本章其余部门讲授如何建设根基的图表范例，包罗密度图（直方图和核密度图），点状图，条形图（简朴条形图，仓库条形图，分组条形图），折线图，饼状图（简朴饼状图、配有注释的饼状图、3D饼状图），箱线图（简朴箱线图，带凹口箱线图，小提琴状图，箱线图）和散点图（简朴散点图，带拟合线的散点图，散点图矩阵，高密度图，和3D散点图）。

高级图表章节先容如何定制图表和给图表加注释，该部门是数据更巨大的图表范例。

 

1.建设图表

在R，凡是以交互式的要领建设一个图表。

# 建设一个图形
attach(mtcars)
plot(wt, mpg) 
abline(lm(mpg~wt))
title(“Regression of MPG on Weight”)

plot（）的成果是打开一个图表窗口，绘制“重量vs英里每加仑。”

下一行代码为这个图表添加一条回归线。最后一行是添加一个标题。

 

1.1生存图表

在File -> Save As菜单下，你可以以多种名目生存图表。

你还可通过以下各个成果的代码生存图表。

函数	输出到
pdf(“mygraph.pdf”)	pdf file
win.metafile(“mygraph.wmf”)	windows metafile
png(“mygraph.png”)	png file
jpeg(“mygraph.jpg”)	jpeg file
bmp(“mygraph.bmp”)	bmp file
postscript(“mygraph.ps”)	postscript file

详情请查察输入/输出。

1.2查察多个图表

利用高级画图呼吁（画图、直方图、箱线图等）凡是会包围之前的图表。为制止这种环境产生，在新建一个图表前需要先打开一个新的图表窗口。利用以下的成果来打开一个新的图表窗口。

Function		Platform
windows()		Windows
X11()		Unix
quartz()		Mac

你可以同时打开多个图表窗口。详情请查察help（dev.cur）。

可能，在打开第一个图表窗口后，选择图表窗口菜单中的History -> Recording，点击Previous和Next，逐个处理惩罚你之前建设的图表。

1.3图形参数

你可在图形参数中自界说选择字体、颜色、线型、轴线、参考线等，选择范畴很广。高级图表章节中将讲到图形参数，而且具体报告轴线和文本的定制。

 

2.密度图 

2.1直方图

利用hist（x）建设直方图，x是要绘制的值的数值向量。

freq=FALSE一般绘制的是频率而非密度。breaks=节制参数的数量。

# 简朴直方图
hist(mtcars$mpg)

 

# 彩色直方图，含差异数目标直方条数
hist(mtcars$mpg, breaks=12, col="red")

 

 

 

# 添加一条正态曲线
x <- mtcars$mpg 
h<-hist(x, breaks=10, col="red", xlab="Miles Per Gallon", 
   main="Histogram with Normal Curve") 
xfit<-seq(min(x),max(x),length=40) 
yfit<-dnorm(xfit,mean=mean(x),sd=sd(x)) 
yfit <- yfit*diff(h$mids[1:2])*length(x) 
lines(xfit, yfit, col="blue", lwd=2)

 

利用直方图很难抉择漫衍的形状，因为直方图受所利用的参数的数量影响太大。

2.2核密度图

用核密度图欣赏变量的漫衍往往是更有效的要领。利用plot(density(x))建设核密度图，x是数值向量。

# 核密度曲线
d <- density(mtcars$mpg) # returns the density data 
plot(d) # plots the results

 

# 填充的密度图
d <- density(mtcars$mpg)
plot(d, main="Kernel Density of Miles Per Gallon")
polygon(d, col="red", border="blue")

 

 

2.3通过核密度较量各组

sm包中的sm.density.compare( )成果可以在两个或更多的分组上添加核密度。名目为sm.density.compare(x, factor)。x是数值向量，factor是分组变量。

# 较量4、6、8气缸的汽车的MPG漫衍
library(sm)
attach(mtcars)

# 建设值标签 
cyl.f <- factor(cyl, levels= c(4,6,8),
  labels = c("4 cylinder", "6 cylinder", "8 cylinder")) 
# 画密度图
sm.density.compare(mpg, cyl, xlab="Miles Per Gallon")
title(main="MPG Distribution by Car Cylinders")
# 通过鼠标点击来添加图例
colfill<-c(2:(2+length(levels(cyl.f)))) 
legend(locator(1), levels(cyl.f), fill=colfill)

 

#p#分页标题#e#

 

3.点状图

利用dotchart(x, labels=)成果建设点状图，x是数值向量，labels是每个点的标签向量。你可添加一个groups=选项，指定一个确定x元素的分组的系数。这样的话，gcolor=就节制分组标签的颜色，cex节制标签的巨细。

# 简朴的点图
dotchart(mtcars$mpg,labels=row.names(mtcars),cex=.7,
   main="Gas Milage for Car Models", 
   xlab="Miles Per Gallon")

# Dotplot: Grouped Sorted and Colored
# Sort by mpg, group and color by cylinder 
x <- mtcars[order(mtcars$mpg),] # sort by mpg
x$cyl <- factor(x$cyl) # it must be a factor
x$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$cyl,
   main="Gas Milage for Car Models\ngrouped by cylinder",
   xlab="Miles Per Gallon", gcolor="black", color=x$color)

 

3.1更多

建设高级点状图可用Hmisc包中的dotplot2()成果和lattice包中的panel.dotplot( )成果。获取更多信息拜见William Jacoby关于点状图的文章。

 

4.条形图

用barplot(height)建设条形图，此处height是一个矢量或矩阵。当其为矢量时，该值暗示画图中各条的高度。当其为矩阵、而且beside=FALSE时，图表中每一条对应一组高度，该组中数值是仓库的各个“下级条”的高度。当其为矩阵、而beside=TRUE时，那么每组中的数值就是并列的而非仓库的。names.arg=(character vector)给各条加标签。horiz=TRUE选项用于建设横向的条形图。 

4.1浅易条形图

# 简朴条形图 
counts <- table(mtcars$gear)
barplot(counts, main="Car Distribution", 
   xlab="Number of Gears")

 

# 添加标签的简朴程度条形图 

123 / 3 页下一页