也不是每一個都可以被任何函數所調用的。這正如一個人的家裏，不是每個人可以隨便進入或做出改變。權限機制有什麼好處呢？可以想象一下，如果沒有權限機制，那麼每一個做圖的函數都要自己定義一套參數，或者大家所有的都要用公共的參數，這帶來的不是浪費就是濫用，因此，par意識到有必要設定權限機制。
一些readonly的參數，用R.O.標識：
"cin",
"cra",
"csi",
"cxy",
"din"
"page"僅僅可以通過par設置的參數：
"ask",
"fig", "fin",
"lheight",
"mai", "mar", "mex", "mfcol", "mfrow", "mfg",
"new",
"oma", "omd", "omi",
"pin", "plt", "ps", "pty",
"usr",
"xlog", "ylog",
"ylbias"可以被其他函數調用的參數：剩餘其他。
總結
鑑於篇幅長度，par的使用下一節再介紹。
R語言天生就有可視化的優越條件，簡單而且可配置性強。讓人專注於數據處理而非代碼本身，這又是R語言在數據處理上的稟賦。