R语言实战--R语言数据可视化中各种图形的函数命令及含义（散点图，星相图，箱线图等）

散点图

> plot(x1,x2)

直方图
可以用来表示不同值出现的频率

> hist(x$x1)

箱线图

> boxplot(x$x1,x$x2,x$x3)

• 箱子中间的黑色粗线为样本的中位数。比如第一个图为90
• 箱子的上下横线分别表示样本的25%分位线以及75%分位线，意思是有25%的样本数在上横线以上。
• 上下延伸的直线为尾线，尾线的尽头为最高值和最低值
• 第二个和第三个数据集箱子外面有一个点，叫做异常值

> boxplot(x[2:4],col=c("red","green","blue"),notch = T)

产生有颜色和缺口的箱线图

星相图
可以直观的分析不同个体在不同方面的特征，如果x1，x2，x3分别代表不同个体的三科成绩

> stars(x[c("x1","x2","x3")])

可以从图中看出的是有的同学偏科很严重，有的均衡发展。
另外，还可以画出不同类型的星相图（雷达图）

> stars(x[c("x1","x2","x3")],full=T,draw.segments = T)

扇形的半径越大，面积越大说明某一科成绩很好，分布畸形代表着存在着偏科
，full=T代表着画整圆，draw.segments = T代表画扇形

> stars(x[c("x1","x2","x3")],full=F,draw.segments = T)

柱状图

> table(x$x1)

 80  81  82  83  84  85  86  87  88  89  90  91  92  93  94  95  96  97  98  99 100 
  5   8   4   3   4   2   7   5   3   9   7   7   5   5   3   6   3   1   6   5   2 
> barplot(table(x$x1))

饼图

> pie(table(x$x1))