R語言繪圖基礎(chǔ)教程(新手入門推薦!)

更新時(shí)間：2022年11月04日 10:17:41 作者：Annaaphq

數(shù)據(jù)作圖是數(shù)據(jù)分析的重要方法之一,R提供了豐富的作圖函,下面這篇文章主要給大家介紹了關(guān)于R語言繪圖基礎(chǔ)教程的相關(guān)資料,文中通過實(shí)例代碼以及圖文介紹的非常詳細(xì),需要的朋友可以參考下

一、R語言繪圖初階

首先下載包，繪制一張圖：

#install.packages(c("Hmisc", "RColorBrewer"))
#install.packages(c("vcd", "plotrix", "sm", "vioplot"))
library(ggplot2, lib.loc=""~/R/lib"")

#生存一個(gè)可以修改的當(dāng)前圖形參數(shù)列表
par(ask=TRUE)
opar <- par(no.readonly=TRUE)

#載入數(shù)據(jù)集
attach(mtcars) # mtcars是R中自帶的數(shù)據(jù)集，包含多種汽車的數(shù)據(jù)
plot(wt, mpg)
abline(lm(mpg~wt)) #abline是畫一條或多條直線，lm是線性模型
title("Regression of MPG on Weight")

#不用了一定要detach
detach(mtcars)

1、圖形參數(shù)

字體、顏色、坐標(biāo)軸、標(biāo)簽等通過**函數(shù)par()**來指定選項(xiàng)。以這種方式設(shè)定的參數(shù)值除非被再次修改，否則將在
會(huì)話結(jié)束前一直有效。其調(diào)用格式為：

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

不加參數(shù)地執(zhí)行par()將生成一個(gè)含有當(dāng)前圖形參數(shù)設(shè)置的列表。添加參數(shù)no.readonly=TRUE可以生成一個(gè)可以修改的當(dāng)前圖形參數(shù)列表

例如一個(gè)藥品的例子：

# Input data for drug example
dose  <- c(20, 30, 40, 45, 60)
drugA <- c(16, 20, 27, 40, 60)
drugB <- c(15, 18, 25, 31, 40)
plot(dose, drugA, type="b")
opar <- par(no.readonly=TRUE) #很重要

2、符號和線條

對上面的例子，現(xiàn)修改一些參數(shù)：

par(lty=2, pch=17)            # change line type and symbol
plot(dose, drugA, type="b")   # generate a plot
par(opar)                     # restore the original settings，恢復(fù)原設(shè)置 

plot(dose, drugA, type="b", lty=3, lwd=3, pch=17, cex=2)

3、顏色

# choosing colors
library(RColorBrewer)
n <- 7
mycolors <- brewer.pal(n, "Set1")
barplot(rep(1,n), col=mycolors)

n <- 10
mycolors <- rainbow(n)
pie(rep(1, n), labels=mycolors, col=mycolors)

把餅圖改成灰色：

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

4、文本屬性

# View font families 
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)

仍用上方藥物例子：

par(lwd=2, cex=1.5)
par(cex.axis=.75, font.axis=3)
plot(dose, drugA, type="b", pch=19, lty=2, col="red")
plot(dose, drugB, type="b", pch=23, lty=6, col="blue", bg="green")
par(opar)

5、圖形尺寸與邊界尺寸

par(pin=c(2, 3))#圖形大小

6、添加文本、自定義坐標(biāo)軸和圖例

可使用title()函數(shù)為圖形添加標(biāo)題和坐標(biāo)軸標(biāo)簽，調(diào)用格式：

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

plot(dose, drugA, type="b",  
     col="red", lty=2, pch=2, lwd=2,
     main="Clinical Trials for Drug A", 
     sub="This is hypothetical data", 
     xlab="Dosage", ylab="Drug Response",
     xlim=c(18, 60), ylim=c(0, 70)) #x軸刻度大小

你可以使用函數(shù)axis()來創(chuàng)建自定義的坐標(biāo)軸，而非使用R中的默認(rèn)坐標(biāo)軸，其格式為：

axis(side, at=, labels=, pos=, lty=, col=, las=, tck=, ...) #例子在下面

函數(shù)**abline()**可以用來為圖形添加參考線，其使用格式為：

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)
plot(dose, drugA, type="b",
     pch=15, lty=1, col="red", ylim=c(0, 60),
     main="Drug A vs. Drug 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")
abline(h=yvalues,v=xvalues)

我們可以使用**函數(shù)legend()**來添加圖例，其使用格式為：

legend(location,title, legend, ...)

也可以這樣理解：先繪制drugA的圖，在這基礎(chǔ)上加一天B的線，接下來添加圖例：

library(Hmisc)
minor.tick(nx=3, ny=3, tick.ratio=0.005) #自己加一些小的刻度線
legend("topleft", inset=.005, title="Drug Type", c("A","B"),
       lty=c(1, 2), pch=c(15, 17), col=c("red", "blue"))
par(opar)

函數(shù)text()和mtext()將文本添加到圖形上。 text()可向繪圖區(qū)域內(nèi)部添加文本，而mtext()則向圖形的四個(gè)邊界之一添加文本，使用格式分別為：

text(location, "text to place", pos, ...)
 mtext("text to place", side, line=n, ...)

x <- c(1:10)
y <- x
z <- 10/x
opar <- par(no.readonly=TRUE)  # make a copy of current settings
par(mar=c(5, 4, 4, 8) + 0.1)
plot(x, y, type="b",
     pch=21, col="red",
     yaxt="n",lty=3, ann=FALSE)
     #yaxt指y軸類型，“n”指阻止y軸畫出，ann指注釋，此處為了下方自己添加，所以都去掉了
lines(x, z, type="b", pch=22, col="blue", lty=2)
axis(2, at=x, labels=x, col.axis="red", las=2) #坐標(biāo)軸另一種加法
axis(4, at=z, labels=round(z, digits=2),
     col.axis="blue", las=2, cex.axis=0.7, tck=-.01)
mtext("y=1/x", side=4, line=3, cex.lab=1, las=2, col="blue")
title("An Example of Creative Axes",
      xlab="X values",
      ylab="Y=X")
par(opar)

又如：

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)

7、圖形的組合

par()函數(shù)中使用圖形參數(shù) mfrow=c(nrows, ncols) 來創(chuàng)建按行填充的、行數(shù)為nrows、列數(shù)為ncols的圖形矩陣。另外，可以使用 mfcol=c(nrows, ncols) 按列填充矩陣

可以自己選擇布局大?。?/p>

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)

也可以嘗試下三行一列：

attach(mtcars)
opar <- par(no.readonly=TRUE)
par(mfrow=c(3,1))
hist(wt)
hist(mpg)
hist(disp)
par(opar)
detach(mtcars)

填充矩陣：

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

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)

還可以這樣布局：

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$wt, horizontal=TRUE, axes=FALSE)
par(fig=c(0.65, 1, 0, 0.8), new=TRUE)
boxplot(mtcars$mpg, axes=FALSE)
mtext("Enhanced Scatterplot", side=3, outer=TRUE, line=-3)
par(opar)

二、R語言基本圖形繪制

1、條形圖

1.1 簡單條形圖

若height是一個(gè)向量，則它的值就確定了各條形的高度，并將繪制一幅垂直的條形圖。使用選項(xiàng)horiz=TRUE則會(huì)生成一幅水平條形圖。你也可以添加標(biāo)注選項(xiàng)。選項(xiàng)main可添加一個(gè)圖形標(biāo)題，而選項(xiàng)xlab和ylab則會(huì)分別添加x軸和y軸標(biāo)簽

par(ask=TRUE)
opar <- par(no.readonly=TRUE) # save original parameter settings

library(vcd)
counts <- table(Arthritis$Improved) #自帶的
counts

#大致查看一下數(shù)據(jù)前幾行
head(Arthritis)

barplot(counts, 
        main="Simple Bar Plot",
        xlab="Improvement", ylab="Frequency")

# 水平條形圖   
barplot(counts, 
        main="Horizontal Bar Plot", 
        xlab="Frequency", ylab="Improvement", 
        horiz=TRUE)

1.2 堆砌條形圖和分組條形圖

如果height是一個(gè)矩陣而不是一個(gè)向量，則繪圖結(jié)果將是一幅堆砌條形圖或分組條形圖。若beside=FALSE（默認(rèn)值），則矩陣中的每一列都將生成圖中的一個(gè)條形，各列中的值將給出堆砌的“子條”的高度。若beside=TRUE，則矩陣中的每一列都表示一個(gè)分組，各列中的值將并列而不是堆砌

堆砌條形圖

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

barplot(counts, 
        main="Stacked Bar Plot",
        xlab="Treatment", ylab="Frequency", 
        col=c("red", "yellow","green"),  
        legend=rownames(counts)) 
        
#調(diào)整下圖例大?。喝绻麍D例過大遮住圖形，可以設(shè)置一下電腦的顯示比例，調(diào)小

分組條形圖

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

1.3 均值條形圖

條形圖并不一定要基于計(jì)數(shù)數(shù)據(jù)或頻率數(shù)據(jù)。你可以使用數(shù)據(jù)整合函數(shù)并將結(jié)果傳遞給barplot()函數(shù)，來創(chuàng)建表示均值、中位數(shù)、標(biāo)準(zhǔn)差等的條形圖

states <- data.frame(state.region, state.x77) #本身有的數(shù)據(jù)集
means <- aggregate(states$Illiteracy, by=list(state.region), FUN=mean)
means

means <- means[order(means$x),]  
means

barplot(means$x, names.arg=means$Group.1) 
title("Mean Illiteracy Rate")

1.4 條形圖的微調(diào)

有若干種方式可以微調(diào)條形圖的外觀。例如，隨著條數(shù)的增多，條形的標(biāo)簽可能會(huì)開始重疊。你可以使用參數(shù)cex.names來減小字號。將其指定為小于1的值可以縮小標(biāo)簽的大小。可選的參數(shù)names.arg允許你指定一個(gè)字符向量作為條形的標(biāo)簽名，你同樣可以使用圖形參數(shù)輔助調(diào)整文本間隔

# Listing 6.4 - Fitting labels in bar plots
par(las=2)                # set label text perpendicular to the axis
par(mar=c(5,8,4,2))       # increase the y-axis margin
counts <- table(Arthritis$Improved) # get the data for the bars

# produce the graph
barplot(counts, 
        main="Treatment Outcome", horiz=TRUE, cex.names=0.8,
        names.arg=c("No Improvement", "Some Improvement", "Marked Improvement")
)
par(opar)

2、棘狀圖

是一種特殊的條形圖，它稱為棘狀圖（spinogram）。棘狀圖對堆砌條形圖進(jìn)行了重縮放，這樣每個(gè)條形的高度均為1，每一段的高度即表示比例。棘狀圖可由vcd包中的函數(shù) spine() 繪制

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

3、餅圖

餅圖可由以下函數(shù)創(chuàng)建： pie(x, labels)，其中x是一個(gè)非負(fù)數(shù)值向量，表示每個(gè)扇形的面積，而labels則是表示各扇形標(biāo)簽的字符型向量

par(mfrow=c(2,2)) #畫布的位置                             
slices <- c(10, 12, 4, 16, 8) #對應(yīng)下方5個(gè)國家位置
lbls <- c("US", "UK", "Australia", "Germany", "France")

pie(slices, labels = lbls, 
    main="Simple Pie Chart")

#更復(fù)雜一點(diǎn)
pct <- round(slices/sum(slices)*100)  #算百分比比例                    
lbls <- paste(lbls, pct) 
lbls <- paste(lbls,"%",sep="")
pie(slices,labels = lbls, col=rainbow(length(lbls)),
    main="Pie Chart with Percentages")

#畫立體餅圖
library(plotrix)                                               
pie3D(slices, labels=lbls,explode=0.1,
      main="3D Pie Chart ") #設(shè)置explode立體效果
      
mytable <- table(state.region)                                   
lbls <- paste(names(mytable), "\n", mytable, sep="")
pie(mytable, labels = lbls, 
    main="Pie Chart from a dataframe\n (with sample sizes)") 
par(opar)

在醫(yī)學(xué)中，餅圖與扇形圖用的都不多

下面列出扇形圖：

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

4、直方圖

直方圖通過在x軸上將值域分割為一定數(shù)量的組，在y軸上顯示相應(yīng)值的頻數(shù)，展示了連續(xù)型變量的分布?？梢允褂萌缦潞瘮?shù)創(chuàng)建直方圖： hist(x)

其中的x是一個(gè)由數(shù)據(jù)值組成的數(shù)值向量。參數(shù) freq=FALSE 表示根據(jù)概率密度而不是頻數(shù)繪制圖形。參數(shù)breaks用于控制組的數(shù)量。在定義直方圖中的單元時(shí)，默認(rèn)將生成等距切分

hist(mtcars$mpg)

調(diào)整下間隔：

#頻數(shù)分布直方圖
hist(mtcars$mpg, 
     breaks=12, 
     col="red", 
     xlab="Miles Per Gallon", 
     main="Colored histogram with 12 bins")

#密度直方圖，根據(jù)概率密度繪圖
hist(mtcars$mpg, 
     freq=FALSE, 
     breaks=12, 
     col="red", 
     xlab="Miles Per Gallon", 
     main="Histogram, rug plot, density curve")  
rug(jitter(mtcars$mpg)) #添加對應(yīng)的線
lines(density(mtcars$mpg), col="blue", lwd=2) #畫一條曲線

我們往往希望加入正態(tài)分布曲線：

# histogram with superimposed normal curve (Thanks to Peter Dalgaard)  
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()

5、核密度圖

用術(shù)語來說，核密度估計(jì)是用于估計(jì)隨機(jī)變量概率密度函數(shù)的一種非參數(shù)方法。雖然其數(shù)學(xué)細(xì)節(jié)已經(jīng)超出了本書
的范疇，但從總體上講，核密度圖不失為一種用來觀察連續(xù)型變量分布的有效方法。繪制密度圖的方法（不疊加到另一幅圖上方）為： plot(density(x))

其中的x是一個(gè)數(shù)值型向量。由于plot()函數(shù)會(huì)創(chuàng)建一幅新的圖形，所以要向一幅已經(jīng)存在的圖形上疊加一條密度曲線，可以使用lines()函數(shù)
使用sm包中的sm.density.compare()函數(shù)可向圖形疊加兩組或更多的核密度圖，使用格式為：

sm.density.compare(x, factor)

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

d <- density(mtcars$mpg)                                  
plot(d, main="Kernel Density of Miles Per Gallon")       
polygon(d, col="red", border="blue") #填充顏色                     
rug(mtcars$mpg, col="brown")

par(lwd=2)                                                       
library(sm)
attach(mtcars)

# create value labels 
cyl.f <- factor(cyl, levels= c(4, 6, 8),                               
                labels = c("4 cylinder", "6 cylinder", "8 cylinder")) #設(shè)置一個(gè)因子與它的水平

# plot densities 
sm.density.compare(mpg, cyl, xlab="Miles Per Gallon")                
title(main="MPG Distribution by Car Cylinders")

#加圖例
colfill<-c(2:(2+length(levels(cyl.f)))) 
cat("Use mouse to place legend...","\n\n")
legend(locator(1), levels(cyl.f), fill=colfill) 
detach(mtcars)

6、箱式圖

箱線圖（又稱盒須圖）通過繪制連續(xù)型變量的五數(shù)總括，即最小值、下四分位數(shù)（第25百分位數(shù)）、中位數(shù)（第50百分位數(shù)）、上四分位數(shù)（第75百分位數(shù)）以及最大值，描述了連續(xù)型變量的分布。箱線圖能夠顯示出可能為離群點(diǎn)（范圍±1.5*IQR以外的值， IQR表示四分位距，即上四分位數(shù)與下四分位數(shù)的差值）的觀測，如：

boxplot(mtcars$mpg, main="Box plot", ylab="Miles per Gallon")

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

# notched box plots凹槽箱式圖
boxplot(mpg~cyl,data=mtcars, 
        notch=TRUE, 
        varwidth=TRUE,
        col="red",
        main="Car Mileage Data", 
        xlab="Number of Cylinders", 
        ylab="Miles Per Gallon")

7、使用并列箱線圖進(jìn)行跨組比較

箱線圖可展示單個(gè)變量或分組變量。使用格式：

 boxplot(formula,data=dataframe)

其中的formula是一個(gè)公式， dataframe代表提供數(shù)據(jù)的數(shù)據(jù)框（或列表）。一個(gè)示例公式為y ~A，這將為類別型變量A的每個(gè)值并列地生成數(shù)值型變量y的箱線圖。公式y(tǒng) ~ A*B則將為類別型變量A和B所有水平的兩兩組合生成數(shù)值型變量y的箱線圖

添加參數(shù)varwidth=TRUE 將使箱線圖的寬度與其樣本大小的平方根成正比。參數(shù)horizontal=TRUE可以反轉(zhuǎn)坐標(biāo)軸的方向
箱線圖靈活多變，通過添加notch=TRUE，可以得到含凹槽的箱線圖。若兩個(gè)箱的凹槽互不重疊，則表明它們的中位數(shù)有顯著差異

# Listing 6.9 - Box plots for two crossed factors
# create a factor for number of cylinders
mtcars$cyl.f <- factor(mtcars$cyl,
                       levels=c(4,6,8),
                       labels=c("4","6","8"))

# create a factor for transmission type
mtcars$am.f <- factor(mtcars$am, 
                      levels=c(0,1), 
                      labels=c("auto","standard"))

# generate boxplot
boxplot(mpg ~ am.f *cyl.f, 
        data=mtcars, 
        varwidth=TRUE,
        col=c("gold", "darkgreen"),
        main="MPG Distribution by Auto Type", 
        xlab="Auto Type")

8、小提琴圖

小提琴圖是箱線圖與核密度圖的結(jié)合。你可以使用vioplot包中的vioplot()函數(shù)繪制它。請?jiān)诘谝淮问褂弥鞍惭bvioplot包，vioplot()函數(shù)的使用格式為：

 vioplot(x1, x2, ... , names=, col=)

其中x1, x2, …表示要繪制的一個(gè)或多個(gè)數(shù)值向量（將為每個(gè)向量繪制一幅小提琴圖）。參數(shù)names是小提琴圖中標(biāo)簽的字符向量，而col是一個(gè)為每幅小提琴圖指定顏色的向量

x1 <- mtcars$mpg[mtcars$cyl==4] #是一個(gè)向量，包含mpg與所有cy1為4的值
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")

9、點(diǎn)圖與散點(diǎn)圖

點(diǎn)圖提供了一種在簡單水平刻度上繪制大量有標(biāo)簽值的方法。你可以使用dotchart()函數(shù)創(chuàng)建點(diǎn)圖，格式為：

 dotchart(x, labels=)

其中的x是一個(gè)數(shù)值向量，而labels則是由每個(gè)點(diǎn)的標(biāo)簽組成的向量。你可以通過添加參數(shù)groups來選定一個(gè)因子，用以指定x中元素的分組方式。如果這樣做，則參數(shù)gcolor可以控制不同組標(biāo)簽的顏色， cex可以控制標(biāo)簽的大小

dotchart(mtcars$mpg,labels=row.names(mtcars),cex=.7, #每加侖跑的里程
         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, 
         pch=19,                                              
         groups = x$cyl,                                       
         gcolor = "black",
         color = x$color,
         main = "Gas Mileage for Car Models\ngrouped by cylinder",
         xlab = "Miles Per Gallon")

R中創(chuàng)建散點(diǎn)圖的基礎(chǔ)函數(shù)是plot(x, y)，其中， x和y是數(shù)值型向量，代表著圖形的(x, y)點(diǎn)

# install.packages(c("car", "scatterplot3d", "gclus", "hexbin", "IDPmisc", "Hmisc",  #
#                    "corrgram", "vcd", "rld"))  

par(ask=TRUE)
opar <- par(no.readonly=TRUE) # record current settings

# Listing 11.1 - A scatter plot with best fit lines
attach(mtcars)                                                     
plot(wt, mpg, 
     main="Basic Scatterplot of MPG vs. Weight",       
     xlab="Car Weight (lbs/1000)", 
     ylab="Miles Per Gallon ", pch=19)
abline(lm(mpg ~ wt), col="red", lwd=2, lty=1)            
lines(lowess(wt, mpg), col="blue", lwd=2, lty=2)
detach(mtcars)

10、折線圖

如果將散點(diǎn)圖上的點(diǎn)從左往右連接起來，就會(huì)得到一個(gè)折線圖。以基礎(chǔ)安裝中的Orange數(shù)據(jù)集為例，它包含五種橘樹的樹齡和年輪數(shù)據(jù)

library(car) 
scatterplot(mpg ~ wt | cyl, data=mtcars, lwd=2,
            main="Scatter Plot of MPG vs. Weight by # Cylinders", 
            xlab="Weight of Car (lbs/1000)", 
            ylab="Miles Per Gallon", id.method="identify",
            legend.plot=TRUE, labels=row.names(mtcars), 
            boxplots="xy")

# Listing 11.2 - Creating side by side scatter and line plots
opar <- par(no.readonly=TRUE)
par(mfrow=c(1,2)) #設(shè)置畫布，一行兩列
t1 <- subset(Orange, Tree==1) #自帶的數(shù)據(jù)集
plot(t1$age, t1$circumference,
     xlab="Age (days)",
     ylab="Circumference (mm)",
     main="Orange Tree 1 Growth")
plot(t1$age, t1$circumference,
     xlab="Age (days)",
     ylab="Circumference (mm)",
     main="Orange Tree 1 Growth",
     type="b")
par(opar)

t | cyl, data=mtcars, lwd=2,
main=“Scatter Plot of MPG vs. Weight by # Cylinders”,
xlab=“Weight of Car (lbs/1000)”,
ylab=“Miles Per Gallon”, id.method=“identify”,
legend.plot=TRUE, labels=row.names(mtcars),
boxplots=“xy”)

Listing 11.2 - Creating side by side scatter and line plots

opar <- par(no.readonly=TRUE)
par(mfrow=c(1,2)) #設(shè)置畫布，一行兩列
t1 <- subset(Orange, Tree==1) #自帶的數(shù)據(jù)集
plot(t1 a g e , t 1 age, t1 age,t1circumference,
xlab=“Age (days)”,
ylab=“Circumference (mm)”,
main=“Orange Tree 1 Growth”)
plot(t1 a g e , t 1 age, t1 age,t1circumference,
xlab=“Age (days)”,
ylab=“Circumference (mm)”,
main=“Orange Tree 1 Growth”,
type=“b”)
par(opar)

總結(jié)

到此這篇關(guān)于R語言繪圖基礎(chǔ)教程的文章就介紹到這了,更多相關(guān)R語言繪圖教程內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

R語言繪圖基礎(chǔ)教程(新手入門推薦!)

目錄

一、R語言繪圖初階

1、圖形參數(shù)

2、符號和線條

3、顏色

4、文本屬性

5、圖形尺寸與邊界尺寸

6、添加文本、自定義坐標(biāo)軸和圖例

7、圖形的組合

二、R語言基本圖形繪制

1、條形圖

1.1 簡單條形圖

1.2 堆砌條形圖和分組條形圖

1.3 均值條形圖

1.4 條形圖的微調(diào)

2、棘狀圖

3、餅圖

4、直方圖

5、核密度圖

6、箱式圖

7、使用并列箱線圖進(jìn)行跨組比較

8、小提琴圖

9、點(diǎn)圖與散點(diǎn)圖

10、折線圖

總結(jié)

相關(guān)文章

最新評論

大家感興趣的內(nèi)容

最近更新的內(nèi)容

常用在線小工具

欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

R語言繪圖基礎(chǔ)教程(新手入門推薦!)

目錄

一、R語言繪圖初階

1、圖形參數(shù)

2、符號和線條

3、顏色

4、文本屬性

5、圖形尺寸與邊界尺寸

6、添加文本、自定義坐標(biāo)軸和圖例

7、圖形的組合

二、R語言基本圖形繪制

1、條形圖

1.1 簡單條形圖

1.2 堆砌條形圖和分組條形圖

1.3 均值條形圖

1.4 條形圖的微調(diào)

2、棘狀圖

3、餅圖

4、直方圖

5、核密度圖

6、箱式圖

7、使用并列箱線圖進(jìn)行跨組比較

8、小提琴圖

9、點(diǎn)圖與散點(diǎn)圖

10、折線圖

總結(jié)

相關(guān)文章

最新評論

大家感興趣的內(nèi)容

最近更新的內(nèi)容

常用在線小工具

一、R語言繪圖初階

1、圖形參數(shù)

2、符號和線條

4、文本屬性

5、圖形尺寸與邊界尺寸

6、添加文本、自定義坐標(biāo)軸和圖例

7、圖形的組合

二、R語言基本圖形繪制

1、條形圖

2、棘狀圖

4、直方圖

5、核密度圖

6、箱式圖

7、使用并列箱線圖進(jìn)行跨組比較

8、小提琴圖

9、點(diǎn)圖與散點(diǎn)圖