R语言学习笔记（三）

9 中级绘图

数据分析 BY 伦大锤   阅读量 1,627

在“基本图形”中所接触的图形，主要用于展示单类别型或连续型变量的分布情况，此处将介绍更多用于展示双变量间关系（二元关系）和多变量间关系（多元关系）的绘图方法。

9.1 散点图

散点图可用来描述两个连续型变量间的关系，让我们从最简单的plot()函数出发。

1 2 3 4

attach ( mtcars ) plot ( wt , mpg , main = "Basic Scatter Plot 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 )

生成的图形中包括散点图、一条最佳拟合直线（abline）和一条平滑曲线（lowess）。

现在使用car包中的scatterplot()函数绘制一个增强的版本，绘制不同气缸数量汽车每加仑英里数对车重的图形，包括散点图、拟合直线和平滑曲线。

1 2	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" , legend . plot = TRUE , id . method = "identify" , labels = row . names ( mtcars ) , boxplots = "xy" )

散点图矩阵

散点图矩阵用于展示多幅散点图，pairs()函数可以创建基础的散点图矩阵，以下代码包含mpg、disp、drat和wt中任意两者的散点图。

1	pairs ( ~ mpg + disp + drat + wt , data = mtcars , main = "Basic Scatter Plot Matrix" )

car包的scatterplotMatrix()函数也可以生成散点图矩阵，并支持以下操作：

• 以某个因子为条件绘制散点图矩阵；
• 包含线型和平滑拟合曲线；
• 在主对角线放置箱线图、密度图或者直方图；
• 在各单元格的边界添加轴须图。

1 2	library ( car ) scatterplotMatrix ( ~ mpg + disp + drat + wt , data = mtcars , spread = FALSE , lty . smooth = 2 , main = "Scatter Plot Matrix via car Package" )

spread=FALSE选项表示不添加展示分散度和对称信息的直线。

再来一个scatterplotMatrix()函数的使用例子，主对角线的核密度曲线改为了直方图，并且直方图以汽车气缸数为条件绘制。

1 2	library ( car ) scatterplotMatrix ( ~ mpg + disp + drat + wt | cyl , data = mtcars , spread = FALSE , diagonal = "histogram" , main = "Scatter Plot Matrix via car Package" )

gclus包中的cpairs()函数提供了一个有趣的散点图矩阵变种，支持重排矩阵中变量的位置，让相关性更高的变量更靠近主对角线，还可以对各单元格进行颜色编码来展示变量间的相关性大小。

首先查看各个变量之间相关性的大小：

1	cor ( mtcars [ c ( "mpg" , "wt" , "disp" , "drat" ) ] )

可以发现相关性最高（0.89）的是车重（wt）和排量（disp），以及车重（wt）和每加仑英里数（mpg）。相关性最低（0.68）的是每加仑英里数（mpg）和后轴比（drat）。以下代码根据相关性大小，对散点图矩阵中的这些变量重新排序并着色。

1 2 3 4 5 6

library ( gclus ) mydata < - mtcars [ c ( 1 , 3 , 5 , 6 ) ] mydata . corr < - abs ( cor ( mydata ) ) mycolors < - dmat . color ( mydata . corr ) myorder < - order . single ( mydata . corr ) cpairs ( mydata , myorder , panel . colors = mycolors , gap = . 5 , main = "Variables Ordered and Colored by Correlation" )

高密度散点图

当散点图中点数量过大时，数据点的重叠将会导致绘图效果显著变差。对于这种情况，可以使用封箱、颜色和透明度等来指定图中任意点上重叠点的数目。

smoothScatter()函数可利用核密度估计生成用颜色密度来表示点分布的散点图。

1 2 3 4 5 6 7 8

set . seed ( 1234 ) n < - 10000 c1 < - matrix ( rnorm ( n , mean = 0 , sd = . 5 ) , ncol = 2 ) c2 < - matrix ( rnorm ( n , mean = 3 , sd = 2 ) , ncol = 2 ) mydata < - rbind ( c1 , c2 ) mydata < - as . data . frame ( mydata ) names ( mydata ) < - c ( "x" , "y" ) smoothScatter ( mydata $ x , mydata $ y , main = "Scatterplot Colored by Smoothed Densities" )

hexbin包中的hexbin()函数将二元变量的封箱放到六边形单元格中。

1 2 3

library ( hexbin ) bin < - hexbin ( mydata $ x , mydata $ y , xbins = 50 ) plot ( bin , main = "Hexagonal Binning with 10000 Observations" )

IDPmisc包中的iplot()函数也可以通过颜色来展示点的密度。

1 2	library ( IDPmisc ) iplot ( mydata $ x , mydata $ y , main = "Image Scatter Plot with Color Indicating Density" )

三维散点图

如果想一次性对三个定量变量的交互进行可视化，那么可以使用scatterplot3d中的scatterplot3d()函数进行绘制。

1 2 3 4

library ( scatterplot3d ) attach ( mtcars ) scatterplot3d ( wt , disp , mpg , main = "Basic 3D Scatter Plot" ) detach ( mtcars )

scatterplot3d()函数提供了许多选项，包括设置图形符号、轴、颜色、线条、网格线、突出显示和角度等功能。例如以下代码生成一幅突出显示效果的三维散点图，增强了纵深感并添加了连接点与水平面的垂直线。

1 2 3 4

library ( scatterplot3d ) attach ( mtcars ) scatterplot3d ( wt , disp , mpg , pch = 16 , highlight . 3d = TRUE , type = "h" , main = "3D Scatter Plot with Vertical Lines" ) detach ( mtcars )

还可以再加上一个回归面。

1 2 3 4 5 6

library ( scatterplot3d ) attach ( mtcars ) s3d < - scatterplot3d ( wt , disp , mpg , pch = 16 , highlight . 3d = TRUE , type = "h" , main = "3D Scatter Plot with Vertical Lines and Regression Plane" ) fit < - lm ( mpg ~ wt + disp ) s3d $ plane3d ( fit ) detach ( mtcars )

使用rgl包中的plot3d()函数可创建交互式的三维散点图，通过鼠标即可对图形进行旋转。

1 2 3 4

library ( rgl ) attach ( mtcars ) plot3d ( wt , disp , mpg , col = "red" , size = 5 ) detach ( mtcars )

Rcmdr包中的scatter3d()函数可以实现类似功能。

1 2 3 4

library ( Rcmdr ) attach ( mtcars ) scatter3d ( wt , disp , mpg ) detach ( mtcars )

气泡图

三维散点图用z轴表示第三个变量的大小，另一种思路是：先创建一个二维散点图，然后用点的大小来代表第三个变量的值，即气泡图。

使用symbols()函数来创建气泡图，支持的形状包括圆圈图、方形图、星形图、温度计图和箱线图，以绘制圆圈图为例：

1	symbols ( x , y , circle = radius )

如果想用面积而不是半径来表示第三个变量，则需要进行转换：

1	symbols ( x , y , circle = sqrt ( z / pi ) )

以下代码中，x轴表示车重，y轴表示每加仑英里数，气泡大小表示发动机排量。

1 2 3 4 5

attach ( mtcars ) r < - sqrt ( disp / pi ) symbols ( wt , mpg , circle = r , inches = . 30 , fg = "white" , bg = "lightblue" , main = "Bubble Plot with Point Size Proportional to Displacement" , ylab = "Miles Per Gallon" , xlab = "Weight of Car" ) text ( wt , mpg , rownames ( mtcars ) , cex = . 5 ) detach ( mtcars )

一般来说，统计人员使用R时都倾向于避免使用气泡图，原因和避免使用饼图一样：相对于长度的判断，人们对体积/面积的判断通常更加困难。

9.2 折线图

将散点图上的点从左往右连接起来，即可得到折线图。以基础安装中的Orange数据集为例，绘制第一种树数据的散点图和折线图。

1 2 3 4 5 6

opar < - par ( no . readonly = TRUE ) par ( mfrow = c ( 1 , 2 ) ) t1 < - subset ( Orange , Tree == 1 ) 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 )

两幅图的区别取决于参数type=”b”，折线图一般可用以下两个函数之一来创建：

1 2	plot ( x , y , type = ) lines ( x , y , type = )

type=可选值如下：

• p：只有点；
• l：只有线；
• o：实心点和线（即线覆盖在点上）；
• b、c：线连接点（c时不绘制点）；
• s、S：阶梯线；
• h：直方图式的垂直线；
• n：不生成任何点和线（通常用来为后面的命令创建坐标轴）

以下展示一个更复杂的折线图创建过程，每种树都有自己独有的线条。

1 2 3 4 5 6 7 8 9 10 11 12 13 14

Orange $ Tree < - as . numeric ( Orange $ Tree ) ntrees < - max ( Orange $ Tree ) xrange < - range ( Orange $ age ) yrange < - range (