（四）R语言的数据可视化——矩阵图、柱状图、饼图、散点图与线性回归、带状图_r语言矩阵散点图代码

注：本博客旨在分享个人学习心得，有不规范之处请多多包涵！

Histogram 矩形图

在统计学中，矩形图经常被用作展示某连续变量（如长度、重量等测量数值）的分布。在R语言中构造矩形图用hist()函数，具体请见下例：

#hist()函数第一个参数为数据，这里用的是sampleData列表中列标题为length的数据
#main是图的标题；xlab是x轴标题；ylab是y轴标题
#freq是TRUE时画的是频率，是FALSE时画的是概率密度
#breaks决定矩形的数量。这里的20设置图上会有20个矩形
#xlim和ylim决定画图的范围
hist(sampleData$length, main = "Histogram of Protein Lengths", 
	xlab = "Length (AA)", ylab = "Frequency", freq = TRUE，breaks = 20,
	xlim = c(0,10000), ylim = c(0,7000))
1
2
3
4
5
6
7
8

下图为画出的效果：

在这张图中，我们可以发现大部分的protein length都在2000以下，是一个很明显的正偏态分布。

Bar plot 柱状图

柱状图在统计学中经常被用作展示非连续变量（如人数、钱数等计数测量）的分布。在R语言中构造柱状图用barplot()函数，具体请见下例：

#barplot()的第一个参数也是用到的数据。这里是education列表里列标题为spending的数据
#names.arg相当于每条数据对应的x值。这个vector对应每一年的spending
#ylab是y轴标题；main是图的标题；ylim是y轴的范围
#width调整每个柱的宽度；space调整柱之间的距离
barplot(education$spending, 
			names.arg = education$year,  
			ylab = "Spending per student($)", 
			main = "Education Spending per Student", 
			ylim=c(0,7000))
1
2
3
4
5
6
7
8
9

下图为画出的效果：

可见样本数据中，平均每学生在教育的逐年递增。

Pie chart 饼图

饼图能很直观地展示数据中不同种类的占比。R语言中自带的pie()函数功能并不是很强大。在R语言中构造饼图请见下例：

#pie()的第一个参数为数据，可以是各种类占总数的百分比，也可以是各种类的数量
#labels是标在每个扇形外的数据，格式为vector
#main是图的标题
#col调整每个扇形的颜色。rainbow()是R内置的函数，能把彩虹色分成指定数量
#clockwise调整画图是顺时针还是逆时针；init.angle调整扇形从什么位置开始画
percentage <- c(36, 8, 17, 52)
desserts <- c("Ice cream", "Cookie", "Brownie", "Cake")
pie(percentage, labels = desserts, 
		main = "Dessert Preference", 
		col = rainbow(length(percentage)),
		clockwise = FALSE, init.angle = 0)
1
2
3
4
5
6
7
8
9
10
11

下图为画出的效果：

Dot plot 散点图

散点图经常被用在科学实验中，在把自变量和因变量可视化的基础上进行进一步分析。在R语言中构造散点图用plot()函数，具体请见下例：

a <- c(12, 17, 25, 33, 39, 45) #自变量（x）
b <- c(10, 13, 17, 20, 26, 31) #因变量（y）
#plot()的第一个参数为自变量(x值)数据，第二个参数为因变量(y值)数据
#main设置图的标题；xlab和ylab设置横纵坐标的标题
plot(a, b, main="My Plot", xlab="x variable", ylab="y variable")

#lm(Y~X)会生成一个线性回归的数据，包括回归函数的截距和斜率
#abline()会奖这条回归线画到图上；col设置线的颜色
#summary()会生成关于回归线的细节
abline(lm(b~a), col="red")
summary(lm(b~a))
1
2
3
4
5
6
7
8
9
10
11

下图为画出的效果：

下图为summary()在Console输出的结果：

图中的Estimate下为回归线的截距(2.09396)和斜率(0.61074)。Multiple R-squared就是我们常用的R方值(0.975)。

Box-and-whisker plot 箱形图

箱形图能很好地展示数据的分布情况。R语言中构造箱形图用boxplot()函数，具体请见下例：

#数据选用斐波那契数列的前几项
#boxplot()的第一个参数为数据；horizontal控制图是否水平画
#也可以用main设置图的标题和xlab设置横轴标题
data <- c(1, 1, 2, 3, 5, 8, 13, 21, 34)
boxplot(data, horizontal=TRUE)
1
2
3
4
5

下图为画出的效果：

从左到右看图里竖直的线，我们可以看出数据的下边缘、下四分位数、中位数、上四分位数、上边缘，和圆圈代表的异常值。可以看出这组数据正偏态分布、有异常值等特点。

Strip chart 带状图

带状图类似于一维的散点图，功能接近于箱形图，能在较小的数据量下直观展示数据的分布。R语言中构造带状图用stripchart()函数，具体请见下例：

#stripchart()函数的第一个参数为数据
#method控制数据点的重合。"jitter"为避免互相重合，"stack"为将数值相同的点并列显示，默认的"overplot"生成的所有数据在一条直线上，
#如果method="jitter"，jitter参数调整数据点为了避免重合进行分散的程度
#如果method="stack"，offset参数调整数值相同的点之间的间隔
#同样可以用main设置图标题，xlab设置横轴标题
data <- c(1, 1, 2, 3, 5, 8, 13, 21, 34)
par(mfrow=c(1, 2)) #设置两张图并排显示，这里的格式为1行2列
stripchart(data, method = "jitter", jitter=1)
stripchart(data, method = "stack", offset=1)
1
2
3
4
5
6
7
8
9

下图为画出的效果：

可以看出，大部分数据在左侧更加紧凑，越向右越分散。

结束语

介绍了这么多种用R语言做数据可视化的方式，做数据分析最重要的还是选择适合数据类型和分析目的的图。有任何问题或想法欢迎留言和评论！