R语言实战笔记--第十六章 高级图形进阶

R语言实战笔记–第十六章 高级图形进阶

标签（空格分隔）： R语言 lattice 交互式图形

---

图形系统简介

　　本文为R语言实战中最后一章，介绍的是图形的高级进阶，主要讲述了两个包（lattice和ggplot2）以及交互式图形的做法，极大扩展了R的绘图功能，R中的图形系统主要有四种，base、grid、lattice和ggplot2。
　　base不需要加载，直接可以使用，之前几乎所有的统计绘图都使用了这个包；grid需要手动加载，但因这个包并没有统计图形，因此书中没有介绍这个包的使用；lattice需要手动加载，它和前面两个包都是预装在R中，并不需要安装，直接加载即可，它提供栅栏图形的绘制；ggplot2包需要先安装，然后第一使用时先加载，提供一个全面的、基于语法的、连贯一致的图形生成系统，允许用户创建新颖的、有创新性的数据可视化图形。
　　本书介绍的是后两个包。

lattice包

使用介绍

　　先看一下函数的使用方式

graph_function(formula,data=,options)
graph_function：lattice包中的绘图函数；
formula：图形公式，和绘图函数一起由下表给出；
data：数据框
options：以逗号分隔的参数，由第二个一给出。

表1：绘图函数及绘图公式
注：表中小写字母代表数值变量，大字字母代表类别型变量

图形类型	函 数	表达式示例
三维等高线图	contourplot()	z ~ x*y
三维水平图	levelplot()	z ~ y*x
三维散点图	cloud()	z ~x*y|A
三维线框图	wireframe()	z~y*x
条形图	barchart()	x ~ A或A ~ x
箱线图	bwplot()	x ~ A或A ~ x
点图	dotplot()	~ x|A
直方图	histogram()	~ x
核密度图	densityplot()	~ x|A*B
平行坐标图	parallel()	dataframe
散点图	xyplot()	y ~ x|A
散点图矩阵	splom()	dataframe
带状图	stripplot()	A ~ x或x ~ A

表2：常见参数选项（options）

选 项	描 述
aspect	数值，设定每个面板中图形的宽高比
col、pch、lty、lwd	向量，分别设定图形中的颜色、符号、线条类型和线宽
Groups	用来分组的变量（因子）
index.cond	列表，设定面板的展示顺序
key(或auto.key)	函数，添加分组变量的图例符号
layout	两元素数值型向量，设定面板的摆放方式（列数和行数）；如有需要，可以添加第三个元素，以指定页数，注意，是列数和行数，即layout=c(列数,行数)
Main、sub	字符型向量，设定主标题和副标题
Panel	函数，设定每个面板要生成的图形
Scales	列表，添加坐标轴标注信息
Strip	函数，设定面板条带区域
Split、position	数值型向量，在一页上绘制多幅图形
Type	字符型向量，设定一个或多个散点图的绘图参数（如p=点、l=线、r=回归、smooth=平滑曲线、g=格点）
xlab、ylab	字符型向量，设定横轴和纵轴标签
xlim、ylim	两元素数值型向量，分别设定横轴和纵轴的最小和最大值

以下代码可以快速观看大部分图形的组成

library(lattice)
attach(mtcars)
gear <- factor(gear, levels = c(3, 4, 5), labels = c("3 gears", "4 gears", "5 gears"))
cyl <- factor(cyl, levels = c(4, 6, 8), labels = c("4 cylinders", "6 cylinders", "8 cylinders"))
densityplot(~mpg, main = "Density Plot", xlab = "Miles per Gallon")
densityplot(~mpg | cyl,  main = "Density Plot by Number of Cylinders", xlab = "Miles per Gallon")
bwplot(cyl ~ mpg | gear,  main = "Box Plots by Cylinders and Gears", xlab = "Miles per Gallon", ylab = "Cylinders")
xyplot(mpg ~ wt | cyl * gear,  main = "Scatter Plots by Cylinders and Gears", xlab = "Car Weight", ylab = "Miles per Gallon")
cloud(mpg ~ wt * qsec | cyl,  main = "3D Scatter Plots by Cylinders")
dotplot(cyl ~ mpg | gear, main = "Dot Plots by Number of Gears and Cylinders", xlab = "Miles Per Gallon")
splom(mtcars[c(1, 3, 4, 5, 6)], main = "Scatter Plot Matrix for mtcars Data")
detach(mtcars)

对lattice包中的函数来说，还可以把图形先赋给一个变量，然后通过plot画出，通过update更新！如下代码：

mygraph<-densityplot(~height|voice.part,data=singer)
plot(mygraph)
update(mygraph,col="red",pch=16,cex=0.8,jitter=0.05,lwd=2)

条件变量

　　如上面的例子，每个一条件变量就会创建出条件变量下各个水平的单独图形，这是强大之处，但条件变量通常是因子，如果想要把连续变量变成条件变量，就需要用到R中的cut函数来把连续变量打散为离散变量，而lattice包也提供一种称之为瓦块的数据结构，它可以使连续变量变量转变为系列（可能）重叠的数值范围中，如下代码：

myshingle<-equal.count(x,number=#,overlap=proportion)
x为连续形向量，number为需要分为#个瓦块，overlap为重叠度proportion，可以为0
#示例如下：
displacement <- equal.count(mtcars$disp, number = 3, overlap = 0)
xyplot(mpg ~ wt | displacement, data = mtcars, layout = c(3, 1), aspect = 1.5)    #注意：layout后面的c(3,1)为3列1行！

面板函数

　　所谓面板，就是组图面板，它包括了面板中一些基础设置，比如散点图或者是线图，或者两个都有，也包括了背景色，栅格线条色，线形等等。
　　调用graph_function时，就默认调用了panel=panel.graph_function参数，比如下面两条命令是等效的。

densityplot(~height|voice.part,singer)
densityplot(~height|voice.part,singer,panel=panel.densityplot)

可以通过help(panel.graph_function)查看对应的函数面板设置，以及help(panel.functions)查看可以在面板上增加更多的绘图设置。要更全面的函数需要去下载官方说明文档【lattice.pdf】

分组变量

　　注意和条件变量的区别，条件变量是把图形分开来绘制，而分组变量是把图形画在一个图上，但以不同图例标示，简单说明就是，条件变量在两幅图来画出15年和16年的销售增长图，而分组变量是在一幅图画出15年和16的销售增长图。
　　分组变量由参数group给出，注意的是，分组变量只能有一个，它可以包含不同的水平，也可以和条件变量一起使用。由以下代码给出示例：

colors <- "darkgreen"
symbols <- c(1:12)
linetype <- c(1:3)
key.species <- list(title = "Plant", 
space = "right", 
text = list(levels(CO2$Plant)), 
points = list(pch = symbols, col = colors))
xyplot(uptake ~ conc | Type * Treatment, data = CO2, 
group = Plant, 
type = "o", 
pch = symbols, col = colors, lty = linetype, 
main = "Carbon Dioxide Uptake\nin Grass Plants", 
ylab = expression(paste("Uptake ", bgroup("(", italic(frac("umol", "m"^2)), ")"))), 
xlab = expression(paste("Concentration ", bgroup("(", italic(frac(mL, L)), ")"))), 
sub = "Grass Species: Echinochloa crus-galli", 
key = key.species)

图形参数

　　图形参数，先认识一下三个函数，分别是获取参数函数trellis.par.get()，设置参数函数trellis.par.set()，以及展示函数show.settings()，以下代码给出修改过程：

show.settings()   #以图形展示目前参数设置状态
mysettings <- trellis.par.get()
mysettings$superpose.symbol    #展示参数内容，并不参与修改
mysettings$superpose.symbol$pch <- c(1:10)
trellis.par.set(mysettings)
show.settings()

页面摆放

　　在之前，可以使用par的mfrow来设置页面的摆放，也可以使用layout(matrix(c()),nrow,ncol,byrow=T/F)函数来设置页面的摆放方式，在lattice包中，可以使用“图形对象”+“split(x,y,nx,ny)”+“newpage=F”来摆放图形；也可以使用position(xmin,ymin,xmax,ymax)来代替split来摆放图形
　　需要注意的是，R语言实战中又出了一个坑，这个坑是从英文版就存在的，lattice包中的split中就是以c(x,y,nx,ny)来代表图形位置参数，而书中即是把它写成c(row,col,nrow,ncol)的形式，明显是行列写反了！

library(lattice)
graph1 <- histogram(~height | voice.part, data = singer, 
main = "Heights of Choral Singers by Voice Part")
graph2 <- densityplot(~height, data = singer, group = voice.part, 
plot.points = FALSE, auto.key = list(columns = 4))
plot(graph1, split = c(1, 1, 1, 2))
plot(graph2, split = c(1, 2, 1, 2), newpage = FALSE)
graph1 <- histogram(~height | voice.part, data = singer, 
main = "Heights of Choral Singers by Voice Part")
graph2 <- densityplot(~height, data = singer, group = voice.part, plot.points = FALSE, auto.key = list(columns = 4))
plot(graph1, position = c(0, 0.3, 1, 1))
plot(graph2, position = c(0, 0, 1, 0.3), newpage = FALSE)

ggplot2包

　　R语言实战中并没有很详细的介绍这个包，而这个包的使用在书中只有qplot(quick plot)一个函数的使用方法，而实际上看，ggplot2作为R中最强大的包，它的使用都可以独立成书！此处mark一些网址，后面开单章学习ggplot2包吧。
　　知乎：如何使用ggplot2
　　搜狐：使用ggplot2经常问的10个问题
　　百度文库：30分钟学会ggplot2
　　官方手册：图形help
　　下面还是记录一下书中所述的简单函数qplot(2.0版以上的ggplot2中，qplot功能已被弱化，书中的qplot功能已有部分无法实现，比如下面公式中的method和formula两个参数已经被Hadley大神移除！

qplot(x,y,data=,color=,shape=,size=,alpha=,geom=,method=,formula=,facets=,xlim=,ylim=,xlab=,ylab=,main=,sub=)

各参数的用处如下表：

选 项	描 述
alpha	元素重叠的alpha透明度，数值为0（完全透明）到1（完全不透明）间的分数
color、shape、size、fill	把变量的水平与符号颜色、形状或大小联系起来。对于直线图，color将把线条颜色与变量水平联系起来，对于密度图和箱线图，fill将把填充颜色与变量联系起来。图例将会被自动绘制
data	指定一个数据框
facets	指定条件变量，创建一个栅栏图。表达式如rowvar ~ colvar。为创建一个基于单条件变量的栅栏图，可用rowvar ~ .或. ~ colvar
geom	设定定义图形类型的几何形状。geom选项是一个单条目或多条目的字符型向量，包括”point” 、”smooth” 、”boxplot” 、 “line” 、”histogram” 、”density”、”bar”和”jitter”
main、sub	字符向量，设定标题和副标题
method、formula	注意：新版已移除此功能。若geom = “smooth”，则会默认添加一条平滑拟合曲线和置信区间。 当观测数大于1000时，便需要调用更高效的平滑拟合算法。方法包括回归lm、广义可加模型gam、稳健回归rlm。formula参数指定拟合的形式例如，要添加简单的回归曲线，则设定geom = “smooth”, method = “lm”,formula = y ~ x。将表达式改为y ~ poly(x, 2)将生成二次拟合。注意表达式使用的是字母x和y，而不是变量的名称，对于method = “gam”，一定要记得加载mgcv包。对于method = “rml”，则需加载MASS包
x、y	指定摆放在水平轴和竖直轴的变量。对于单变量图形（如直方图），则省略y
xlab、ylab	字符向量，设定横轴和纵轴标签
xlim、ylim	二元素数值型向量，分别指定横轴和纵轴的最小值和最大值

虽然部分功能已移除，但是也不防看看这些代码来感受一下ggplot2的强大！

\# --ggplot2--

\# box plots example
library(ggplot2)
mtcars$cylinder <- as.factor(mtcars$cyl)
qplot(cylinder, mpg, data=mtcars, geom=c("boxplot", "jitter"), fill=cylinder,
main="Box plots with superimposed data points",
xlab= "Number of Cylinders",
ylab="Miles per Gallon")

\# regression example
library(ggplot2)
transmission <- factor(mtcars$am, levels = c(0, 1), 
labels = c("Automatic", "Manual"))
qplot(wt, mpg, data = mtcars, 
color = transmission, shape = transmission, 
geom = c("point", "smooth"), 
method = "lm", formula = y ~ x, 
xlab = "Weight",  ylab = "Miles Per Gallon", 
main = "Regression Example")

# bubble plot example
library(ggplot2)
mtcars$cyl <- factor(mtcars$cyl, levels = c(4, 6, 8), 
labels = c("4 cylinders", "6 cylinders", "8 cylinders"))
mtcars$am <- factor(mtcars$am, levels = c(0, 1), 
labels = c("Automatic", "Manual"))
qplot(wt, mpg, data = mtcars, facets = am ~ cyl, size = hp)

\# density plot example
library(ggplot2)
data(singer, package = "lattice")
qplot(height, data = singer, geom = c("density"), 
facets = voice.part ~ ., fill = voice.part)

交互式图形

　　与图形的交互功能有时是必须的，R关于这方面的包书中提到四个，分别是playwith、latticist、iplot和rggobi。
　　其实在此之前，已经使用到一个初级的交互，鉴别点交互：identify()，可以对图形中的点进行交互识别，直到点stop或按下Esc为止。

plot(mtcars$wt,mtcars$mpg)
identify(mtcars$wt,mtcars$mpg,labels=row.names(mtcars))

playwith包
包提供了一个GTK+图形用户界面（GUI）界面，需要安装JGR后在JGR的console中运行library()，不过，一作出图之后就未响应，不知道什么原因。

latticist包
　　与playwith包一样，无法安装，看起来也不像介绍得很详细的样子，不管。
iplot包
　　整个交互式图形就这个包介绍得稍微详细一点。先看一下包中的作图函数：

函 数	描 述
ibar()	交互式柱状图
ibox()	交互式箱线图
ihist()	交互式直方图
imap()	交互式地图
imosaic()	交互式马赛克图
ipcp()	交互式平行坐标图
iplot()	交互式散点图

　　如下代码可以作出六幅图形，可以在上面选择点，并作出一些参数调整，但遗憾的是，不能像identify一样标记异常点，labels也不能选择显示与否。

library(iplots)
attach(mtcars)
cylinders <- factor(cyl)
gears <- factor(gear)
transmission <- factor(am)
ihist(mpg)
ibar(gears)
iplot(mpg, wt)
ibox(mtcars[c("mpg", "wt", "qsec", "disp", "hp")])
ipcp(mtcars[c("mpg", "wt", "qsec", "disp", "hp")])
imosaic(transmission, cylinders)
detach(mtcars)

rggobi包
　　它需要外部应用GGobi，而且也没有一个简介，要自己找资料
　　
到目前为止，R语言实战的各章节已经学习完毕，当然，还有一些附录也是很值得学习的，比如说图形界面的学习等等很多功能。R的学习还没完结，仍需要进一步学习R中各项内容，比如导入导出专题、数据处理专题、数据检验专题等等，从整个数据分析的角度去回顾R中各功能的使用，同时也复杂数据分析技术！