R语言学习笔记【超全的语法总结-下】

简单语法总结【下】：续R语言学习笔记【简单语法总结-上】

七. 输入与输出

7.1 输出

7.1.1 print()函数

print（）函数里面带有一些参数：

• digits指定每个数输出的有效数字位数。
• quote指定字符串输出是否带两边的括号。
• print.gap指定矩阵或数组输出是行列的距离。

7.1.2 cat()函数

cat()函数可以把多个参数连接起来再输出（类似于paste（）函数）
#使用cat（）是要加上换行符"\n"

cat(c("ab","C"),c("d","e"),"\n",sep="")     #自定义分隔符，可以用sep="参数"
cat("i=",1,"\n",file="c:/cat.txt")    #cat()可以指定一个参数”file=文件名“，把结果写到指定的文件中

7.1.3 format()函数

format（）函数为一个数值型向量找到一种共同的显示形式，然后把向量转化为字符型

format(c(1,100,1000))

7.1.4 formatC()函数

函数formatC()对输入的向量的每一个元素单独进行格式转化而且不生成同一格式

formatC(c(1,1000,10000)) 

7.1.5 把矩阵x输出到文件中

write(t(x),file="文件名”，ncol=ncol(x))

• t(x)为将矩阵转置
• 如果不指定列数，默认为5列.

x=matrix(1:12,nrow=3,ncol=4);x
write(t(x),file="c:/input.txt",ncol=ncol(x))

7.1.6 把数据框d输出到文件中

用write.table(x,file="文件名’)

7.1.7 写入csv文件

write.table(data,file,sep)可以写成任意分隔符的文件

7.2 输入

cat(1:12,"\n",file="c:/RData/cat1.txt")     #见统计计算45，这里不太懂
x=scan('c:/cat1.txt')

7.2.1 导入文本文件

7.2.1.1 使用read.table()函数导入带分隔符的文本文件

• file：需要读入的文件名或者路径
  当需要读入的文件在R的工作目录下时，file=files.name，否则file=”文件的存储路径”
• header：是否文件的读入第一行，默认值为FALSE
• sep: 文件中分开数据的分隔符:
  ①默认为sep=”“,表示分隔符为一个或多个空格、换行或回车
  ②若分隔符为逗号，则sep=”,”
  ③ 若为制表符，则sep=”\t”
• quote:设置如何引用字符型变量。若没有分隔符，则quote=”\”
• row.names:用于指定行名的可选参数
• col.names:若header=F,用于指定列名的可选参数.如col.names=c(“name”,”English”)
• na.strings:用于表示缺失值的字符向量。默认为NA，也可自行定义表示缺失值的字符。
• colClasses:每一列的变量类型。如：colClasses=c(“numeric”,”character”)表示将第一列定义为数值型，第二列定义为字符型。
• skip=50:从第50行开始截取 ； nrows=2: 从第50行开始截取2行
• head(x，n=k):显示文件前k行。

7.2.1.2 读取excel文件(将excel文件改为逗号分隔的csv文件 )

a=read.table(file="c:/shuju.csv",sep=",",header=T);a 

7.2.1.3 读取文本文件间隔为英文空格

a1=read.table("c:/1.txt",sep=" ",header=T);a1
class(a1)               ##读入的数据都为数据框类型

7.2.1.4 读取文本文件间隔为逗号

a2=read.table("c:/2.txt",sep=",",header=T);a2 
class(a2)               ##读入的数据都为数据框类型

7.2.1.5 读取文本文件间隔为制表符

a3=read.table("c:/3.txt",sep="\t",header=T);a3
class(a3)               ##读入的数据都为数据框类型 

my.class=data.frame(read.csv(file.choose())) 
class(my.class) 
write.table(my.class,file="c:/input.txt")
read.table("c:/input.txt",sep=",") 

7.2.1.6 读取csv文件（逗号分割的一种数据文件）

read.csv(file,header=T)

read.csv("c:/2.txt",header=T)       #read.csv可以读取逗号分隔的文本文件
read.csv("c:/3.txt",header=T)       #如果文本文件不是逗号分隔，会出现这样的情况 
read.csv("c:/input.csv",header=T)   #read.csv读取csv文件 
a3=read.table("c:/shuju1.txt",sep="\t",header=T);a3

7.3 格式的相互转化

7.3.1 csv文件转成分隔符为空格

write.table(a1,"c:/11.txt",sep=" ")

7.3.2 csv文件转成分隔符为逗号

write.table(a2,"c:/22.txt",sep=",")
write.table(a2,"c:/22.txt",sep=",",col.names=FALSE)

7.3.3 csv文件转成分隔符为制表符

write.table(a3,"c:/33.txt",sep="\t")
write.table(a3,"c:/44.txt",sep="|_____|")        #可以写成任意分隔符的文件

7.4 相关练习题：

题目：
#张三 女 14 156 42.0
#李四 男 15 165 49.0
#王五 女 16 157 41.5
#赵六 男 14 162 52.0
#丁一 女 15 159 45.5
将上述数据写成纯文本文件，用函数read.table()读该文件,然后再用函数write.csv()写成一个能用excel表能打开的文件，并用excel打开 。
1.将数据写入excel表格中，然后将excel表格转化为文本文件（制表符分隔） #不能直接在记事本输入数据，字符型变量将会曝错
2.然后利用：

• a3=read.table(“c:/RData/3.txt”,sep=“\t”,header=T);a3
• write.csv(a3,“c:/fivess.csv”,sep=“\t”)

八.作图

8.1 低水平作图

8.1.1 R语言创建多个图形

#每次创建一副新图形之前打开一个新的图形窗口
dev.new()
画图
dev.new()
画图
......

8.1.2 指定符号和线型的参数:

① pch 指定绘制点时使用的符号。

② cex 指定符号的大小。cex是一个数值，表示绘图符号相对于默认大小缩放的倍数。

③ lty 指定线条类型

④ lwd 指定线条宽度，默认值是1.

参数取值	描述
1	默认宽度
k	默认宽度的k倍
-k	默认宽度的1/k倍

8.1.3 与颜色相关的参数

8.1.4 文本属性

8.1.5控制图形储存和边界大小的参数

8.1.6 添加文本、自定义坐标轴和图例

• 标题main、
• 副标题sub、
• 坐标轴标签xlab,ylab、
• 坐标轴范围xlim,ylim（例如xlim=c(0,60)）

#指定坐标轴范围
yield <- c(15.2, 16.9, 15.3, 14.9, 15.7, 15.1, 16.7)
plot(yield,xlim = c(1886,1890))# 指定输出横轴范围
plot(yield,ylim = c(15,16))# 指定输出纵轴范围

• plot、hist、boxplot函数可以自行设定坐标轴和文本标注参数，有的函数却不可以，需要借助相应的函数。

①标题
title()函数科一位图形添加各种标题和坐标轴标签，同时可以指定标题和坐标轴标签的打字奥，字体，颜色等。
②坐标轴
axis()函数可以创建自定义坐标轴，格式如下：
axis(side, at=, labels=, pos=, lty=, col=, las=, tck=, …)
各个参数的含义如下：

③lines() 函数可以为现有图形添加新的图形元素。
④abline()函数可用来为图形添加参考线。
⑤图例
legend()函数用来为图添加图例

8.1.7 一页多图的命令

在同一页面上绘制多张图用layout()函数；
在一幅图上添加新图，得到组合图用par()函数。

par(mfrow=c(3,2))   #同一页有3行2列，共6个图，而且次序为按行填放
par(mfcol=c(3,2))   #同一页有3列2行，共6个图，而且次序为按列填放
par(mfrow=c(1,1))   #取消一页多图 

【注】：本部分部分引用自：原文链接：https://blog.csdn.net/u014458853/article/details/49948787

8.2 高水平作图

8.2.1 条形图 barplot()函数

barplot(height, names.arg = NULL, beside = FALSE,horiz = FALSE,density = NULL, angle = 45,col = NULL, border = par(“fg”), main =NULL, sub = NULL, xlab = NULL, ylab = NULL,xlim = NULL, ylim = NULL,…)

• height：向量或矩阵，用来构成条形图中各条的数值。

• names.arg：位于条低端的文字标签。

• beside: 逻辑值，为FALSE时绘制堆叠图，为TRUE时绘制分组图。

• horiz: 逻辑值，为FALSE时，绘制垂直条形图，为TRUE时绘制水平条形图。

• density：一个向量值。当指定该值时，条将以斜线填充。即每英寸斜线的密度。

• angle：以逆时针方向给出的阴影线的角度。默认为45度。

• col:条的填充色。

• border：条的边框颜色，如设置为TRUE时，边框颜色将于阴影线的颜色相同。

• main:用于指定绘图的主标题。

• sub：用于指定绘图的次标题。

• xlab, ylab :用于指定x轴和y轴的标签。

• xlim, ylim:分别用于指定x轴和y轴的取值范围。

a=read.table(file="c:/tiaoxing.csv",sep=",",header=TRUE);a
attach(a)                    #连接数据框
##画变量gender的简单垂直条形图
count=table(gender);count         #gender的频数描述
barplot(count,main="simply bar plot",xlab="gender",ylab="frequency")           #horiz:逻辑向量，FALSE是为垂直条形图
##画变量gender的简单水平条形图
count=table(gender);count         #gender的频数描述
barplot(count,main="simply bar plot",xlab="gender",ylab="frequency",horiz=TRUE)       #horiz:TRUE为水平条形图
##变量unit的累计条形图
count2=table(gender,unit);count2         #变量gender和unit的列联表
barplot(count2,col=c("red","green"),legend=rownames(count2),main="stacked bar plot",xlab="unit",ylab="frequency",beside=FALSE)       #beside:逻辑向量，FALSE是为累计条形图，
##变量unit的分组条形图
count2=table(gender,unit);count2         #变量gender和unit的列联表
barplot(count2,col=c("red","green"),legend=rownames(count2),main="stacked bar plot",xlab="unit",ylab="frequency",beside=TRUE)         #TRUE为分组条形图
##age的分组（gender）均值条形图
means=tapply(age,gender,mean);means    #计算age按gender的分组的均值
barplot(means)

#一页多图
par(mfrow=c(2,3))

#绘制简单的条形图
math <- c(78, 92, 89, 61, 95)
barplot(math)

#添加x轴上的分类标签

math <- c(78, 92, 89, 61, 95)
names<-c("小刚", "小明", "小花", "小芳", "小丽")
barplot(math,names.arg=names)

#指定填充色，边框色，标题

math <- c(78, 92, 89, 61, 95)
names<-c("小刚", "小明", "小花", "小芳", "小丽")
barplot(math,names.arg=names,border="green",main="成绩",col=c("red","orange","lightblue","yellow","lightgreen"))

#绘制堆叠条形图

math <- c(78, 92, 89, 61, 95)
english <- c(90, 89, 95, 70, 98)
grade <- matrix(c(math,english),2,5)
names<-c("小刚", "小明", "小花", "小芳", "小丽")
barplot(grade,border="green",names.arg=names,main="成绩",xlab="姓名",ylab="成绩",legend=c("数学","英语"))

#绘制簇状（分组）条形图

math <- c(78, 92, 89, 61, 95)
english <- c(90, 89, 95, 70, 98)
grade <- matrix(c(math,english),2,5)
names<-c("小刚", "小明", "小花", "小芳", "小丽")
barplot(grade,names.arg=names,beside=TRUE,main="成绩",xlab="姓名",ylab="成绩",col=rainbow(10))#rainbow函数可以生成n个颜色向量

8.2.3 饼图 pie()函数

pie(x, labels = names(x), radius = 0.8,main= “NULL”, col = NULL, clockwise = FALSE,density = NULL, angle = 45, lty = NULL, border = NULL, edges = 200, ….)

• x:非负数值向量，表示每个扇形的面积

• labels：表示个扇形标签的字符型向量

• col:颜色

• radius 表示饼图的圆的半径，特别是在字符标签过长的情况尤其适用。

• main 是用来表示图标的标题的。

• clockwise 是一个逻辑值,用来指示饼图各个切片是否按顺时针做出分割。

• density:底纹的密度。默认值为NULL。

• angle：设置底纹的斜率。

• edges设置多边形的边数（圆的轮廓是具有很多边的多边形近似）。

a=read.table(file="c:/tiaoxing.csv",sep=",",header=TRUE);a
attach(a)
count=table(gender);count
pie(count,main="simply pie chart")     #简单饼图
pie(count,col=rainbow(2),main="simply pie chart")       #通过rainbow()定义两种不同的颜色显示饼图

par(mfrow=c(2,2))
#简单的饼图
x <- c(10,20,30,40,50)
label <- c("Alabama","Alaska", "Arizona", "Arkansas", "California")
pie(x, labels = label)

# pie(x, labels = label, clockwise = TRUE)#这是按顺时针方向来绘制饼图

#为饼图添加标题和颜色
pie(x, labels=label, main="City pie chart", col=terrain.colors(length(x)))
# 在这里是用了terrain.colors这个颜色函数，也可以选择彩虹颜色col=rainbow(length(x))或者自定义的颜色

#饼图每个扇形的百分比以及添加图表图例,继续以上面的例子为例

x <-c(10,20,30,40,50)
label <-c("Alabama", "Alaska", "Arizona","Arkansas", "California")
piepercent<-round(100*x/sum(x), 1)
piepercent <-paste(piepercent, "%", sep = "")
pie(x,labels=piepercent, main="City pie chart",col= terrain.colors (length(x)))
legend("topright",label, cex=0.8, fill=terrain.colors(length(x)))

#发现右边的文本标签离饼图比较远，有一个比较好的设置标签的位置的方法是用locator()参数，你可以再你想要的位置处双击鼠标即可，代码如下

pie(x,labels=piepercent, main="City pie chart",col= terrain.colors(length(x)))
legend(locator(1),label, cex=0.8, fill=terrain.colors(length(x)))

8.2.4 3D饼图

用plotrix packages 绘制3D 饼图

饼图和3个维度需要使用额外的软件包绘制。软件包：plotrix 称为 pie3D。没有的话需要先安装。

install.packages("plotrix")
library(plotrix)

pie的3D图由以下函数创建：
pie3D(x, main, labels,explode, radius, height…)

• main：饼图主标题
• labels：各个“块”的标签
• explode：各个“块”之间的间隔，默认值为0
• radius：整个“饼”的大小，默认值为1，0~1为缩小
• height：饼块的高度，默认值为0.1

x <- c(10,20,30,40,50)
label <- c("Alabama","Alaska", "Arizona", "Arkansas", "California")
install.packages("plotrix")
library(plotrix)
pie3D(x,labels=label,explode=0.1,main="PieChart of Countries ")

8.2.5 扇形图（fan plot）

有时候饼图会让各个切块的面积比较比较困难，所以为改善这种状况，我们创造了一种成为扇形图（fan plot）的饼图变种，扇形图(Lemon & Tyagi, 2009)为用户提供了一种同时展示相对数量和相互差异的方法。在R中，扇形图是通过plotrix包中的fan.plot()函数实现的。

install.packages("plottrix")
library(plotrix)
fan.plot(x,labels = label, main="Fan Plot",col= terrain.colors (length(x)))#可使用函数内置的颜色
legend("topright",label, cex=0.4, fill= terrain.colors (length(x)))

8.2.6 plot()函数

plot函数默认的使用格式如下：

• plot(x, y = NULL, type = “p”, xlim = NULL, ylim = NULL, log = “”, main= NULL, sub = NULL, xlab = NULL, ylab = NULL, ann = par(“ann”), axes = TRUE, frame.plot = axes, panel.first = NULL, panel.last = NULL, asp =
  NA, …)

---

• type为一个字符的字符串，用于给定绘图的类型，可选的值如下：
  “p”：绘点（默认值）；
  “l”：绘制线；
  “b”：同时绘制点和线；
  “c”：仅绘制参数"b"所示的线；
  “o”：同时绘制点和线，且线穿过点；
  “h”：绘制出点到横坐标轴的垂直线；
  “s”：绘制出阶梯图（先横后纵）；
  “S”：绘制出阶梯图（先纵后竖）；
  “n”：作空图。
• main参数
  字符串，给出图形的标题；
• sub参数
  字符串，给出图形的子标题
• xlab参数
  字符串，用于给出x轴的标签。
• ylab参数
  字符串，用于给出y轴的标签。
• xlim参数
  二维向量，表示x轴的范围。
• ylim参数
  二维向量，表示y轴的范围。

8.2.6.1 散点图

plot(x=x轴数据,y=y轴数据,main="标题",sub="子标题"，type="线型",xlab="x轴名称"，ylab="y轴名称"，
xlim = c(x轴范围，x轴范围),ylim = c(y轴范围,y轴范围))   

• x,y是数值型向量
• type：指定所绘制图形的类型：
  ①type=“p”:只有点
  ②type=“l”:只有线
  ③type=“o”:实心点和线（即线覆盖在点上）
  ④type=“b”:线连接点 （折线图 ）
  ⑥ type=“h”:从点到横轴画直线,类似直方图的线:
  ⑦ type=“s”:阶梯函数：左连续
  ⑧ type=“S”:阶梯函数：右连续
  ⑨ type=“n”:不生成任何点和线，适用于后面介绍的低级图形函数作图统计计算66页
  ⑩type=“c”#点线图去掉点
• xlab,ylab:x,y轴的标签
• main,sub:主标题，图形的小标题

a=read.table(file="c:/realdata.csv",sep=",",header=TRUE);a
b=a[,2:7]
c=as.matrix(b)
plot(c[,1],type="l")
lines(c[,2],type="l",col="red")         #低级图形函数
lines(c[,3],type="l",col="yellow")
lines(c[,4],type="l",col="blue")
lines(c[,5],type="l",col="orange")
lines(c[,6],type="l",col="green")

8.2.6.2 折线图 plot(x,y.type=“b”)函数

a=read.table(file="c:/RData/my.class.csv",sep=",",header=TRUE);a
attach(a)
plot(Weight,Height,type="b")          #type="b"时折线图的标志 

x <- 1:10
beijing <- round(rnorm(10,mean = 20 , sd = 2),1)
shanghai <- round(rnorm(10,mean = 20 , sd = 3),1)
guangzhou <- round(rnorm(10,mean = 20 , sd = 1),1)
 
plot(x,beijing,type = 'l',ylim = c(16,30),lwd = 2,main = "北京上海和广州最近十天的气温变化趋势")
lines(x,shanghai,type = 'l',col = 'blue',lwd = 2)
lines(x,guangzhou,type = 'l',col = 'red', lwd = 2)

8.2.8 箱线图: boxplot()函数

箱线图或箱形图是由5个特征值绘制而成的图形，其有一个箱子和两条线段组成。5个特征值是变量的最大值、最小值、中位数、第一四分位数和第三四分位数。连接两个分位数画出一个箱子，箱子用中位数分割，把两个极值点与箱子用线条连接，即成箱线图。箱线图的形式如下图所示：

【注】：此图来源于网络

boxplot函数的基本用法为：
boxplot(x, …)

---

公式形式的用法
boxplot(formula, data = NULL, …, subset, na.action = NULL, drop = FALSE, sep = “.”, lex.order = FALSE)

---

默认用法：
boxplot(x, …, range = 1.5, width = NULL, varwidth = FALSE,notch = FALSE, outline = TRUE, names, plot = TRUE,border = par(“fg”), col = NULL, log = “”,pars = list(boxwex = 0.8, staplewex = 0.5, outwex = 0.5),horizontal = FALSE, add = FALSE, at = NULL)

---

主要参数的含义：

• x： 向量，列表或数据框。
• formula： 公式，形如y~grp,其中y为向量，grp是数据的分组，通常为因子。
• data： 数据框或列表，用于提供公式中的数据。
• range： 数值，默认为1.5，表示触须的范围，即range × (Q3 - Q1)
• width： 箱体的相对宽度，当有多个箱体时，有效。
• varwidth： 逻辑值，控制箱体的宽度， 只有图中有多个箱体时才发挥作用，默认为FALSE， 所有箱体的宽度相同，当其值为TRUE时，代表每个箱体的样本量作为其相对宽度
• notch： 逻辑值，如果该参数设置为TRUE，则在箱体两侧会出现凹口。默认为FALSE。
• outline： 逻辑值，如果该参数设置为FALSE，则箱线图中不会绘制离群值。默认为TRUE。
• names：绘制在每个箱线图下方的分组标签。
• plot ： 逻辑值，是否绘制箱线图，如设置为FALSE，则不绘制箱线图，而给出绘制箱线图的相关信息，如5个点的信息等。
• border：箱线图的边框颜色。
• col：箱线图的填充色。
• horizontal：逻辑值，指定箱线图是否水平绘制，默认为FALSE。

a=read.table(file="c:/my.class.csv",sep=",",header=TRUE);a
attach(a)
boxplot(Weight,Height)
boxplot.stats(Weight)         #输出用于构造图形的统计量，中位数是107.25，最大值是133，最小值是50.5

par(mfrow=c(2,3))
#简单的使用
h<-c(144,166,163,143,152,169,130,159,160,175,161,170,
          146,159,150,183,165,146,169)
boxplot(h)

#********************
#多组的箱线图
#题目：
#某工厂推行新的工作方法，实验组和对照组（原方法）的工作效率（每小时产量），如下面的数据：
#试验组：35, 41, 40, 37, 43, 32, 39, 46
#对照组：32, 39, 34, 36, 32, 38, 34, 31
#绘制其箱线图。
#程序如下：
x <- c(35, 41, 40, 37, 43, 32, 39, 46, 32, 39, 34, 36, 32, 38, 34, 31)
f <- factor(rep(c("试验组","对照组"),each=8))
data<- data.frame(x,f)
boxplot(x~f,data)

#width参数的效果
x <- c(35, 41, 40, 37, 43, 32, 39, 46, 32, 39, 34, 36, 32, 38, 34, 31)
f <- factor(rep(c("试验组","对照组"),each=8))
data<- data.frame(x,f)
boxplot(x~f,data,width=c(1,2),ylab="工作效率(个/小时)")

#箱体颜色
x <- c(35, 41, 40, 37, 43, 32, 39, 46, 32, 39, 34, 36, 32, 38, 34, 31)
f <- factor(rep(c("试验组","对照组"),each=8))
data<- data.frame(x,f)
boxplot(x~f,data,width=c(1,2),col=c(2,3),border=c("darkgray","purple"))

#带凹口的箱线图

x <- c(35, 41, 40, 37, 43, 32, 39, 46, 32, 39, 34, 36, 32, 38, 34, 31)
f <- factor(rep(c("试验组","对照组"),each=8))
data<- data.frame(x,f)
boxplot(x~f,data,width=c(1,2),col=c(2,3),notch=TRUE)

计算五数总括

最有代表性，最能反应数据重要特征的5个数为：中位数，下四分位数，上四分位数，最小值，最大值。

用 fivenum()函数来计算样本的五数总括，格式如下：
fivenum(x,na.rm = TRUE)

• x为样本数据
• na.rm为逻辑变量，为TRUE(默认值)时，在计算五数总括前，所有NA,NAN数据将被去除。

x <- c(runif(8));x
fivenum(x)

8.2.9 茎叶图 stem() 函数

stem(x, scale = 1, width = 80, atom = 1e-08)

---

• 参数x: 是数值向量，用于绘制茎叶图的数据。
  参数scale: stem函数中的scale参数控制茎叶图的长度，默认为1。
  【注】：sacle设置的越大，分茎越多，精度越高，如果你的scale较小，他甚至会自动帮你的数据做四舍五入（这样会降低精度）
• width参数
  控制茎叶图中叶子的宽度，如果为0，则只输出该茎统计的数字个数。如果为10以内的数，则表示超过指定宽度的统计数量个数，下面的例子可以理解为，统计频数比0多的数，多几个就加几。当width设置的足够大，就可以将所有的数字显示全了，默认为100.

#某人对自己上班时间的开车速度进行了统计，统计12次的数据如下（km/h）：
#30,33,18,27,32,40,26,28,21,28,35,20
v<-c(30,33,18,27,32,40,26,28,21,28,35,20)
stem(v)

stem(v,scale=0.8)

stem(v,scale=1,width=90)

分析：
图中位于“|”右边的数字是1位数字构成的，绘制的茎叶图默认0-4一组，5-9一组。则可以看出，位于[10,20)区间的有1个：18；位于[20,30)区间的有6个；位于[30,40)区间的有4个：30,32,33,35；位于[40,50)区间的有1个：40.

10~ 20之间有1个，20_{25之间有2个，25}30之间有4个…

stem(Height)

8.2.10 直方图:hist() 函数

估计数值型变量的分布密度，可以用hist()画直方图&用density()进行非参数密度估计。

hist(x, breaks = “Sturges”, freq = NULL, probability = !freq,include.lowest = TRUE, right = TRUE, density = NULL, angle = 45, col =NULL, border = NULL, main =paste(“Histogram of” , xname), xlim = range(breaks), ylim = NULL, xlab = xname, ylab, axes = TRUE, plot = TRUE, labels = FALSE, nclass = NULL, warn.unused = TRUE, …)

• x:由一个数据值组成的数值向量
• freq:逻辑向量，为TRUE时为频数绘制图形，为FALSE时为概率密度绘制图形。当仅当breaks为等距，且为指定probability时，freq默认为TRUE。
• col:指定填充直条的颜色
• xlab:x轴标签
• ylab:y轴标签
• breaks:直方图的断点，主要有以下几种情况：
  ①可以是一个向量给出直方图中每个区间的断点；
  ②可以是一个函数用于计算每个断点的向量；
  ③用于表示区间数的一个数字；
  ④一个字符串用于给出计算区间数所使用的算法；
  ⑤一个用于计算区间数的函数。
• probability:与!freq的含义相同。
• include.lowest : 逻辑值，如果为TRUE，则如果数据x[i]等于断点值，则会包含在第一个区间条中（如right参数为FALSE，则会包含在下一个区间中）。除非breaks是向量，否则设置会被忽略并给出一个警告错误。
• right
  逻辑值。如果设置为TRUE，则直方图条右侧区间是封闭的（左侧开放）。
• density
  指阴影线的密度，即每英寸（2.54厘米）的线数。默认值为NULL值，意味着没有阴影线。非正值也不会绘制阴影线。
• angle
  指阴影线的斜度，以逆时针角度给出。默认为45度。
  .>- col
  填充条形使用的颜色。默认值为NULL，即没有填充色。
• border
  数字或字符串，用于描述条形边框的颜色。默认为NULL，即使用标准前景色。
• main, xlim, ylim, xlab, ylab
  见本站关于plot函数中的说明（R语言中plot函数的使用）
• axes
  逻辑值。默认为TRUE，绘图时绘制轴。
• labels
  逻辑值。默认为FALSE，如果为TRUE，则在条形框的顶端给出标签（频数或密度）。

a=read.table(file="c:/RData/tiaoxing.csv",sep=",",header=TRUE);a
attach(a)
summary(age)      #变量的基本描述结果，最小值、第25百分位数，中位数，第75百分位数，最大值
hist(age)         #简单直方图
hist(age,breaks=12,col="red")           #组数为12的直方图
hist(age,breaks=12,col="red"，freq=FALSE)
rug(jitter(age))                        #轴须线 
lines(density(age),col="blue")    #密度曲线 

par(mfrow=c(2,2))

#1
Height<-c(144,166,163,143,152,169,130,159,160,175,161,170,146,159,150,183,165,146,169)
hist(Height,col="lightblue",border="red",labels=TRUE,ylim=c(0,7.2)) 

#2
hist(Height,breaks=12,freq=FALSE,density=10,angle=60)

#3
data <- c(rep(1, 10), rep(2, 5), rep(3, 6))
hist(data, breaks = c(0.5, 1.5, 2.5, 3.5))

8.2.11 核密度图

核密度估计是在概率论中用已知的样本来估计未知的密度函数，属于非参数检验方法之一。

density(x, bw = “nrd0”, adjust = 1, kernel = c(“gaussian”, “epanechnikov”, “rectangular”,“triangular”, “biweight”, “cosine”, “optcosine”),weights = NULL, window = kernel, width, give.Rkern = FALSE,n = 512, from, to, cut = 3, na.rm = FALSE, …)

---

• X:我们要进行核密度估计的数据，由样本构成的向量。
• Bw:带宽，bw为默认值时，R会画出光滑曲线。这里可以由我们自己制定，也可以使用默认的办法nrd0: Bandwidth selectors for Gaussian kernels。我们还可以使用bw.SJ(x,nb = 1000, lower = 0.1 * hmax, upper = hmax, method = c(“ste”,“dpi”), tol = 0.1 * lower)，这里的method =”dpi”就是前面提到过的插入法，”ste”代表solve-the-equationplug-in，也是插入法的改进
• Kernel：核的选择
• Weights:对比较重要的数据采取加权处理

#以faithful数据集为例说明density的用法：
#R数据集faithful是old faithful火山爆发的数据，其中“eruption”是火山爆发的持续时间，waiting是时间间隔.
#对数据“eruption”做核密度估计
data(faithful)  
A<-faithful  
x<-A[,"eruptions"]  
density(x)  
plot(density(x))  

par(mfrow=c(1,2))
data(faithful)  
A<-faithful  
attach(A)
plot(density(eruptions),main="eruptions")

#把核密度曲线加到直方图上
h1 <- hist(eruptions,prob=T,plot=T) $ density
h2 <- density(eruptions)
hist(eruptions,prob=T,ylim=range(h1,h2 $ y))
lines(h2)

a=read.table(file="c:/tiaoxing.csv",sep=",",header=TRUE);a
attach(a) 
dd=density(age)
plot(dd)

8.2.12 Q-Q图

无论是直方图还是经验分布图，要从比较上鉴别样本是否处近似于某种类型的分布是困难的。

QQ图可以帮我们鉴别样本的分布是否近似于某种类型的分布。

Q-Q图主要用于检验数据分布的相似性，如果要利用Q-Q图来对数据进行正态分布的检验，则可以令x轴为正态分布的分位数，y轴为样本分位数，如果这两者构成的点分布在一条直线上，就证明样本数据与正态分布存在线性相关性，即服从正态分布。

#首先安装画图的package叫做qqman：
install.packages('qqman')
library(qqman)

#简单实现qq图
#输入为一个vector，我们以a <- seq(1, 250, 1)做为示例数据
dev.new()
a <- seq(1, 250, 1)
#利用qqnorm函数直接绘制出了如下正态检验qq图
qqnorm(a)
#进一步使用qqline命令在qq图上加上标准直线
qqline(a, col=2, lwd=2)  # 设置为红色加粗
#注：qqline的默认算法为向量a上四分位数和下四分位数对应两个点的连线

8.2.12.1 qqnorm()函数

qqnorm()可以直接绘制正态分布检验的qqplot，结果大致呈一条直线则说明大致服从正态分布

qqnorm(age)                  #qqnorm(x)对向量做正态概率（纵轴为次序统计量，横轴为对应次序统计量的标准正太分位数 
qqline(age)                  #qqline(x)在qqnorm(x)图上画一条拟合曲线 
qqplot(Height,Weight)        #qqplot(x,y)把x和y的次序统计量分别画在x轴和y轴上以比较这两个变量的分布 

set.seed(100)
qqnorm(rnorm(200))

8.2.12.2 qqline()函数

作用：在qq图上加上标准直线

8.2.13 curve()函数：绘制常见函数曲线

curve函数语法格式如下：
curve(expr, from = NULL, to = NULL, n = 101, add =FALSE, type = “l”, xname = “x”, xlab = xname, ylab = NULL, log = NULL,xlim = NULL, …)

---

主要的参数如下：

• expr：函数名称或一个关于变量x的函数表达式；

• from，to：表示绘图的起止范围；

• n：一个整数值，表示x取值的数量；

• add：是一个逻辑值，当为TRUE时，表示将绘图添加到已存在的绘图中；

• type：与plot函数中type含义相同；

• xname：用于x轴变量的名称。

• xlab，ylab：x轴和y轴的标签名称。

par(mfrow=c(3,3))

#绘制y=x
curve(x+0, -10, 10, bty="l", xlab="x1", ylab="y")
abline(h=0, v=0, lty=2, col="gray")
text(0.5, -0.5, "0", col="gray")
text(8, 10, "y = x")

# 绘制y= 2x + 3
curve(2*x + 3, -10, 10, bty="l", xlab = "x", ylab = "y",  asp = 1)
abline(h=0, v=0, lty=2, col = "darkgray")
text(0.8, -0.8, "0", col = "darkgray")
text(15, 20, "y = 2x + 3")

#*********************************
# 绘制形如y = ax2 + bx + c的图像
#y=x^2
curve(x^2,-5,5,bty="l",xlab="x",ylab="y",asp=1,ylim=c(-5,25))
abline(h=0,v=0,lty=2,col="darkgray")
text(0.8,-0.8,"0",col="darkgray")
text(7,23,expression(paste("y = ",x^2)))

#y=x^2+3x+1
curve(x^2+3*x+1,-10,5,col="blue",add=T)
text(8,25.5,expression(paste("y = ",x^2," + 3x + 1")),col="blue")
abline(v= -b/(2*a),col="lightblue",lty=2)

#*********************************
# 绘制幂函数图像

下面的程序代码给出的是形如y = xα的图像。

# y = x
curve(x^1,-1.5,2,bty="l",xlab="x",ylab="y",asp=1,ylim=c(-1,1))
abline(h=0,v=0,lty=2,col="darkgray")
text(0.1,-0.1,"0",col="darkgray")
lines(c(0,1,1),c(1,1,0),lty=2,col="red")
text(1.1,0.95,"1",col="red")
#y = x ^ 2
curve(x^2,-1.5,2,add=T,col="blue")
#y = x ^ 3
curve(x^3,-1.5,2,add=T,col="orange")
#y = x ^ (1/2)
curve(x^(1/2), 0,2,add=T,col="green")
#y = x ^ (1/3)
curve(x^(1/3), 0,2,add=T,col="darkgreen")

#*********************************
# 绘制指数函数

下面程序代码绘制的是形如 y = ax的函数图像。

curve(2^x,-3,3,bty="l",xlab="x",ylab="y",asp=1,ylim=c(-0.5,8))
abline(h=0,v=0,lty=2,col="darkgray")
text(0.2,-0.15,"0",col="darkgray")
curve(4^x,-3,3,bty="l",add=T,col="blue")
curve((1/2)^x,-3,3,bty="l",add=T,col="red")
curve((1/4)^x,-3,3,bty="l",add=T,col="green")
curve(exp,-3,3,bty="l",add=T,col="orange")

#*********************************
# 绘制对数函数图像

绘制形如 y = loga(x)的函数图像

curve(log(x,2),0,10,bty="l",xlab="x",ylab="y",asp=1,ylim=c(-3,5))
abline(h=0,v=0,lty=2,col="darkgray")
text(0.15,-0.15,"0",col="darkgray")
curve(log(x),0,10,bty="l",add=T,col="orange")
curve(log(x,10),0,10,bty="l",add=T,col="blue")
curve(log(x,0.5),0,10,bty="l",add=T,col="green")
curve(log(x,0.1),0,10,bty="l",add=T,col="red")
#其中，橘黄色的曲线是y = ln(x)的函数图像。

#*********************************
# 绘制三角函数图像

#（1）正弦与余弦函数

#sin(x)
curve(sin(x),-10,10,bty="l",xlab="x",ylab="y",asp=1)
#cons(x)
curve(cos,-10,10,add=T,col="blue")
#下面是绘制坐标轴和图中红色的线及标签
abline(h=0,v=0,lty=2,col="darkgray")
text(0.5,-0.5,"0",col="darkgray")
lines(c(-pi,-pi),c(1.5,-1.5),col="red",lty=3)
text(-pi,2.5,expression(-pi),col="darkgray")
lines(c(-pi/2,-pi/2),c(1.5,-1.5),col="red",lty=3)
text(-pi/2,2.5,expression(-frac(pi,2)),col="darkgray")
lines(c(pi/2,pi/2),c(1.5,-1.5),col="red",lty=3)
text(pi/2,2.5,expression(frac(pi,2)),col="darkgray")
lines(c(pi,pi),c(1.5,-1.5),col="red",lty=3)
text(pi,2.5,expression(pi),col="darkgray")

#（2）正切函数

curve(tan,-2*pi,2*pi,col="red",ylim=c(-6,6),asp=1)
abline(h=0,v=c(-pi,-pi/2,0,pi/2,pi),lty=2,col="darkgray")
text(c(-pi+0.5,-pi/2+0.5,0.5,pi/2+0.5,pi+0.5),-0.5,
c("-π","-π/2",0,"π/2","π"),col="darkgray")

#（3）余切函数
#在R的默认基础库中没有提供余切函数，但是可以根据余切与正切的关系来绘制。余切等于正切的倒数。
#下面的代码是绘制余切函数：
curve(1/tan(x),-2*pi,2*pi,col="blue",ylim=c(-6,6),asp=1)
abline(h=0,v=c(-pi,-pi/2,0,pi/2,pi),lty=2,col="darkgray")
text(c(-pi+0.5,-pi/2+0.5,0.5,pi/2+0.5,pi+0.5),0.5, c("-π","-π/2",0,"π/2","π"),col="darkgray")

九.一些零碎知识的补充

1.清空内存操作

ls()  #查看
rm(list = ls())
gc()
ls()  #产看是否清空完毕

【注】：本文部分内容来自：翔宇亭IT乐园