【r<-基础|实战|绘图】散点、折线、相关、马赛克图

基本图形绘制可查看基本图形的绘制。

略讲一下创建图形的简单R程序，自己可以根据需要详细了解和掌握。

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="red", lwd=2, lty=1)
lines(lowess(wt, mpg), col="blue", lwd=2, lty=2)

该代码加载mtcars数据框，创建一幅基本的散点图。abline()函数用来添加最佳拟合的线性直线，而lowess()函数用来添加一条平滑曲线。（R有两个平滑曲线拟合函数：lowess()和loess()，两者默认值不同，使用时小心注意）

library(car)
scatterplot(mpg ~ wt | cyl, data=mtcars, lwd=2, span=0.75,
           main="Scatter Plot of MPG vs. Weight by # Cylinders",
           xlab="Weight of Cars (lbs/1000)",
           ylab="Miles Per Gallon",
           legend.plot=TRUE,
           id.method="identity",
           labels=row.names(mtcars),
           boxplots="xy")

表达式mpg~wt|cyl表示按条件绘图（即按cyl的水平分别绘制mpg和wt的关系图）。mpg和weight的边界箱线图通过boxplots选项来绘制。

散点图矩阵

下面程序中用不同方法创建了两个散点图矩阵。

# 3 basic scatter plot Matrix
pairs(~mpg+disp+drat+wt, data=mtcars,
      main="Basic Scatter Plot Matrix")

# 4 function scatterplotMatrix() in car package
library(car)
scatterplotMatrix(~ mpg + disp + drat + wt, data = mtcars,
                  spread=FALSE, smoother.args=list(lty=2),
                  main="Scatter Plot Matrix via car package")

高密度散点图

当数据点重叠很严重时，用散点图来观察变量关系就显得不好了。所以我们可以通过一些额外的处理来凸显出数据中最为重要的信息，试试看吧～

# 5 scatter plot with high density
set.seed(1234)
n <- 10000
c1 <- matrix(rnorm(n, mean=0, sd=.5),  ncol=2)
c2 <- matrix(rnorm(n, mean=3, sd=2), ncol=2)
mydata <- rbind(c1, c2)
mydata <- as.data.frame(mydata)
names(mydata) <- c("x", "y")

with(mydata, plot(x, y, pch=19, main="Scatter Plot with 10,000 Observations"))

with(mydata, smoothScatter(x, y, main="Scatter Plot with 10,000 Observations"))

library(hexbin)
with(mydata, {
    bin <- hexbin(x, y, xbins=50)
    plot(bin, mian="Hexagonal Binning with 10,000 Observation")
})

运行示例代码，观察两幅图形的效果。

三维散点图

这段的示例代码显示了散点图形的三维效果。有两种不同的绘制方式：

# 6 plot 3-dimension scatter figure
library(scatterplot3d)
attach(mtcars)
scatterplot3d(wt, disp, mpg,
              main='Basic 3D Scatter Plot')

# more detail options
library(scatterplot3d)
attach(mtcars)
scatterplot3d(wt, disp, mpg,
              pch = 16,
              highlight.3d = TRUE,
              type = 'h',
              main='Basic 3D Scatter Plot with Vertical Lines')

# more packages, like
library(car)
with(mtcars, scatter3d(wt, disp, mpg))

气泡图

基本思想：先创建一个二维散点图，然后用点的大小来代表第三个变量的值（可以用不同的方法喔）。下面实例中用圆圈代表第三个变量的值大小。

# 7  bubble plot
attach(mtcars)
r <- sqrt(disp/pi)
symbols(wt, mpg, circles = r, inches = 0.30,
        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 = .6)
detach(mtcars)

折线图

折线图的创建非常简单，使用plot函数即可，不过我们需要根据需要设定相应的类型。因为是经常遇到的，所以下面的实例代码也是干货满满，应付一般的展示需求不在话下。

# 8 zhexian tu
opar <- par(no.readonly = T)
par(mfrow=c(1,2))
t1 <- subset(Orange, Tree==1)
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')
par(opar)

# an example
Orange$Tree <- as.numeric(Orange$Tree)
ntrees <- max(Orange$Tree)

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

plot(xrange, yrange,
     type='n',
     xlab = 'Age (days)',
     ylab = 'Circumference (mm)')
colors <- rainbow(ntrees)
linetype <- c(1:ntrees)
plotchar <- seq(18, 18+ntrees, 1)

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],
       1:ntrees,
       cex=.8,
       col = colors,
       pch = plotchar,
       lty = linetype,
       title = "Tree")

相关图

这里提供的相关图实例比较炫酷，生成的图形非常悦目。只需要下载相应的包，使用非常简单，试试吧。

# 9 correlation plot
options(digits = 2)
cor(mtcars)
# use corrgram package
library(corrgram)
corrgram(mtcars, order=TRUE, lower.panel = panel.shade,
         upper.panel = panel.pie, text.panel = panel.txt,
         main="Corrgram of mtcars interconnections")

马赛克图

这个图显示效果很好，但是展示不是特别好，因为难以理解。在马赛克图中，嵌套矩形面积正比于单元格频率，其中该频率即多维列链表中的频率。颜色和/或阴影可表示拟合模型的残差值。

# 10 mosaic plot
ftable(Titanic)
library(vcd)
mosaic(~Class+Sex+Age+Survived, data=Titanic, shade=T, legend=T)

图形中信息量很大，最好确实需要才画这个，适用于变量类型很多的时候进行结果展示。

说了这么多，结合之前讲过的基本图形的绘制，总有一款适合你～