转自：/article-2421-1.html 摘要
一、直方图
绘制直方图函数：hist()
对x1进行直方图分析
> hist(x$x1)>
二、散点图
散点图绘制函数：plot()
探索各科成绩的关联关系
> plot(x1,x2)> plot(x$x1,x$x2)>
三、柱状图
列联表分析
列联函数table()：统计每个分数的人数;
柱状图绘制函数：barplot()
> table(x$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$x1))>
四、饼图
饼图绘制函数：pie()
> pie(table(x$x1))>
五、箱尾图
1、 箱尾图绘制函数：boxplot()
> boxplot(x$x1,x$x2,x$x3)>
(1) 箱子的上下横线为样本的25%和75%分位数
(2) 箱子中间的横线为样本的中位数
(3) 上下延伸的直线称为尾线，尾线的
(4) 尽头为最高值和最低值
(5) 异常值
2、为箱尾图添加颜色和缺口
添加参数：颜色 col=c(c(“red”,”green”,”blue”))； 缺口：notch=T。
> boxplot(x[2:4],col=c("red","green","blue"),notch=T)>
3、水平放置的箱尾图
添加参数：horizontal=T
> boxplot(x$x1,x$x2,x$x2,horizontal=T)>
六、星相图
函数：stars()
1、
> stars(x[c("x1","x2","x3")])>
(1) 每个观测单位的数值表示为一个图形
(2) 每个图的每个角表示一个变量，字符串类型会标注在图的下方
(3) 角线的长度表达值的大小
2、扇形图 (雷达图)
添加参数：draw.segment=T 控制是否画扇形；full=T 控制是圆还是半圆。
> stars(x[c("x1","x2","x3")],full=T,draw.segment=T)>
扇形的面积越大，表示值越大。
3、半扇形
> stars(x[c("x1","x2","x3")],full=F,draw.segment=T)>
七、脸谱图
1、安装aplpack包
(1) 用五官的宽度和高度来描绘数值
(2) 人对脸谱高度敏感和强记忆
(3) 适合较少样本的情况
2、其他脸谱图
安装TeachingDemos包
八、茎叶图
绘制茎叶图函数：stem()
> stem(x$x2) The decimal point is 1 digit(s) to the right of the | 6 | 4 6 | 77889 7 | 000112222233344 7 | 5556667777777888899999 8 | 00000000001111111222222222222333344 8 | 5555666788999 9 | 0111223 9 | 57 >
上面茎叶图中：6 | 4 ，表示64分的有一个；6 | 77889 ，表示67分有两位同学，68分的有两位同学，69分的有一位同学。后面以此类推。
九、QQ图
函数：qqnorm(),qqline()
(1) 可用于判断是否正态分布
(2) 直线的斜率是标准差，截距是均值
(3) 点的散布越接近直线，则越接近正态分布
> qqnorm(x3)> qqline(x3)>
十、散点图的进一步设置
1、 plot(x$x1,x$x2,
main=”数学分析与线性代数成绩的关系”,
xlab=”数学分析”,
ylab=”线性代数”,
xlim=c(0,100),
ylim=c(0,100),
xaxs=”i”, #Set x axis style as internal
yaxs=”i”, #Set y axis style as internal
col=”red”, #Set the color of plotting symbol to r
pch=19) #Set the plotting symbol to filled dots
2、连线图
添加参数：type=”l”
> a=c(2,3,4,5,6)> b=c(4,7,8,9,12)> plot(a,b,type="l")>
3、多条曲线的效果
plot(rain$Tokyo,type=”l”,col=”red”,
ylim=c(0,300),
main=”Monthly Rainfall in major cities”,
xlab=”Month of Year”,
ylab=”Rainfall (mm)”,
lwd=2 #线框大小粗细)
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、密度图
函数：density()
> plot(density(rnorm(1000)))>
十二、热力图
1、R内置的数据集，使用函数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 71022.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1Hornet 4 Drive21.4 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 36014.3 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 450SE16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3Merc 450SL17.3 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 Corolla33.9 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 Z2813.3 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 L15.8 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 142E21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2>
2、利用内置的mtcars数据集绘制
首先要将数据框转换为矩阵。颜色越深，数值越大。
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、向日葵散点图
1、Iris(鸢尾花)数据集
2、向日葵散点图
函数：sunflowerplot()，参数col设定点的颜色，seg.col设定点发出的射线(代表重合点)的颜色。
(1) 用来克服散点图中数据点重叠问题
(2) 在有重叠的地方用一朵“向日葵花”的花瓣数目来表示重叠数据的个数
> sunflowerplot(iris[,3:4],col="gold",seg.col="gold")>
十四、散点图集
1、使用函数pairs()
(1) 遍历样本中全部的变量配对画出二元图
(2) 直观地了解所有变量之间的关系
> pairs(iris[,1:4])>
2、使用plot()函数
plot(iris[,1:4],
main=”Relationships between
characteristics of iris flowers”,
pch=19,
col=”blue”,
cex=0.9)
3、使用par()函数设置
(1) 利用par( )在同一个device输出多个散点图
(2) Par命令博大精深，用于设置绘图参数，help(par)
par(mfrow=c(3,1)) #在一张device中显示3行一列的图形
plot(x1,x2);plot(x2,x3);plot(x3,x1)
十五、关于绘图参数
1、寻求帮助
(1) help(par)
(2) 有哪些颜色？ 使用函数 colors()
2、绘图设备
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、位置控制参数
(1) mai参数：A numerical vector of the form c(bottom, left, top, right) which gives the margin size specified in inches.
(2) oma参数：A vector of the form c(bottom, left, top, right) giving the size of the outer margins in lines of text.
十六、三维散点图
安装scatterplot3d 包
scatterplot3d(x[2:4])
十七、三维作图
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、调和曲线图
调和曲线用于聚类判断非常方便。
自定义函数unison的脚本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、地图
安装maps包
map(“state”, interior = FALSE)
map(“state”, boundary = FALSE, col=”red”,add = TRUE)
map(‘world’, fill = TRUE,col=heat.colors(10))
相关R绘图书籍：《R Graphs Cookbook》
如果觉得《R软件学习笔记-5（R软件画图）》对你有帮助，请点赞、收藏，并留下你的观点哦！
