R语言实战__第11章中级绘图

第11章中级绘图

本章内容：

二元变量和多元变量关系的可视化
绘制散点图和折线图
理解相关图
学习马赛克图和关联图

主要关注用于展示双变量间关系（二元关系）和多变量间关系（多元关系）的绘图方法。

包括大数据展示时数据点重复问题的解决，可视化多种数据后如何分析数据间关系，理解数据结构。

11.1 散点图

散点图：描述两个连续变量间的关系。

本节内容：
- 散点图描述二元变量关系（x对y）
- 添加额外信息增强图形表达功能
- 多个散点图组合为散点图矩阵，同时展示多个二元变量关系
- 数据点重叠的解决方案
- 添加第三个连续变量二维图形扩展至三维
技术基础
- R中创建散点图的基础函数plot(x,y)，其中，x和y是数值型向量，代表图形中的（x，y）点。
- car包中scatterplot()函数，增强散点图。可以添加拟合曲线、边界箱线图和置信椭圆，还可按子集绘图和交互式识别点。
plot()基本散点图

代码清单11-1 添加了最佳拟合曲线的散点图

> attach(mtcars)
> plot(wt, mpg,
+      main = "Basic Scatter plot of MPG vs. Weight",
+      xlab = "Car Weight (lbs/1000)",
+      ylab = "Miles Per Gallon", pch=19)
> abline(lm(mpg ~ wt), col="blue", lwd=2, lty=1) #线性回归拟合
> lines(lowess(wt, mpg), col="blue", lwd=2, lty=2) #平滑曲线拟合

plot散点图_车重与每加仑英里数基础散点图.jpeg

abline()函数添加最佳拟合的线性直线，而 lowess()函数添加平滑曲线，该平滑曲线拟合 基于局部加权多项式回归的非参数方法。算法细节参见Cleveland（1981）。
R中有两个平滑曲线拟合函数： lowess()和 loess()。 loess()是基于 lowess()表达式版本的更新和更强大的拟合函数。这两个函数的 默认值不同。

scatterplot()增强散点图

> library(car)
> scatterplot( mpg ~ wt | cyl, data=mtcars, lwd=2, #按cyl分类绘制mpg与wt的散点图
+              main = "Scatter Plot of MPG vs. Weight by # Cylinders",
+              xlab = "Weight of Car (lbs/1000)",
+              ylab = "Miles Per Gallon",
+              legend.plot = TRUE, #左上角添加图例
+              id.method = "identify", #交互式识别散点
+              labels = row.names(mtcars), #散点标签为数据框中对应的行名
+              boxplots="xy" #添加x、y轴的箱线图
+ )
[1] "Merc 240D"      "Fiat 128"       "Toyota Corolla"
>

scatterplot()增强散点图.jpeg

拓展
散点图一次只能对两个定量变量的关系进行可视化。如要比较多个变量的二元关系。要使用散点图矩阵。

11.1.1 散点图矩阵

技术基础

R中创建散点图矩阵函数：

pairs()函数
scatterplotMatrix()函数 via car包
cpairs()函数 via gclus包

pairs()函数基础散点图矩阵

> pairs( ~ mpg + disp + drat + wt, data=mtcars,
+        main="Basic Scatter Plot Matrix")

选项upper.panel = NULL将只生成下三角图形。

pairs()基础散点图矩阵.jpeg

scatterplotMatrix()散点图矩阵

car包中的scatterplotMatrix()函数，有以下操作项：

以某个因子为条件绘制散点图矩阵；
包含线性和平滑拟合曲线；
在主对角线防止箱线图、密度图或者直方图；
在各单元格的边界添加轴须图。
案例一：

> library(car)
> scatterplotMatrix(~ mpg + disp + drat + wt, data=mtcars,
+                   spread=FALSE, smoother.args=list(lty=2),
+                   #spread = FALSE 不添加展示分散度和对称信息的直线
+                   #lty.smooth=2平滑(loess)拟合曲线使用虚线
+                   #标题：通过car包实现的散点图矩阵
+                   main="Scatter Plot Matrix via car Package"
）

线性和平滑拟合曲线默认被添加，主对角线添加核密度曲线和轴须图。

scatterplotMatrix()散点图矩阵 via car包.jpeg

案例二：

library(car)
scatterplotMatrix(~ mpg + disp + drat + wt | cyl, data=mtcars, #按cyl分类绘制
                  spread=FALSE, diagonal = "histogram", 
                  #不显示分散度和对称信息的直线，对角线=直方图
                  smoother.args=list(lty=2), 
                  #曲线拟合采用虚线 
                  main="Scatter Plot Matrix via car Package")

主对角线的核密度曲线改为直方图，按照汽缸车cyl分类绘制。
默认回归直线拟合整个样本，包含选项by.groups = TRUE将依照各子集分别生成拟合曲线。（针对cyl分组后结果分别拟合）

cpairs()函数生成散点图矩阵

cpairs()函数基于gclus包。

#gclus包中cpairs()
#11-2 gclus包生成散点图矩阵
cor(mtcars[c("mpg", "wt", "disp", "drat")])
library(gclus)
mydata <- mtcars[c(1, 3, 5, 6)]
mydata.corr <- abs(cor(mydata))
mycolors <- dmat.color(mydata.corr) #damt.color生成对应颜色矩阵
myorder <- order.single(mydata.corr) #order.single()函数重排对象，相似颜色对象更近
cpairs(mydata, myorder, panel.colors=mycolors, gap=0.5, #panel面板， gap单元格间距增大
       main="Variables Ordered and Colored by Correlation"
) #使用order.single对对象重排后，相关性强的靠近对角线，变量较多时，容易判别。

cpairs()散点图矩阵 via gclus包.jpeg

11.1.2 高密度散点图

数据点重叠严重，散点图不便于观察。

set.seed(1234) #随机数种子
n <- 10000 
c1 <- matrix(rnorm(n, mean=0, sd=.5), ncol=2) #10000个随机书，2列排列
c2 <- matrix(rnorm(n, mean=3, sd=2), ncol=2)  #10000个随机书，2列排列
mydata <- rbind(c1, c2) #按照行合并，纵向连接
mydata <- as.data.frame(mydata) #转化为数据框
names(mydata) <- c("x", "y") #变量命名
with(mydata,  #直接展示数据
 plot(x, y, pch=19, main="Scatter Plot with 10000 Observations")) #pch符号类型

with标准散点图展示大量数据.jpeg

数据重叠，x、y关系难以辨识。
解决方案：封箱、颜色和透明度指明任意点上重叠点的数目。

smoothScatter()函数核密度颜色散点图
smoothScatter()核密度估计生成颜色密度表示散点图。

with(mydata, 
 smoothScatter(x, y, main="ScatterPlot Colored by Smoothed Densities"))

smoothScatter()核密度着色散点图.jpeg

hexbin()函数 via hexbin包
hexbin()函数将二元变量的封箱放到六边形单元格中。

library(hexbin)
with(mydata, {
     bin <- hexbin(x, y, xbins=50)
     plot(bin, main="Hexagonal Binning with 10000 Observations")
     })

hexbin()函数封箱六边形散点图 via henxbin包.jpeg

iplot()函数颜色展示点的密度 via IDpmisc包

library(IDPmisc)
with(mydata, 
     iplot(x, y, main="Image Scatter Plot with Color Indicating Density"))

iplot()函数颜色展示点的密度 via IDpmisc包.jpeg

11.1.3 三维散点图

三个定量变量的交互关系可视化，使用scatterplot3d包中的scatterplot3d()函数。格式如下：
scatterplot3d(x, y, z)
x、y和z分别绘制与水平轴、垂直轴和透视轴。

library(scatterplot3d)
attach(mtcars)
scatterplot3d(wt, disp, mpg, main="Basic 3D Scatter Plot")

scatterplot3d()函数基础3D散点图 via scatterplot3d.jpeg

scatterplot3d()函数提供了多种选项，包括设置图形符号、轴、颜色、线条、网格线、突出显示和角度等功能。例如：

#scatterplot3d增强
library(scatterplot3d)
attach(mtcars)
scatterplot3d(wt, disp, mpg, 
              pch=16, #符号类型
              highlight.3d=TRUE, #
              type="h",
              main="3D Scatter Plot with Vertical Lines")

添加了连接点与水平面的垂直线，增强纵深感。

scatterplot3d()函数增强3D散点图 via scatterplot3d.jpeg

添加回归面：

#scatterplot3d添加回归面
library(scatterplot3d)
attach(mtcars)
s3d <- scatterplot3d(wt, disp, mpg, 
                     pch=16,
                     highlight.3d=TRUE,
                     type="h",
                     main="3D Scatter Plot with Vertical Lines and Regression Plane")
fit <- lm(mpg ~ wt + disp) #回归拟合mpg与wt+disp

利用多元回归方程，添加回归平面。平面代表预测值，图中点为实际值。平面到点的垂直距离表示残差值。

scatterplot3d()函数回归面3D散点图 via scatterplot3d.jpeg

旋转散点图

plot3d()函数 via rgl包，可创建交互的三维散点图。

library(rgl)
attach(mtcars)
plot3d(wt, disp, mpg, col="red", size=5)

plot3d() 可交互3D散点图 via rgl包.png

scatter3d()函数 via Rcmdr包

library(Rcmdr)
attach(mtcars)
scatter3d(wt, disp, mpg)

scatter3d()函数可包含各种回归面，比如线性、二次、平滑和附加等类型。图形默认添加线性平面。另外，函数中还有可用于交互式识别点的选项。

scatter3d via Rcmdr包.png

11.1.4 气泡图

先创建二维散点图，然后用点的大小来表示第三个变量的值。这便是气泡图（bubble plot）。

symbols()函数，可以创建气泡图。函数可在指定的（x，y）坐标上绘制圆圈图、方型图、星型图、温度计图和箱线图。以绘制圆圈图为例：
symbols(x, y, circle = radius)

#symbols()
attach(mtcars)
r <- sqrt(disp/pi)
symbols(wt, mpg, circle=r, inches=0.30, #圆圈大小
        fg="white", bg="lightblue",
        main="Bubble Plot with point size proportional to displacement",
        ylab="Miles Per Gallon",
        xlab="Weight of Car (lbs/1000)")
text(wt, mpg, rownames(mtcars), cex=0.6) #添加气泡名
detach(mtcars)

专业统计中避免使用气泡图，因为和饼图一样，人们对于体积/面积的判断更困难。
但气泡图在商业中比较受欢迎。

symbols()气泡图.jpeg

11.2 折线图

将散点图上的点从左至右连接起来，就得到折线图。折线图是刻画变动的优秀工具。
代码清单11-3 创建散点图和折线图

opar <- par(no.readonly=TRUE) #增加新的作图设置
par(mfrow=c(1, 2)) #1行2列
t1 <- subset(Orange, Tree==1) #在Orange数据集中选择Tree为1的数据
plot(t1 $ age, t1 $ circumference,
     xlab="Age (days)",
     ylab="Circumference (mm)",
     main="Orange Tree 1 Growth")
plot(t1 $ age, t1 $ circumference,
     xlab="Age (days)",
     ylab="Circumference (mm)",
     main="ORange Tree 1 Growth",
     type="b") #type = "b" 线连接点
par(opar)

参数主要区别仅为type="b"。

plot折线图 type=b.jpeg

折线图通过下列两个函数之一创建：
plot(x, y, type= )
lines(x, y, type= )

type参数.png

type="p"典型散点图，type=“b”常见折线图，type=“s”先横后竖，type=“S”反之。

type参数示例.png

plot()和lines()不同，plot()被调用即创建一副图形。lines()在已有图形上添加信息。并不能生成图形。

代码清单11-4 展示五五种橘树随时间推移的生长状况的折线图

Orange$Tree <- as.numeric(Orange$Tree) #转换为数值型
ntrees <- max(Orange$Tree)

xrange <- range(Orange$age)
yrange <- range(Orange$circumference)

plot(xrange, yrange, 
     type="n", #仅绘制图形外轮廓不加点、线
     xlab="Age (days)",
     ylab="Circumference (mm)"
)

colors <- rainbow(ntrees) #生成颜色序列
linetype <- c(1:ntrees) #线形
plotchar <- seq(18, 18+ntrees, 1) #点类型

for (i in 1:ntrees) {
    tree <- subset(Orange, Tree == i)
    lines(tree$age, tree$circumference,
          type="b",
          lwd=2,
          lty=linetype[i],
          col=colors[i],
          pch=plotchar[i]
     )
}

title("Tree Growth", "example of line plot")

legend(xrange[1], yrange[2]#添加图例，图例位置
       1:ntrees,
       cex=0.8,
       col=colors,
       pch=plotchar,
       lty=linetype,
       title="Tree"
)

增强折线图.jpeg

11.3 相关图

corrgram()函数 via corrgram包。展示相关系数矩阵。

options(digits=2) #显示小数点后2位
cor(mtcars)
library(corrgram)
corrgram(mtcars, order=TRUE, lower.panel=panel.shade,
         upper.panel=panel.pie, text.panel=panel.txt,
         main="Correlogram of mtcars intercorrelations")

读图：默认地，蓝色和从左下指向右上的斜杠表示单元格中的两个变量呈正相关。反过来，红色和左上至右下的斜杠表示单元格中的两个变量负相关。色彩越深，饱和度越高，变量相关性越强。相关系数接近与0的单元格基本无色。本图为将有相关模式的变量聚在一起，对矩阵的行和列使用主成份法进行重排。
上三角单元用饼图展示了相同的信息，颜色功能同上，相关性大小由饼图块大小展示，正相关自12点钟顺时针填充，负相关逆时针填充。

corrgram函数相关图 via corrgram包.jpeg

corrgram()函数使用格式：
corrgram(x, order= , panel= , text.panel= , diag.panel= )
其中，x是观测的数据框，order=TRUE使用主成份分析对变量重新排序，使得二元变量的关系更明显。
选项panel设定非对角线面板使用的元素类型。lower.panel和upper.panel分别设置主对角线下方和上方的元素类型。text.panel和diag.panel控制主对角线元素类型。

corrgram函数panel选项.png

library(corrgram)
#下三角使用平滑拟合曲线和置信椭圆，上三角使用散点图
corrgram(mtcars, order=TRUE, lower.panel=panel.ellipse,
         upper.panel=panel.pts, text.panel=panel.txt,
         diag.panel=panel.minmax,
         main="Correlogram of mtcars data using scatter plots and ellipses")

corrgram函数相关图2.jpeg

library(corrgram)
#下三角使用阴影，变量顺序不变，上三角留白
corrgram(mtcars, lower.panel=panel.shade,
         upper.panel=NULL, text.panel=panel.txt,
         main="Car Mileage Data (unsorted)")

corrgram函数相关图3.jpeg

library(corrgram)
#改变颜色
cols <- colorRampPalette(c("darkgoldenrod4", "burlywood1",
                           "darkkhaki", "darkgreen"))(ncol)}

corrgram(mtcars, order=TRUE, col.regions=cols,
         lower.panel=panel.shade,
         upper.panel=NULL, text.panel=panel.txt,
         main="A Corrgram or Horse of a Different Color")

corrgram函数相关图3 颜色.jpeg

11.4 马赛克图

类别型变量可视化，马赛克图（mosaic plot）。
mosaic()函数 via vcd包可绘制马赛克图。（R基础安装中的mosaicplot()也可以绘制马赛克图，但vcd扩展功能更多。）
使用格式：
mosaic(table )
其中table是数组形式的列联表。另外也可用：
mosaic(formula, data= )
其中formula是标准的R表达式，data设定一个数据框或者表格。添加选项shade=TRUE将根据拟合模型的皮尔逊残差值对图形上色，添加选项legend=TRUE将展示残差的图例。

ftable(Titanic)
library(vcd)
mosaic(Titanic, shade=TRUE, legend=TRUE)

mosaic( ~ Class + Sex + Age + Survived, data=Titanic, shade=TRUE, legend=TRUE)

mosaic马赛克图 via vcd包.jpeg

11.5 小结

两个或多个变量间关系的图形方法，包括二维和三维散点图、散点图矩阵、气泡图、折线图、相关系数图和马赛克图。

ps：最近发现了，R脚本编辑模式。还有R markdown。后者还不太会用。

R语言实战__第11章 中级绘图

第11章 中级绘图