R语言实战学习笔记-第六章基本图形

本章内容
条形图、箱线图和点图
饼图和扇形图

直方图与核密度图

6.1 条形图

barplot(height)  其中的height是一个向量或一个矩阵。

6.1.1简单的条形图

library(vcd)
counts<-table(Arthritis$Improved)
barplot(counts,main = 'Simple Bar Plot',xlab = 'Improvement',ylab = 'Frequency')
barplot(counts,main = 'Horizontal  Bar Plot',ylab = 'Improvement',xlab = 'Frequency',horiz = TRUE)#水平

若要绘制的类别型变量是一个因子或有序型因子，就可以使用函数plot()快速创建一幅垂直条形图。

plot(Arthritis$Improved, main="Simple Bar Plot",xlab="Improved", ylab="Frequency")
plot(Arthritis$Improved, horiz=TRUE, main="Horizontal Bar Plot",xlab="Frequency", ylab="Improved")

6.1.2堆砌条形图和分组条形图

如果height是一个矩阵而不是一个向量，则绘图结果将是一幅堆砌条形图或分组条形图。若beside=FALSE（默认值），则矩阵中的每一列都将生成图中的一个条形，各列中的值将给出堆砌的“子条”的高度。若beside=TRUE，则矩阵中的每一列都表示一个分组，各列中的值将并列而不是堆砌。

#堆砌条形图
barplot(counts,main="Stacked Bar Plot",xlab="Treatment", ylab="Frequency",
        col = c('red','yellow','green'),legend=rownames(counts))
#分组条形图
barplot(counts,beside=TRUE,main="Grouped Bar Plot",xlab="Treatment", ylab="Frequency",
        col = c('red','yellow','green'),legend=rownames(counts))

6.1.3均值条形图

states <- data.frame(state.region,state.x77)
#aggregate将数据进行分组（按行），然后对每一组数据进行函数统计，最后把结果组合成一个表格返回
means <- aggregate(states$Illiteracy, by=list(state.region), FUN=mean)
means <- means[order(means$x),]
barplot(means$x,names.arg = means$Group.1)
title('Mean Illiteracy Rate')

6.1.4条形图的微调

使用参数cex.names来减小字号。将其指定为小于1的值可以缩小标签的大小。可选的参数names.arg允许你指定一个字符向量作为条形的标签名。

6.1.5棘状图

函数spine()

library(vcd)
attach(Arthritis)
counts <- table(Treatment, Improved)
spine(counts, main="Spinogram Example")
detach(Arthritis)

6.2 饼图

pie(x, labels)
其中x是一个非负数值向量，表示每个扇形的面积，而labels则是表示各扇形标签的字符型向量。

par(mfrow=c(2,2))#多幅图形
slices <-c(10,12,4,16,8)
lbls<-c("US", "UK", "Australia", "Germany", "France")
pie(slices,labels = lbls,main='Simple pie chart')

pct <- round(slices/sum(slices)*100)
lbls2 <- paste(lbls, " ", pct, "%", sep="")#字符串连接函数
pie(slices, labels=lbls2, col=rainbow(length(lbls2)),main="Pie Chart with Percentages")

library(plotrix)
pie3D(slices,labels=lbls,explode=0.1,main='3D Pie Chart' )

mytable<-table(state.region)
lbls3 <- paste(names(mytable),'\n',mytable,sep = '')
pie(mytable,labels = lbls3,main = 'Pie Chart from a Table\n (with sample sizes)')

扇形图

扇形图是通过plotrix包中的fan.plot()函数实现

6.3 直方图

hist(x)

其中的x是一个由数据值组成的数值向量。参数freq=FALSE表示根据概率密度而不是频数绘制图形。

参数breaks用于控制组的数量

par(mfrow=c(2,2))
hist(mtcars$mpg)

hist(mtcars$mpg,breaks = 12,col='red',xlab = "Miles Per Gallon",main="Colored histogram with 12 bins")

hist(mtcars$mpg,freq = FALSE,breaks = 12,col = 'red',xlab="Miles Per Gallon",
     main="Histogram, rug plot, density curve")
#轴须图
rug(jitter(mtcars$mpg))
lines(density(mtcars$mpg),col='blue',lwd=2)

x <- mtcars$mpg
h<-hist(x,breaks = 12,col='red',xlab = "Miles Per Gallon",
        main="Histogram with normal curve and box")
xfit<-seq(min(x),max(x),length(40))
yfit<-dnorm(xfit,mean = mean(x),sd=sd(x))
yfit <- yfit*diff(h$mids[1:2])*length(x)
lines(xfit, yfit, col="blue", lwd=2)
box()

6.4 核密度图

plot(density(x)) 其中的x是一个数值型向量。由于plot()函数会创建一幅新的图形，所以要向一幅已经存在的图形上叠加一条密度曲线，可以使用lines()函数

par(mfrow=c(2,1))
d<-density(mtcars$mpg)
plot(d)

d<-density(mtcars$mpg)
plot(d,main = "Kernel Density of Miles Per Gallon")
#将曲线修改为蓝色，并使用实心红色填充曲线下方的区域
polygon(d,col = 'red',border = 'blue')
#添加棕色的轴须图
rug(mtcars$mpg,col = 'brown')

使用sm包中的sm.density.compare()函数可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)

library(sm)
attach(mtcars)
cyl.f <- factor(cyl, levels= c(4,6,8),
                labels = c("4 cylinder", "6 cylinder",
                           "8 cylinder"))
sm.density.compare(mpg, cyl, xlab="Miles Per Gallon")
title(main="MPG Distribution by Car Cylinders")
colfill<-c(2:(1+length(levels(cyl.f))))
#通过鼠标单击添加图例
legend(locator(1), levels(cyl.f), fill=colfill)
detach(mtcars)

先创建的是一个颜色向量，这里的colfill值为c(2, 3, 4)。然后通过legend()函数向图形上添加一个图例。第一个参数值locator(1)表示用鼠标点击想让图例出现的位置来交互式地放置这个图例。第二个参数值则是由标签组成的字符向量。第三个参数值使用向量colfill为cyl.f的每一个水平指定了一种颜色。

6.5 箱线图

boxplot.stats(mtcars$mpg) 输出用于构建图形的统计量

6.5.1使用并列箱线图进行跨组比较

boxplot(formula, data=dataframe)

其中formula是一个公式，dataframe代表提供数据的数据库（或列表）。一个示例公式为y ~ A，这将为类别型变量A的每个值并列地生成数值型变量y的箱线图。公式y ~ A*B则将为类别型变量A和B所有水平的两两组合生成数值型变量y的箱线图。

箱线图灵活多变，通过添加notch=TRUE。可以得到含凹槽的箱线图。若两个箱的凹槽互不重叠，则表明他们的中位数有显著差异。

boxplot(mpg ~ cyl, data=mtcars,
        main="Car Mileage Data",
        xlab="Number of Cylinders",
        ylab="Miles Per Gallon")

boxplot(mpg ~ cyl, data=mtcars,
        notch=TRUE,
        varwidth=TRUE,
        col="red",
        main="Car Mileage Data",
        xlab="Number of Cylinders",
        ylab="Miles Per Gallon")

#两个交叉因子的箱线图
mtcars$cyl.f <- factor(mtcars$cyl,
                       levels=c(4,6,8),
                       labels=c("4","6","8"))
mtcars$am.f <- factor(mtcars$am,
                      levels=c(0,1),
                      labels=c("auto", "standard"))
boxplot(mpg ~ am.f *cyl.f,
        data=mtcars,
        varwidth=TRUE,
        col=c("gold","darkgreen"),
        main="MPG Distribution by Auto Type",
        xlab="Auto Type", ylab="Miles Per Gallon")

6.5.2 小提琴图

vioplot(x1, x2, ... , names=, col=)
其中x1, x2, ...表示要绘制的一个或多个数值向量（将为每个向量绘制一幅小提琴图）。参数names是小提琴图中标签的字符向量，而col是一个为每幅小提琴图指定颜色的向量。

白点是中位数，黑色盒型的范围是下四分位点到上四分位点，细黑线表示须。外部形状即为核密度估计。

6.6 点图

dotchart(x, labels=)

其中的x是一个数值向量，而labels则是由每个点的标签组成的向量。你可以通过添加参数groups来选定一个因子，用以指定x中元素的分组方式。如果这样做，则参数gcolor可以控制不同组标签的颜色，cex可以控制标签的大小。

dotchart(mtcars$mpg, labels=row.names(mtcars), cex=.7,
         main="Gas Mileage for Car Models",
         xlab="Miles Per Gallon")


x <- mtcars[order(mtcars$mpg),]
x$cyl <- factor(x$cyl)
x$color[x$cyl==4] <- "red"
x$color[x$cyl==6] <- "blue"
x$color[x$cyl==8] <- "darkgreen"
dotchart(x$mpg,
         labels = row.names(x),
         cex=.7,
         groups = x$cyl,
         gcolor = "black",
         color = x$color,
         pch=19,
         main = "Gas Mileage for Car Models\ngrouped by cylinder",
         xlab = "Miles Per Gallon")