核密度估计是用于估计随机变量概率密度函数的一种非参数方法。核密度图不失为一种用来观察连续型变量分布的有效方法。绘制核密度图用到的函数是density()
函数。
> mtcars
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160.0 110 3.90 2.62 16.5 0 1 4 4
Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.88 17.0 0 1 4 4
Datsun 710 22.8 4 108.0 93 3.85 2.32 18.6 1 1 4 1
Hornet 4 Drive 21.4 6 258.0 110 3.08 3.21 19.4 1 0 3 1
Hornet Sportabout 18.7 8 360.0 175 3.15 3.44 17.0 0 0 3 2
Valiant 18.1 6 225.0 105 2.76 3.46 20.2 1 0 3 1
> mtcars$mpg
[1] 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.2 10.4 10.4 14.7 32.4
[19] 30.4 33.9 21.5 15.5 15.2 13.3 19.2 27.3 26.0 30.4 15.8 19.7 15.0 21.4
> d<-density(mtcars$mpg)
> plot(d,main = "kernel density of miles per gallon")
> polygon(d,col = "pink",border = "lightblue")
> rug(mtcars$mpg,col = "brown")
首先我们用plot使用默认设置创建的最简图形,之后将曲线修改为蓝色,使用实心红色填充了曲线下方的区域,并添加了棕色的轴须图。 polygon()
函数根据顶点的x和y坐标绘制了多边形。
image
核密度图可用于比较组间差异,我们可以使用使用sm包中的sm.density.compare()函数,向图形叠加两组或更多的核密度图。使用格式为:
sm.density.compare(x,factor)
x是一个数值型向量,factor是一个分组变量,我们可能对R中的因子的概念理解不清楚,R中对因子的标准定义是:因子用来存储类别变量和有序变量,这类变量不能用来计算而只能用来分类或者计数。
factor(x = character(), levels, labels = levels,exclude = NA, ordered = is.ordered(x), nmax = NA)
我们来看重要的两个参数,levels和labels,levels可以理解为分类的种类,而lables相当于是对levels添加的标签,例如:
source<- factor(c('w','w','m','m','m'),levels=c('w','m'),labels=c('weixin','media'))
上个例子中source向量是'w','w','m','m','m',分类的种类规定有'w','m',并且给他们分别加上标签”weixin“和”media“,现在再来查看source:
> source
[1] weixin weixin media media media
Levels: weixin media
熟悉了factor,接下来用sm.density.compare(x,factor)绘制对比图
#用sm包绘制对比图
install.packages("sm")
#双倍线条宽度
par(lwd=2)
library(sm)
attach(mtcars)
#创建分组因子
cyl.f<-factor(cyl,levels = c(4,6,8),
labels =c("4 cylinder","6 cylinder","8 cylinder") )
#绘制密度图
sm.density.compare(mpg,cyl,xlab="Miles Per Gallon")
title(main = "MPG Distribution by Car Cylinders")
#通过鼠标点击添加
colfill<-c(2:(1+length(cyl.f)))
legend(locator(1),levels(cyl.f),fill = colfill)
detach(mtcars)
image