R的数据图形

Posted 2020-10-04 蒋淼淼

R支持4种图形类型: base graphics, grid graphics, lattice graphics,  ggplot2。

Base graphics是R的默认图形系统。

一、  基本图形函数plot（）

plot（）命令中的type参数用于明确图形如何绘制，具体type值使用如下：

• "p" for "points"
• "l" for "lines"
• "o" for "overlaid" (例如，和点重叠的线)
• "s" for "steps"

type=“n”这个特殊选项，可用于在坐标轴上绘制来自多个源的数据。

例如：

plot(x,y,xlab="",ylab="",pch=2,col="red")

pch：数据点形状

col：数据点颜色

 

二、其他类型的图形函数

1、饼图：pie（）

2、直方图是表示数字变量分布范围的最常用方式

hist()：base R， 记录每个区域出现的次数的直方图

truehist()  ：MASS package，规整数值给出概率密度的估计。

密度图可看做平滑直方图，例如line（density（））

 直方图和密度图的一个局限是，难以观察数据是否符合高斯分布（正态分布）

使用qqplot（）观察数据是否符合高斯分布（正态分布）

3、sunflowerplot() 函数

散点图中的每个点对应一个(x, y)对，如果同一(x, y)对出现多次，点会重叠，在散点图中无法观察到。这个问题有很多解决方法，例如 jittering（扰动）, 对每个x、y添加小的随机值，因此重复点将作为附近点簇集出现。另一个有效方法是 sunflowerplot（）函数，, 每个重复值由太阳花展示，每个花瓣代表某个数据点的一次重复

4、boxplot()函数

boxplot()函数表示数字变量y对应变量x的每个唯一值的分布情况。x变量不应有太多唯一值，多于10个会使得图形难以观察。

可选参数：

varwidth  允许箱型图宽度随变量变化来显示不同数据子集的大小。

log 允许y值的对数变换

las 允许更多可读的轴标签

# 创建一个y轴取对数和水平标签的变量宽度箱型图

boxplot(y ~ x data = Boston, varwidth = TRUE, log = "y", las = 1)

5、马赛克图mosaicplot()

马赛克图可看做是分类变量间的散点图，也可以用于观察数字型变量的关系。

6、bagplot()

一个简单的箱型图基于五个数字给出了一个数字变量的变动范围：

最大值、最小值、中间值、上、下四分位数。

标准箱型图通过以上数字中的三个计算名义上的数据范围，将超出该范围的点标示为极端值，用独立的点表示。包型图表示两个数字变量的关系，二维的包对应标准箱型图中的箱，并标示出极端值。

 

7、corrplot（）函数图示相关性矩阵

相关性矩阵是获取多个数字变量间关系的初步看法的有效工具。

在图中，瘦长的椭圆表示指定的变量间存在较大相关性，近乎圆形表示相关性近似为0.

# Load the corrplot library for the corrplot() function
library(corrplot)

# Compute the correlation matrix for these variables
corrMat <- cor(data)

# Generate the correlation ellipse plot
corrplot(corrMat,method="ellipse")

8、构造和绘制rpart() 模型

决策树容易观察和解释，是预测模型的一种常用方式。

# Load the rpart library

library(rpart)

# Fit an rpart model to predict medv from all other Boston variables
tree_model <- rpart(medv~.,data=Boston)

# Plot the structure of this decision tree model
plot(tree_model)

# Add labels to this plot
text(tree_model,cex=0.7)

9、使用symbol（）函数来显示多于两个变量之间的关系。

散点图显示一个数字变量是如何随第二个数字变量改变。symbols（）允许扩展散点图来显示其他变量的影响。circles参数用来创建一个气泡图，每个数据点由一个圆圈表示，半径基于第三个变量值。

# Call symbols() to create the default bubbleplot
symbols(Cars93$Horsepower, Cars93$MPG.city,
circles = Cars93$Cylinders)

# Repeat, with the inches argument specified
symbols(Cars93$Horsepower, Cars93$MPG.city,
circles = Cars93$Cylinders,
inches = 0.2)

10、点阵图示例

# Load the lattice package
library(lattice)

# Use xyplot() to construct the conditional scatterplot
xyplot(calories ~ sugars | shelf, data = UScereal)

 

三、环境函数par()

par（）函数用于设置图形参数，且参数一直保持有效直到被下一个par（）命令重置。

空参数的par()命令返回当前所有图形参数值。

例：创建一个一排2列的图形阵列

par(mfrow = c(1, 2))

 

 四、为图形添加细节

1、line（）在已存在的图中添加线条

# Create the numerical vector x
x <- seq(0, 10, length = 200)

# Compute the Gaussian density for x with mean 2 and standard deviation 0.2
gauss1 <- dnorm(x, mean = 2, sd = 0.2)

# Compute the Gaussian density with mean 4 and standard deviation 0.5
gauss2 <- dnorm(x, mean = 4, sd = 0.5)

# Plot the first Gaussian density
plot(x, gauss1, type = "l", ylab = "Gaussian probability density")

# Add lines for the second Gaussian density
lines(x, gauss2, lty = 2, lwd = 3)

2、 points()

在plot() 或 points()中，pch参数可基于数据中的变量来设置。

# Create an empty plot using type = "n"
plot(mtcars$hp, mtcars$mpg, type = "n",
xlab = "Horsepower", ylab = "Gas mileage")

# Add points with shapes determined by cylinder number
points(mtcars$hp, mtcars$mpg, pch = mtcars$cyl)

# Create a second empty plot
plot(mtcars$hp, mtcars$mpg, type = "n",
xlab = "Horsepower", ylab = "Gas mileage")

# Add points with shapes as cylinder characters
points(mtcars$hp, mtcars$mpg, 
pch = as.character(mtcars$cyl))

3、为线性回归模型添加趋势线

abline（）在已存在图形中添加直线。这条线由截距参数a和斜率参数b来规定。

例如 abline(a = 0, b = 1) 添加了一条截距为0的等距参考线。

还可通过线性回归模型来规定参数

# Build a linear regression model for the whiteside data
linear_model <- lm(Gas ~ Temp, data = whiteside)

# Create a Gas vs. Temp scatterplot from the whiteside data
plot(whiteside$Temp, whiteside$Gas)

# Use abline() to add the linear regression line
abline(linear_model, lty = 2)

4、使用text() 标记图形特性

参数：

• x 规定x变量的值
• y 规定y变量的值
• labels 规定x-y键值对的标签。

adj  取0-1之间的任意值，小于0，字在x位置的右边；大于1，字在x位置的左边

cex 字体大小与默认值的比例

font  字体

srt参数旋转字体

5、 legend()

为图形添加解释文字

legend("topright", pch = c(17, 1), legend = c("Before", "After"))

6、使用 axis() 添加定制轴

当需要使用自己的轴标签时，可在绘图函数中设置参数axes = FALSE阻止生成默认轴，再调用axis生成定制轴

axis（）的参数：

side  表示轴位置，1底部，2左边，3顶部，4右边

at  在哪些点绘制刻度

labels  每个刻度的标签

# Create a boxplot of sugars by shelf value, without axes
boxplot(sugars ~ shelf, data = UScereal,
axes = FALSE)

# Add a default y-axis to the left of the boxplot
axis(side = 2)

# Add an x-axis below the plot, labelled 1, 2, and 3
axis(side = 1)

# Add a second x-axis above the plot
axis(side = 3, at = c(1, 2, 3),
labels = c("floor", "middle", "top"))

7、用supsmu()添加平滑趋势曲线

一些散点图明显不是线性趋势，需要使用曲线来突出数据的行为。参数bass控制趋势曲线的平滑度，默认值为0，按时较大值（最大10）可生成更平滑的曲线。

# Create a scatterplot of MPG.city vs. Horsepower
plot(Cars93$Horsepower, Cars93$MPG.city)

# Call supsmu() to generate a smooth trend curve, with default bass
trend1 <- supsmu(Cars93$Horsepower, Cars93$MPG.city)

# Add this trend curve to the plot
lines(trend1)

# Call supsmu() for a second trend curve, with bass = 10
trend2 <- supsmu(Cars93$Horsepower, Cars93$MPG.city,
bass = 10)

# Add this trend curve as a heavy, dotted line
lines(trend2, lty = 3, lwd = 2)

 

五、判断散点图数量是否过多

matplot（）在同一坐标轴中生成多个散点图。散点图中的点默认由1到n的数字表示，n是包含的散点图的总数。

# Set up a two-by-two plot array
par(mfrow = c(2, 2))

# Use matplot() to generate an array of two scatterplots
matplot(df$calories, df[, c("protein", "fat")], 
xlab = "calories", ylab = "")

# Add a title
title("Two scatterplots")

# Use matplot() to generate an array of three scatterplots
matplot(df$calories, df[, c("protein", "fat", "fibre")], 
xlab = "calories", ylab = "")

# Add a title
title("Three scatterplots")

# Use matplot() to generate an array of four scatterplots
matplot(df$calories, 
df[, c("protein", "fat", "fibre", "carbo")], 
xlab = "calories", ylab = "")

# Add a title
title("Four scatterplots")

# Use matplot() to generate an array of five scatterplots
matplot(df$calories, 
df[, c("protein", "fat", "fibre", "carbo", "sugars")], 
xlab = "calories", ylab = "")

# Add a title
title("Five scatterplots")

 

六、判断文字数量是否过多

wordcloud（）根据出现的频率来展示不同大小的文字。频率更高的文字较大，较少出现的文字字体较小。

第一个参数： 文字的字符向量

第二个参数： 每个文字出现的次数的数字向量

scale： 是一个两元数字向量，表示最大文字和最小文字的相对大小

min.freq  规定文字云只包含至少出现min.freq次的文字，默认值是3.

# Create the wordcloud of all model names with smaller scaling
wordcloud(words = names(model_table), 
freq = as.numeric(model_table), 
scale = c(0.75, 0.25), 
min.freq = 1)

 

七、用多种图形来观察数据

# Set up a two-by-two plot array
par(mfrow = c(2, 2))

# Plot the raw duration data
plot(geyser$duration, main = "Raw data")

# Plot the normalized histogram of the duration data
truehist(geyser$duration, main = "Histogram")

# Plot the density of the duration data
plot(density(geyser$duration), main = "Density")

# Construct the normal QQ-plot of the duration data
qqPlot(geyser$duration, main = "QQ-plot")

 

八、构造和展示布局矩阵

1、使用matrix（）生成一个图形位置的矩阵，然后用layout()建立一个图形阵列，layout.show()用于验证图形阵列的形状。

# Define row1, row2, row3 for plots 1, 2, and 3
row1 <- c(0, 1)
row2 <- c(2, 0)
row3 <- c(0, 3)

# Use the matrix function to combine these rows into a matrix
layoutMatrix <- matrix(c(row1, row2, row3), 
byrow = TRUE, nrow = 3)

# Call the layout() function to set up the plot array
layout(layoutMatrix)

# Show where the three plots will go 
layout.show(3)

2、创建图形阵列

# Set up the plot array
layout(layoutMatrix)

# Construct the vectors indexB and indexA
indexB <- which(whiteside$Insul == "Before")
indexA <- which(whiteside$Insul == "After")

# Create plot 1 and add title
plot(whiteside$Temp[indexB], whiteside$Gas[indexB],
ylim = c(0, 8))
title("Before data only")

# Create plot 2 and add title
plot(whiteside$Temp, whiteside$Gas,
ylim = c(0, 8))
title("Complete dataset")

# Create plot 3 and add title
plot(whiteside$Temp[indexA], whiteside$Gas[indexA],
ylim = c(0, 8))
title("After data only")

3、创建不同大小图形的阵列

# Create row1, row2, and layoutVector
row1 <- c(1, 0, 0)
row2 <- c(0, 2, 2)
layoutVector <- c(row1, rep(row2, 2))

# Convert layoutVector into layoutMatrix
layoutMatrix <- matrix(layoutVector, byrow = TRUE, nrow = 3)

# Set up the plot array
layout(layoutMatrix)

# Plot scatterplot
plot(Boston$rad, Boston$zn)

# Plot sunflower plot
sunflowerplot(Boston$rad, Boston$zn)

 

九、图形函数可返回有用信息

 barplot() 函数除了创建图形, 还可以返回图中每个条形的中心位置的数字向量。

当我们想在水平条形图的条形上放置文字时，这个返回值很有用。因此可获取该返回值并在text（）函数中作为y参数。使我们可以在任意x位置将文字放置在每个水平条的中间。

# Create a table of Cylinders frequencies
tbl <- table(Cars93$Cylinders)

# Generate a horizontal barplot of these frequencies
mids <- barplot(tbl, horiz = TRUE, 
col = "transparent",
names.arg = "")

# Add names labels with text()
text(20, mids, names(tbl))

# Add count labels with text()
text(35, mids, as.numeric(tbl))

 

十、将图形结果保存为文件

png文件易于分享和作为email附件。使用png（）函数生成和命名一个png文件，建立起一个特殊的环境可获取所有的图形输出直到使用dev.off()指令退出该环境。

# Call png() with the name of the file we want to create
png("bubbleplot.png")

# Re-create the plot from the last exercise
symbols(Cars93$Horsepower, Cars93$MPG.city,
circles = Cars93$Cylinders,
inches = 0.2)

# Save our file and return to our interactive session
dev.off()

# Verify that we have created the file
list.files(pattern = "png")

 

十一、图形的颜色

1、12种推荐颜色

IScolors <- c("red", "green", "yellow", "blue","black", "white", "pink", "cyan","gray", "orange", "brown", "purple")

2、使用颜色来增强气泡图

# Iliinsky and Steele color name vector
IScolors <- c("red", "green", "yellow", "blue",
"black", "white", "pink", "cyan",
"gray", "orange", "brown", "purple")

# Create the colored bubbleplot
symbols(Cars93$Horsepower, Cars93$MPG.city, 
circles = Cars93$Cylinders, inches = 0.2, 
bg = IScolors[as.numeric(Cars93$Cylinders)])

3、使用颜色来增强堆积条形图

barplot函数默认为每个条图的不同分段使用深浅不同的灰色

# Create a table of Cylinders by Origin
tbl <- table(Cars93$Cylinders, Cars93$Origin)

# Create the default stacked barplot
barplot(tbl)

# Enhance this plot with color
barplot(tbl, col = IScolors)