R语言学习笔记（七）画图
R语言学习笔记（七）
- 条形图
- 对于向量而言：
- 矩阵
- 箱线图
- 一般画法
- 补充参数：
- 直方图
- 间距不同的解决办法--density
- 饼图
- 普通饼图
- 3D饼图
- 散点图
- 普通散点图
- 散点图矩阵
- 折线图
条形图
barplot(height , beside = F, horiz = F)
horiz为真时绘制水平条形图beside为F时绘制堆积柱形图heignt分为三类：
– 向量，绘制一个柱形
– 矩阵，beside为F时每列数据绘制一个堆积柱形
– 矩阵，beside为T时每列数据绘制多个并列柱形
对于向量而言：
barplot(1:12,col=rainbow(12),names.arg=paste0(1:12,"月"),
width=1.5, space=1,border=NA,axes=FALSE)
其中：
names.arg表示横坐标名称width表示柱子宽度space表示柱子间距border表示柱子有无边框，可以是逻辑值，可以是颜色向量axes表示是否显示坐标轴
将两个柱形图拼接在一起：
使用 add=TRUE,同时用xlim控制绘图区域避免重叠
barplot(c(3,5,7),xlim=c(0,10),col=c('#F8B195','#F67280','#C06C84'),width=1,border=F)
barplot(c(4,6,5),xlim=c(0,10),width=1,col=c('#012340','#023059','#4A738C'),add=TRUE,space=c(5,0.2,0.2),border=F)
矩阵
选择beside=T或者F来堆叠或者并列图形
> fruit
Q1 Q2 Q3 Q4
apple 22 18 16 28
banana 20 17 25 23
orange 29 18 15 26
>barplot(fruit,col=c('#F8B195','#F67280','#C06C84'),
names.arg=paste0(1:4,"季度"),
legend.text=c("苹果","香蕉","橙子"),
args.legend = list(x='top',ncol=3),
ylim = c(0,37),
main="水果全年销量",
col.main="black",
cex.main=1.7,
border = F,
beside=TRUE)
使用公式绘图：
- data前用
y~x1+x2代替，y是因变量，x1x2顺序会影响堆积方式 - 如果使用公式，会按照拼音顺序排列行，如果不想这么排序，可以依次传入y,x来代替：
citydata $population, names.arg=citydata $city,
> stucount
major sex count
1 经济 男 15
2 经济 女 25
3 统计 男 22
4 统计 女 13
5 管理 男 20
6 管理 女 12
> barplot(count~major+sex,data=stucount,
col=c('#F8B195','#F67280','#C06C84'),legend.text=TRUE,
main="男女生人数对比",
ylim=c(0,60),xlim=c(0,10),width=3,
xlab="性别",ylab="人数")
箱线图
一般画法
四种表现形式
boxplot(v1,v2,v3) 每个向量都是一个箱体
boxplot(list(tag1=v1,tag2=v2,...)每个组件是一个箱体
boxplot(matrix)
boxplot（y~x）数值型向量y用因子x分组
economics <- pmin(round(rnorm(120,mean=78,sd=8.5)),100)
statistics <- pmin(round(rnorm(70,mean=83,sd=12.3)),100)
management <- pmin(round(rnorm(80,mean=73,sd=5.2)),100)
boxplot(economics,statistics,management,
names=c("经济学","统计学","管理学"),
boxwex=0.4,
col=c('#F8B195','#F67280','#C06C84'),
main="不同专业成绩对比",
cex.main=1.2
)
因子分组：
> height
[1] 172 166 175 162 166 178 185 159 172 170 160 180
> sex
[1] "男" "女" "男" "女" "女" "男" "男" "女" "女" "男" "女" "男"
> boxplot(height~sex,
col=c('#F67280','#C06C84'),
boxwex=0.4)
数据框dataframe同理
boxplot(score~major,data=s,
col=c('#F8B195','#F67280','#C06C84'),boxwex=0.4)
补充参数：
add=TRUE在已有图形上添加箱体图subset给出要使用哪些行at给出绘制箱体的位置，默认是1:n，-号表示向左偏移，+表示向右偏移
attach(ToothGrowth)
boxplot(len ~ dose, at = 1:3-0.2,
subset = (supp == "VC"),
boxwex = 0.25, col = "yellow",
main = "Guinea Pigs' Tooth Growth",
xlab = "Vitamin C dose mg",
ylab = "tooth length", ylim = c(0, 35))
boxplot(len ~ dose, add = TRUE, at = 1:3+0.2,
subset = supp == "OJ",
col = "orange",boxwex = 0.25)
legend(2, 9, c("Ascorbic acid", "Orange juice"),
fill = c("yellow", "orange"))
直方图
hist(x, breaks, right, labels)
x：要被分段的数值型向量breaks：分段点，有3种形式
– 数值型向量，给出分段点的值，包括端点
– 一个整数，表示分段点数量
– 计算分段数量的算法名称……【少见】right：是否右闭，默认TRUElabels：每个柱形上面添加的标签- hist函数的返回值是histogram类的对象
hist(score,breaks=c(50,60,70,80,90,100),
col=c('#658791','#F2EBD5','#F2A62A','#F27649','#B4766A'),
include.lowest=TRUE,right=FALSE,border = F)
间距不同的解决办法–density
所有矩形的总面积为1
ret<-hist(score,breaks=c(50,60,70,85,100),
include.lowest=TRUE,right=FALSE,
col=c('#658791','#F2EBD5','#F2A62A','#F27649'),
ylim=c(0,0.05),border=F,
labels = c("差(看面积)","中(看面积)","良(看面积)","优(看面积)"),
main="成绩分布")
饼图
普通饼图
pie(x, labels = names(x), clockwise = F, col,
radius = 0.8, init.angle = 0)
x：数值型向量labels：用于切片的描述clockwise：是否顺时针绘制，默认假col：颜色radius：饼图的半径init.angle：初始的角度
pie(c(3,5,7,4),labels=c("苹果","香蕉","橙子","葡萄"),
clockwise = TRUE, radius = 1,
col=c('#658791','#F2EBD5','#F2A62A','#F27649'),
init.angle=45,border = F)
3D饼图
需要安装包plotrix,引用其中的pie3D函数
为了描述更多的参数，我们绘制下面这个不太好看的饼图：
ret<-pie3D(c(3,5,7,4),labels=c("苹果","香蕉","橙子","葡萄"),
height = 0.2, edges = 4, theta = pi/3, shade = 0.6,
radius=1.2, explode = 0.2,
col=c('#658791','#F2EBD5','#F2A62A','#F27649'),border = F)
edges：形成圆的线数height：饼图的高度theta：看饼图的视角start：开始绘制扇区的角度labels：每个扇形的可选标签shade：0-1之间的小数，用来衡量阴影的大小，数字越大阴影越小
散点图
普通散点图
plot(x, y, main, xlab, ylab, xlim, ylim)
main：主标题xlab ylab：坐标轴标签xlim ylim：图像上x、y的取值范围
plot(x=mtcars$wt,y=mtcars$mpg,
xlab="重量(千磅)",ylab="单位加仑汽油行驶英里数")
散点图矩阵
pairs(formula, data)
formula表示成对使用的一系列变量，变量之间两两配对画出散点图data是获取的数据框
pairs(~wt+mpg+disp,data=mtcars,col = '#FF5964',
main = "散点图矩阵")
折线图
plot(x, y, type, pch)
-
常用绘图类型
type：
–p：只绘制点
–l：只绘制线
–b：点和线
–o：点线重合
–n：空坐标系 -
pch：绘制点所用的字符，每个数字代表不同的形状
-
通过
line()函数可以绘制多条折线
#半个月每日消耗的电量情况(千瓦时)
x<-1:20
#张三家日耗电量
y<-rnorm(20,mean=4,sd=0.7)
#李四家日耗电量
z <- rnorm(20,mean=6,sd=1)
#ylim给出y轴数值范围，为之后的绘制预留空间
plot(x,y,type="b",col="#3A7D7C",
xlab="日期",ylab="日耗电量(千瓦时)",
ylim=c(0,10),pch=16)
#使用lines函数在已有图形上增加折线图
lines(x,z,col="#EC5A31",type="b",pch=15)
#添加图例
legend(x=2,y=10,
legend=c("张三家","李四家"),
pch=c(15,2),col=c("#3A7D7C","#EC5A31"))
