R语言图形篇（一）_r语言 label

1.使用图形

attach(mtcars)
plot(wt,mpg)
abline(mpg~wt)
title("Regression of MPG on Weight")
detach(mtcars)

将图形保存到当前工作目录中名为mygraph.pdf中的PDF文件中：

pdf("mygraph.pdf")
attach(mtcars)
plot(wt,mpg)
abline(mpg~wt)
title("Regression of MPG on Weight")
detach(mtcars)
dev.off()

除pdf（）外，还可使用win.metafile(（）、png（）、jpeg（）、bmp（）、tiff（）、xifig（）和postscript（）将图形保存为其他格式

通过plot（）、hist（）等命令来创建一幅新图形时，通常会覆盖掉先前的图形，要随时查看方法：

（1）在创建一幅新图形之前打开一个新的图形窗口

eg：

dev.new（）

 statements to create graph1

dev.new()

 statements to create a graph2

etc

（2）通过dev.new（）、dev.next（）、dev.prev（）、dev.set（）和dev.off（）同时打开多个图形窗口，并造势哪个输出发送到哪个窗口

2 图形参数

（1）修改图形参数的一种方法是通过函数par（）来指定选项

格式为：

par（optionname=value,optionname=name,……）

不加参数地执行par（）将生成一个含有当前图形设置的列表，添加参数no.readonly=TRUE可生成一个可以修改的当前图形参数列表

（2）符号和线条

用于指定符号和线条类型的参数

（3）颜色

用于指定颜色的参数

eg：

n<-10
mycolors<-rainbow(n)
pie(rep(1,n),labels=mycolors,col=mycolors)
mygrays<-gray(0:n/n)
pie(rep(1,n),labels=mygrays,col=mygrays)

（4） 文本属性

用于指定文本大小的参数

用于指定字体族、字号和字样的参数

（5）图形尺寸与边界尺寸

用于控制图形尺寸和边界大小的参数

eg：

#输入数据
dose<-c(20,30,40,45,60)
drugA<-c(16,20,27,40,60)
drugB<-c(15,18,25,31,40)
#修改默认的图形参数
opar<-par(no.readonly=TRUE)
#得到图形将为2英寸宽、3英寸高，线条的宽度为默认的2倍，符号为默认的1.5倍，坐标轴刻度文本被设置为斜体、缩小为默认大小的75%
par(pin=c(2,3))
par(lwd=2,cex=1.5)
par(cex.axis=0.75,font.axis=3)
#画两条线
plot(dose,drugA,type="b",pch=19,lty=2,col="red")
plot(dose,drugB,type="b",pch=23,lty=6,col="blue",bg="green")
#还原图形参数
par(opar)

注意：par（）设定的参数对两幅图均有效，而在绘图函数中指定的参数仅对特定图形有效

3.添加文本、自定义坐标轴和图例

eg：

#添加标题(main)、副标题（sub）、坐标轴标签（xlab、ylab）并指定了坐标轴范围(xlim、ylim)
plot(dose,drugA,type="b",
     col="red",lty=2,pch=2,lwd=2,
     main="Clinicial Trials for Drug A",
     sub="This is hypothetical data",
     xlab="Dosage",ylab="Drug Response",
     xlim=c(0,60),ylim=c(0,70))

注意：某些高级绘图已饮食了默认的标题和标签，可通过plot（）语句或单独的par（）语句中添加ann=FALSE来移除它们

（1）标题

可使用title（）函数为图形添加标题和坐标轴标签，调用格式 为：

title（main="main title",sub="sub title",xlab="x-axis label",ylab="y-axis label"）

（2）坐标轴

格式为：axis（side,at=,labels=,pos=,lty=,col=,las=,tck=,……）

坐标轴选项

自定义坐标轴示例

eg：

#生成数据
x<-c(1:10)
y<-x
z<-10/x

opar<-par(no.readonly=TRUE)

par(mar=c(5,4,4,8)+0.1)  #增加边界大小
plot(x,y,type="b",  #绘制x对y的图形
     pch=21,col="red",
     yaxt="n",lty=3,ann=FALSE)
lines(x,z,type="b",pch=22,col="blue",lty=2)  #添加x对1/x的直线 
#绘制你自己的坐标轴
axis(2,at=x,labels=x,col.axis="red",las=2)
axis(4,at=z,labels=round(z,digits=2),col.axis="blue",las=2,cex.axis=0.7,tick=-0.01)
#添加标题和文本
mtext("y=1/x",side=4,cex.lab=1,las=2,col="blue")  #mtext（）用于在图形的边界添加文本
title("An Example of Creative Axes",xlab="X values",ylab="Y-X")
par(opar)

次要刻度：

要创建次要刻度线，需使用Hmisc包中的minor.tick（）函数

eg 

library(Hmisc)
minor.tick(nx=n,ny=n,tick.ration=n) 
<span style="color:#ff6666;">#其中nx和ny分别指定了X轴和Y轴每两条主刻度线之间通过次要刻度线划分得到的敬意个数，tick.ration表示次要刻度线相对于主刻度线的大小比例，当前的主刻度线长度可以使用par("tck")获取</span>

（3）参考线

函数abline（）可用来为图形添加参考线

格式为：abline(h=yvalues,v=xvalues)

abline（）中也可指定其他图形参数（如线条类型、颜色和宽度）

（4）图例

格式：

legend（location,title,legend，……）

#依剂量对比药物A和药物B的响应情况
#输入数据
dose<-c(20,30,40,45,60)
drugA<-c(16,20,27,40,60)
drugB<-c(15,18,25,31,40)

opar<-par(no.readonly=TRUE)

par(lwd=2,cex=1.5,font.lab=2)

#绘制图形
plot(dose,drugA,type="b",
     pch=15,lty=1,col="red",ylim=c(0,60),
     main="Drug A vs.Drgu B",
     xlab="Drug Dosage",ylab="Drug Response")

lines(dose,drugB,type="b",
      pch=17,lty=2,col="blue")

abline(h=c(30),lwd=1.5,lty=2,col="gray")

install.packages("Hmisc")
library(Hmisc)
minor.tick(nx=3,ny=3,tick.ration=0.5)#添加次要刻度线

legend("topleft",inset=0.05,title="Drug Type",c("A","B"),
       lty=c(1,2),pch=c(15,17),col=c("red","blue"))

par(opar)

（5）文本标注

text（）可向绘图区域内部添加文本

mtext（）则向图四个之一添加文本

格式：

text（location,"text to place",pos,……）

mtext("text to place",side，line=n,……)

eg：

attach(mtcars)
plot(wt,mpg,
     main="Mileage vs.Car Weight",
     xlab="Weight",ylab="Mileage",
     pch=18,col="blue")
text(wt,mpg,
     row.names(mtcars),
     cex=0.6,pos=4,col="red")
detach(mtcars)

eg：

显示不同字体族的代码

opar<-par(no.readonly=TRUE)
par(cex=1.5)
plot(1:7,1:7,type="n")
text(3,3,"Example of default text")
text(4,4,family="mono","Example of mono-spaced text")
text(5,5,family="serif","Example of serif text")
par(opar)

4. 图形的组合

par（）和layout（）可很容易地组合多幅图形为一幅总括图形

在par（）函数中使用图形参数mfrow=c（nrows,ncols）来创建按行填充的、行数为nrows、列数为ncols的图形矩阵，使用nfcol=c（nrows,ncols）按列填充矩阵

（1）

eg：

attach(mtcars)
opar<-par(no.readonly=TRUE)
par(mfrow=c(2,2))
plot(wt,mpg,main="Scatterplot of wt vs.mpg")
plot(wt,disp,main="Scatterplot of wt vs disp")
hist(wt,main="Histogram of wt")
boxplot(wt,main="Boxplot of wt")
par(opar)
detach(mtcars)

（2）layout（）

layout(mat) ：其中的mat是一个矩阵，指定了所要组合的多个图形所在位置

attach(mtcars)
layout(matrix(c(1,1,2,3),2,2,byrow=TRUE),
       widths=c(3,1),heights=c(1,2))
hist(wt)
hist(mpg)
hist(disp)
detach(mtcars)

（3）图形布局的精细控制

可使用图形参数fig=完成任务

eg：

attach(mtcars)
opar<-par(no.readonly=TRUE)
par(fig=c(0,0.8,0,0.8))
plot(mtcars$wt,mtcars$mpg,
     xlab="Miles Per Gallon",
     ylab="Car Weight")

par(fig=c(0,0.8,0.55,1),new=TRUE)
boxplot(mtcars$wt,horixontal=TRUE,axes=FALSE)
par(fig=c(0.65,1,0,0.8),new=TRUE)
boxplot(mtcars$mpg,axes=TRUE)

mtext("Enhanced Scatterplot",side=3,outer=TRUE,line=3)
par(opar)
detach(mtcars)

5.条形图

barpot（height）（height是一个向量或矩阵）

（1）简单条形图

library(vcd)
counts<-table(Arthritis$Improved)
counts

#简单的条形图
barplot(counts,
        main="Simple Bar Plot",
        xlab="Improvement",ylab="Frequency")

#水平条形图
barplot(counts,
        main="Horizontal Bar Plot",
        xlab="Frequency",ylab="Improvement",
        horiz=TRUE)

#若要绘制的类别型变量是一个因子或有序型因子，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="Simple Bar Plot",
     xlab="Frequency",ylab="Improved")

（2）堆砌条形图和分组条形图

#若要绘制的类别型变量是一个因子或有序型因子，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="Simple Bar Plot",
     xlab="Frequency",ylab="Improved")

#堆砌条形图和分组条形图
#若height是一个矩阵而不是向量时，绘图结果将是一幅堆砌条形图（beside=FALSE）或分组条形图(beside=TRUE)
library(vcd)
counts<-table(Arthritis$Improved,Arthritis$Treatment)
counts

#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,
        main="Stacked Bar Plot",
        xlab="Treatment",ylab="Frequency",
        col=c("red","yellow","green"),
        legend=rownames(counts),beside=TRUE)

（3）均值条形图

使用数据整合函数并将结果传递给barplot（）函数，来创建表示均值、中位数、标准差等的条形图

states<-data.frame(state.region,state.x77)
means<-aggregate(states$Illiteracy,by=list(state.region),FUN=mean) 
means<-means[order(means$x),]#将均值从小到大排序
barplot(means$x,names.arg=means$Group.1)
title("Mean Illiteracy Rate")

（4）条形图的微调

#names.arg允许指定一个字符向量作为条形的标签名
par(mar=c(5,8,4,2))
par(las=2)
counts<-table(Arthritis$Improved)
barplot(counts,
        main="Treatment Outcome",
        horiz=TRUE,cex.name=0.8,
        names.arg=c("No Improvement","Some Improvement","Marked Improvement"))

（5）棘状图

棘状图对堆砌条形图进行了重缩放，每个条形的高度均为1，每一段的高度即表示比例

spine（）函数

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

6.饼图

饼图函数创建：

pie（x，labels）

par(mfrow=c(2,2))
slices<-c(10,12,4,16,8)
lbls<-c("US","UK","Australia","Germany","France")
#为饼图添加比例数值
pie(slices,labels=lbls,main="Simple Pie Chart")
pct<-round(slices/sum(slices)*100)
lbls2<-paste(lbls," ",pct,"%",sep="")
pie(slices,labels=lbls2,col=rainbow(length(lbls2)),main="Pie Chart with Percentage")
install.packages("plotrix")
library(plotrix)
pie3D(slices,labels=lbls,explode=0.1,main="3D Pie Chart")
#从表格创建饼图
mytable<-table(state.region)
lbls3<-paste(names(mytable),"\n",mytable,sep="")
pie(mytable,labels=lbls3,main="Pie Chart from a Table\n(with sample size)")

扇形图：（扇形中width是重要的，而半径并不重要）

通过plotrix包中的fan.plot（）函数来实现：

library(vcd)
slices<-c(10,12,4,16,8)
lbls<-c("US","UK","Australia","Germany","France")
fan.plot(slices,labels=lbls,main="Fan Plot")

7.直方图

创建直方图：

hist（）

frequency=FALSE  表示模拟概率密度而不是频数绘制图形

breaks用于控制驵的数量

当数据中有较多的重复值时，可将轴须图的数据打散：

rug(jitter(mtcars$mpg,amount=0.01))

par(mfrow=c(2,2))
hist(mtcars$mpg) #简单直方图

hist(mtcars$mpg,#指定组数和颜色
     breaks=12,
     col="red",
     xlab="Miles Per Gallon",
     main="Colored histogram with 12 bins")

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

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

8 核密度图

核密度是用于估计随机变量概率密度函数的一种非参数方法

绘制密度图的方法：plot(density(x))

par(mfrow=c(2,1))
d<-density(mtcars$mpg)
plot(d)
d<-density(mtcars$mpg)
plot(d,main="Kernel Density of Miles Per Gallon")
polygon(d,col="red",border="blue")
rug(mtcars$mpg,col="brown")

可比较的核密度图

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)

par(lwd=2)
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")#绘制密度图
title(main='MPG Distribution by Car Cylinders')
#通过鼠标单击添加图例
colfill<-c(2:(1+length(levels(cyl.f))))
legend(locator(1),levels(cyl.f),fill=colfill)
detach(mtcars)

9.箱线图

格式：

boxplot（）

箱线图可以显示出可能为离群点的观测（范围正负1.5倍的IQR以外的值）

（1）使用并列箱线图进行跨组比较

格式：boxplot（formula,data=dataframe）

formula是一个公式，

eg：

y~A：将类别型变量A的每个值并列地生成数值型变量y的箱线图

y~A*B：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

varwidth=TRUE将使箱线图的宽度与样本大小的平方根成正比

horizon=TRUE可反转坐标轴的方向 

eg：

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

（2）通过添加notch=TRUE 可得到含凹槽的箱线图

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

（3）两个交叉因子的箱线图

#创建汽缸数量的因子
mtcars$cyl.f<-factor(mtcars$cyl,
                     levels=c(4,6,8),
                     labels=c("4","6","8"))
#创建变速箱类型的因子
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")

10.小提琴图（violin plot）

是箱线图与核密度图的结合

用vioplot包中vioplot（）函数绘制

格式：

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）

names是小提琴图中标签的字符向量

col是一个为每幅小提琴图指定颜色的向量

install.packages("vioplot")
library(vioplot)
x1<-mtcars$mpg[mtcars$cyl==4]
x2<-mtcars$mpg[mtcars$cyl==6]
x3<-mtcars$mpg[mtcars$cyl==8]
vioplot(x1,x2,x3,
        names=c("4 cyl","6 cyl","8 cyl"),
        col="gold")
title("Violin Plots of Miles Per Gallon")

小提琴图基本上是核密度图以镜像方式在箱线图上的叠加

图中，白点是中位数，黑色盒型范围是下四分位点到上四分位点，细黑线表示 须

11.点图

（1）格式：dotchart(x,labels=） （x是一个数值向量，而labels则是由每个点的标签组成的向量）

可设定groups来选定一个因子,用以指定x中元素的分组方式，gcolor可以控制不同组标签的颜色

Hmisc包中也提供了一个带有许多附加功能的点图函数

dotchart(mtcars$mpg,labels=row.names(mtcars),cex=0.7,
         main="Gas Mileage for Car Models",
         xlab="Miles Per Gallon")

（2）分组、排序、着色后的点图

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=0.7,
         groups=x$cyl,
         gcolor="black",
         color=x$color,
         pch=19,
         main="Gas Mileage for Car Models\ngrouped by clinder",
         xlab="Miles Per Gallon")