R学习之第七步

     无论在何时分析数据，第一件要做的事情就是观察它。对于每个变量，哪些值是最常见 的？值域是大是小？是否有不寻常的观测？R中提供了丰富的数据可视化函数。这节课将展开对R中条形图，饼图，扇形图，直方图等图的了解。

1.条形图：通过垂直的或水平的条形展示了类别型变量的分布（频数）。函数barplot()的最简 单用法是：barplot(height) ，其中height是一个向量或一个矩阵。

代码barplot(c(1,2,4,2,6,4,3,5)) 显示出如下图形：（但如果加上horiz=TRUE，将显示横向条形图）

堆砌条形图：如果height是一个矩阵而不是一个向量，则绘图结果将是一幅堆砌条形图或分组条形图

上图为堆砌条形图，代码counts<-table(Arthritis$Improved,Arthritis$Treatment,beside=TRUE)将显示为分组条形图

条形图并不一定要基于计数数据或频率数据。你可以使用数据整合函数并将结果传递给 barplot()函数，来创建表示均值、中位数、标准差等的条形图

2.饼图：饼图可由以下函数创建： pie(x, labels) 其中x是一个非负数值向量，表示每个扇形的面积，而labels则是表示各扇形标签的字符型向量。

par(mfrow=c(2,2))
x <- c(10,12,4,16,8)
lab<-c("US","UK","Australia","Germary","France")
pie(x,lab,main = "Simple Pie Chart")

上述代码将表现出如下饼状图

rainbow() 函数定义了各扇形的颜色

3D饼图：绘制3D饼图之前要先下载安装plotrix，install.packages("plotrix")，library(plotrix)

代码  pie3D(x,explode = 0.1,main="3D pie Chart")  显示出下面3D饼图

代码fan.plot(x,labels = lab,main = "Fan plot") 显示出下面扇形图

3.直方图

直方图通过在x轴上将值域分割为一定数量的组，在y轴上显示相应值的频数，展示了连续型变量的分布。可以使用如下函数创建直方图： hist(x) 其中的x是一个由数据值组成的数值向量。

使用lines（density(x),col="red",lwd=2)可以画出直方图的轴须线，反映整个数值呈现的频率变化情况

4.核密度图：核密度估计是用于估计随机变 量概率密度函数的一种非参数方法。

sm包中的sm.density.compare()函数可向图形叠加两组或更多的核密度图。使用格式为： sm.density.compare(x, factor) 其中的x是一个数值型向量，factor是一个分组变量。在第一次使用sm包之前要安装它。

5.箱线图：箱线图（又称盒须图）通过绘制连续型变量的五数总括，即最小值、下四分位数（第25百分 位数）、中位数（第50百分位数）、上四分位数（第75百分位数）以及最大值，描述了连续型变量 的分布。

代码boxplot(mtcars$mpg,main="Box Plot",ylab="Mile per gallon") 将显示如下图形

两个跟R有关的网站

http://biotrainee.com/jmzeng/markdown/basic-plot-R.html

http://biotrainee.com/jmzeng/markdown/ggplot-in-R.html