R语言—数据可视化分析
嘤
不想记笔记qaq
但是书只有纸质版的。
为了学shiny框架做毕设qaq
GITHUB地址：
github-rstudio/shiny-examples
SHINY官方教程：
shiny.rstudio-tutorial-lesson1
书的数据下载：
csv数据
画图不显示：控制台运行 dev.off() / dev.new()
第1章 R语言入门
1.2 创建R数据
- <- ：赋值
- c() ：创建向量
- matrix(a)：用向量a创建矩阵，nrow=？，ncol=？，byrow=TRUE
- 将无序因子转化为数值：as.numeric(factor(a))
- 矩阵和数据框的转换：as.matrix(frame)/as.data.frame(matrix)
1.3 数据的其他操作
1.3.1 数据的读取和保存
#读取数据
table <- read.csv("/") #含有标题的
table <- read.csv("/", header=False) #不含有标题的
load("/") #R数据
#保存数据
write.csv(table, file="/") #保存至csv
save(table, file="/") #以R格式保存数据1.3.2 数据类型的转换
- 变量转化为向量
vector <- as.vector()- 数据框<->矩阵
as.matrix(frame)
as.data.frame(matrix)- 短格式转换为长格式：其中的id.vars称为标识变量，用于指定按哪些因子汇集其他变量。
library(reshape2)
table <- melt(table, id.vars, variable.name...)1.3.3 生成随机数
rnorm(n, mean=0, sd=1)1.3.4 数据抽样
sample(x, size, replace = FALSE, prob = NULL)1.4 生成频数分布表
R中生成列联表的函数有base包中的table函数（一、二维），stats包中的ftable函数（多维），vcd包中的structable函数（多维）。
1.4.1 类别数据频率分布表
- 一维频数分布表—> 百分比表
mytable <- table(data1_1$满意度)
prob.table(mytable)*100- 二维列联表
mytable <- table(table1$性别, table1$满意度)
addmargins(mytable) #添加边际和- 多维列联表：row和col的数量随意
mytable <- ftable(data1, row.vars = c("", ""), col.vars = "")- 高维扁平化表：formula是一个表达式，用于指定行变量和列变量；direction是指定拆分方向（‘h’, 'v'）；
structable(formula, data, direction)
1.4.2 数值数据类别化
- 类别化：Sturges：K=1+log10(n)/log10(2)；
nclass.Sturges(data1$销售额)- 使用cut函数生成频数分布表
d <- table(cut(v, breaks=30*(17, 24), right = FALSE, dig.lab = 4))- 使用actuar包中的grouped.data函数实现对数据的分组
grouped.data(v, breakers = 5, right = FALSE)
#breakers = c(500, 550, 600, 650, 700, 750)1.5 编写R函数
layout(matrix(c(1,2,3,3),2,2,byrow=TRUE))
mai：以数值向量表示边界大小，顺序为"下、左、上、右"，单位为英寸functionname <- function(a1, a2, ...) {
}
第2章 R绘图基础
2.1 R的基本绘图函数
2.1.1 高级绘图函数
1 高级绘图函数
- plot根据不同的数据类型所绘制不同的图形
| 函数 | 数据类型 | 图形 |
| plot() | 数值 | 散点图 |
| plot() | 因子 | 条形图 |
| plot() | 一维列联表 | 条形图 |
| plot() | 数值，数值 | 散点图 |
| plot() | 因子，因子 | 脊形图 |
| plot() | 二维列联表 | 马赛克图 |
| plot() | 数值，因子 | 箱线图 |
| plot() | 因子，数值 | 带状图 |
| plot() | 数据框 | 散点图矩阵 |
- 拟合线性模型
par(mfrow = c(2, 2), mai = c(0.6, 0.6, 0.2, 0.1), cex = 0.6)
model <- lm(R~Python, data = data2_1)
plot(model)- plot函数及其参数：查help
2 其他高级绘图函数
graphics包中其他一些高级绘图函数
2.1.2 低级绘图函数
chull(x, y = NULL)：计算位于指定点集凸包上的点的子集（即数据点集合中最外围，轮廓点集合）
#par(mai = c(0.7, 0.7, 0.4, 0.4), cex=0.8)
set.seed(1)
x <- rnorm(200)
y <- 1+2*x+rnorm(200)
d <- data.frame(x, y)
plot(x, y, xlab="x=自变量", ylab="y=因变量")
grid(col="grey60")
axis(side=4, col.ticks = "blue", lty=1)
polygon(d[chull(d), ], lty=6, lwd=1)
points(mean(x), meand(y), pch=19, cex=5, col=2)
abline(v=mean(x), h=mean(y), lty=2, col="gray30")
abline(lm(y~x), lwd=2, lty=6)
lines(lowess(y~x, f=1/6), col=4, lwd=2, lty=6)#拟合曲线
segments(-0.8, 0, -1.6, 3.3, lty=6, col="blue")#左示意曲线
arrows(0.45, -2.2, -0.8, -0.6, code = 2, angle = 25, length = 0.06, col=2)#带箭头的线段头
text(-2.2, 3.5, labels=expression("拟合的曲线"), adj=c(-0.1, 0.02), col=4)
rect(0.4, -1.6, 1.6, -3.5, col="pink")
mtext(expression(hat(y)==hat(beta)[0]+hat(beta)[1]*x), cex=1.2, side=1, line=-5.6, adj=0.72)
legend("topleft", legend=c("拟合的曲线", "拟合的曲线"), lty=c(1, 6), col=c(2, 4), cex=0.8, fill=c("red", "blue"), ncol=1, inset=0.02)
title("散点图以及拟合直线和曲线", cex.main=0.8, font.main=4)
box(col=4, lwd=2)
2.2 图形参数与图形控制
2.2.1 绘图参数
- title("")；设置标题 或 main="" 设置图标标题
- horiz=TRUE；水平放置
- density = 40；填充密度
- xlab="", ylab=""；x，y轴标签
- col=c("lightgreen", "skyblue")；varwidth = FALSE；箱线图颜色设置
2.2.2 图形设置
使用par设置图的排列方式，图形的边界大小，图中字体或符号的大小，主标题字体的大小等；如果希望所有的图形都使用相同的参数，可将参数放在par函数中统一设置，如果不同的图形有不同的参数设置，则需要将参数设置放在相应的绘图函数中。
2.2.3 图形颜色
使用colors()函数可以查看R全部567种颜色的名称列表；在graphics中
- col主要用于设置绘图区域中绘制的数据符号、线条、文本等元素
- bg用于设置图形的前景颜色（坐标轴、图形的边框）
- fg用于设置图形的背景颜色，如图形区域的颜色
使用多种颜色：col=colors()，col=colors(256)，col=rainbow(n, start=0.4, end=0.5) #渐变
2.3 页面布局与图形组合
2.3.1 用par函数布局页面
- 参数mfrow=c(nr, nc)表示按行填充各图；参数mfcol=c(nr, nc)则表示按列填充各图；
2.3.2 使用layout函数布局页面
相当于在每一个小图里面，继续布局。
par(mfrow=c(1,2))
layout(matrix(c(1, 2, 3, 3), nrow=2, ncol=2, byrow=TRUE), heights=c(2, 1))
layout.show(3)#预览matrix(c(1, 2, 3, 4, 5, 5, 6, 7, 8), 3, 3, byrow=TRUE), widths=c(2:1), heights=c(1:1)；宽是2:1
2.3.3 同时打开多个绘图窗口
dev.new()；打开多个绘图窗口，以比较不同的图像，最多63个；
第3章 类别数据可视化
3.1 一维表的可视化
data1_1 <- read.csv("D:/soft/other/R/data/mydata/chap01/data1_1.csv")
attach(data1_1)
table2 <- table(网购次数)
bar <- barplot(table2, col=grey.colors(3), ylim = c(0, 1.1*max(table2)), xlab="网购次数", ylab = "人数", cex.names = 0.8, main = "abc")
text(bar, table2, labels = table2, pos = 3) #频数标签
lines(bar, table2, type = "o", col = "red", pch=19) #频数折线
points(bar, table2, type = "h", col = "red", lwd = 1, lty=6) #垂线
或者使用sjPlot；会自动加上频数标签和各类别频数百分比等