摘要: 一、直方圖 繪製直方圖函數：hist()對x1進行直方圖分析 hist(x$x1)二、散點圖 散點圖繪製函數：plot()探索各科成績的關聯關係 plot(x1,x2) plot(x$x1,x$x2)三、柱狀圖 列聯表分析 列聯函數table()：統計每個分數的人 ...
一、直方圖
繪製直方圖函數：hist()
對x1進行直方圖分析
> hist(x$x1)>
二、散點圖
散點圖繪製函數：plot()
探索各科成績的關聯關係
> plot(x1,x2)> plot(x$x1,x$x2)>
三、柱狀圖
列聯表分析
列聯函數table()：統計每個分數的人數;
柱狀圖繪製函數：barplot()
> table(x$x1) 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 1 5 6 6 5 7 5 6 2 3 6 2 2 5 4 11 5 4 5 99 100 8 2> barplot(table(x$x1))>
四、餅圖
餅圖繪製函數：pie()
> pie(table(x$x1))>
五、箱尾圖
1、 箱尾圖繪製函數：boxplot()
> boxplot(x$x1,x$x2,x$x3)>
(1) 箱子的上下橫線爲樣本的25%和75%分位數
(2) 箱子中間的橫線爲樣本的中位數
(3) 上下延伸的直線稱爲尾線，尾線的
(4) 盡頭爲最高值和最低值
(5) 異常值
2、爲箱尾圖添加顏色和缺口
添加參數：顏色 col=c(c(“red”,”green”,”blue”))； 缺口：notch=T。
> boxplot(x[2:4],col=c("red","green","blue"),notch=T)>
3、水平放置的箱尾圖
添加參數：horizontal=T
> boxplot(x$x1,x$x2,x$x2,horizontal=T)>
六、星相圖
函數：stars()
1、
> stars(x[c("x1","x2","x3")])>
(1) 每個觀測單位的數值表示爲一個圖形
(2) 每個圖的每個角表示一個變量，字符串類型會標註在圖的下方
(3) 角線的長度表達值的大小
2、扇形圖 (雷達圖)
添加參數：draw.segment=T 控制是否畫扇形；full=T 控制是圓還是半圓。
> stars(x[c("x1","x2","x3")],full=T,draw.segment=T)>
扇形的面積越大，表示值越大。
3、半扇形
> stars(x[c("x1","x2","x3")],full=F,draw.segment=T)>
七、臉譜圖
1、安裝aplpack包
(1) 用五官的寬度和高度來描繪數值
(2) 人對臉譜高度敏感和強記憶
(3) 適合較少樣本的情況
2、其他臉譜圖
安裝TeachingDemos包
八、莖葉圖
繪製莖葉圖函數：stem()
> stem(x$x2) The decimal point is 1 digit(s) to the right of the | 6 | 4 6 | 77889 7 | 000112222233344 7 | 5556667777777888899999 8 | 00000000001111111222222222222333344 8 | 5555666788999 9 | 0111223 9 | 57 >
上面莖葉圖中：6 | 4 ，表示64分的有一個；6 | 77889 ，表示67分有兩位同學，68分的有兩位同學，69分的有一位同學。後面以此類推。
九、QQ圖
函數：qqnorm(),qqline()
(1) 可用於判斷是否正態分佈
(2) 直線的斜率是標準差，截距是均值
(3) 點的散佈越接近直線，則越接近正態分佈
> qqnorm(x3)> qqline(x3)>
十、散點圖的進一步設置
1、 plot(x$x1,x$x2,
main=”數學分析與線性代數成績的關係”,
xlab=”數學分析”,
ylab=”線性代數”,
xlim=c(0,100),
ylim=c(0,100),
xaxs=”i”, #Set x axis style as internal
yaxs=”i”, #Set y axis style as internal
col=”red”, #Set the color of plotting symbol to r
pch=19) #Set the plotting symbol to filled dots
2、連線圖
添加參數：type=”l”
> a=c(2,3,4,5,6)> b=c(4,7,8,9,12)> plot(a,b,type="l")>
3、多條曲線的效果
plot(rain$Tokyo,type=”l”,col=”red”,
ylim=c(0,300),
main=”Monthly Rainfall in major cities”,
xlab=”Month of Year”,
ylab=”Rainfall (mm)”,
lwd=2 #線框大小粗細)
lines(rain$NewYork,type=”l”,col=”blue”,lwd=2)
lines(rain$London,type=”l”,col=”green”,lwd=2)
lines(rain$Berlin,type=”l”,col=”orange”,lwd=2)
十一、密度圖
函數：density()
> plot(density(rnorm(1000)))>
十二、熱力圖
1、R內置的數據集，使用函數data()列出。
> data()> mtcars mpg cyl disp hp drat wt qsec vs am gear carbMazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2>
2、利用內置的mtcars數據集繪製
首先要將數據框轉換爲矩陣。顏色越深，數值越大。
heatmap(as.matrix(mtcars),
Rowv=NA,
Colv=NA,
col = heat.colors(256),
scale=”column”,
margins=c(2,8),
main = “Car characteristics by
Model”)
十三、向日葵散點圖
1、Iris(鳶尾花)數據集
2、向日葵散點圖
函數：sunflowerplot()，參數col設定點的顏色，seg.col設定點發出的射線(代表重合點)的顏色。
(1) 用來克服散點圖中數據點重疊問題
(2) 在有重疊的地方用一朵“向日葵花”的花瓣數目來表示重疊數據的個數
> sunflowerplot(iris[,3:4],col="gold",seg.col="gold")>
十四、散點圖集
1、使用函數pairs()
(1) 遍歷樣本中全部的變量配對畫出二元圖
(2) 直觀地瞭解所有變量之間的關係
> pairs(iris[,1:4])>
2、使用plot()函數
plot(iris[,1:4],
main=”Relationships between
characteristics of iris flowers”,
pch=19,
col=”blue”,
cex=0.9)
3、使用par()函數設置
(1) 利用par( )在同一個device輸出多個散點圖
(2) Par命令博大精深，用於設置繪圖參數，help(par)
par(mfrow=c(3,1)) #在一張device中顯示3行一列的圖形
plot(x1,x2);plot(x2,x3);plot(x3,x1)
十五、關於繪圖參數
1、尋求幫助
(1) help(par)
(2) 有哪些顏色？ 使用函數 colors()
2、繪圖設備
dev.cur()
dev.list()
dev.next(which = dev.cur())
dev.prev(which = dev.cur())
dev.off(which = dev.cur())
dev.set(which = dev.next())
dev.new(…)
graphics.off()
3、位置控制參數
(1) mai參數：A numerical vector of the form c(bottom, left, top, right) which gives the margin size specified in inches.
(2) oma參數：A vector of the form c(bottom, left, top, right) giving the size of the outer margins in lines of text.
十六、三維散點圖
安裝scatterplot3d 包
scatterplot3d(x[2:4])
十七、三維作圖
x<-y<-seq(-2*pi, 2*pi, pi/15)
f<-function(x,y) sin(x)*sin(y)
z<-outer(x, y, f)
contour(x,y,z,col="blue")
persp(x,y,z,theta=30, phi=30,expand=0.7,col="lightblue")
十八、調和曲線圖
調和曲線用於聚類判斷非常方便。
自定義函數unison的腳本unison.r：
unison<-function(x){ # x is a matrix or data frame of data if (is.data.frame(x)==TRUE) x<-as.matrix(x) t<-seq(-pi, pi, pi/30) m<-nrow(x); n<-ncol(x) f<-array(0, c(m,length(t))) for(i in 1:m){ f[i,]<-x[i,1]/sqrt(2) for( j in 2:n){ if (j%%2==0) f[i,]<-f[i,]+x[i,j]*sin(j/2*t) else f[i,]<-f[i,]+x[i,j]*cos(j%/%2*t) } } plot(c(-pi,pi), c(min(f),max(f)), type="n", main="The Unison graph of Data", xlab="t", ylab="f(t)") for(i in 1:m) lines(t, f[i,] , col=i)}
十九、地圖
安裝maps包
map(“state”, interior = FALSE)
map(“state”, boundary = FALSE, col=”red”,add = TRUE)
map(‘world’, fill = TRUE,col=heat.colors(10))
相關R繪圖書籍：《R Graphs Cookbook》
