【R作图基本图形 - 核密度图，箱线图，点图】

今天把基本图形基本结束掉，之后直接学ggplot2吧，冲！

1.核密度图

在上一个直方图中也用过其实，核密度估计是一种用于估计随机变量概率密度函数的非参数方法。用来观察连续变量地分布。

plot(density(x)),最简单地形式，plot是会新创建一幅新的图像，如果是要加上线可以用lines()，像上一篇中一样。如下是单个变量的密度图，以及多个变量密度图合并比较显示。

#核密度图
plot(density(mtcars$drat),main = 'Density of drat')
polygon(density(mtcars$drat),col = rainbow(1),border = "blue")#设置填充颜色和边界颜色
rug(mtcars$drat,col = 'red')#添加轴须图，在图最下面

#核密度图的叠加
install.packages("sm")
library(sm)
attach(mtcars)
cyl_f<-factor(cyl,levels = c(4,6,8),
              labels = c('4 cylinder','6 cylinder','8 cylinder'))#创建分组因子并设置顺序
sm.density.compare(mpg,cyl,xlab = "Miles per gallon")
title(main = "mpg distribution by cyl")#只能在外头加有用
legend(locator(1),levels(cyl_f),fill = 2:4)#鼠标交互式放图例，这个颜色的对应稍微有点不理解
detach(mtcars)

 

 2.箱线图

又称盒须图，展现连续型变量的五数：最小值、下四分位数、中位数、上四分位数、最大值。一定程度上展现分布情况，并且能展现出离群点，在范围外超过1.5四分位距的点。

boxplot(mpg ~ cyl,data = mtcars,
        main = "mpg - cyl",
        xlab = 'number of cylinders',
        ylab = 'miles per gallon')

#有凹槽
boxplot(mpg ~ cyl,data = mtcars,
        main = "mpg - cyl",
        xlab = 'number of cylinders',
        ylab = 'miles per gallon',
        col = 4,#颜色，蓝色
        notch = T,#含有凹槽，凹槽没有重叠，表明中位数有显著差异
        varwidth = T)#宽度与样本大小成正比

 

 对多个分组变量，进行比较展示，可能更常用一些，也跟能观察到数据的变化特征，比如下面的例子，能看到随着横坐标的变化，纵坐标的值在变小，还能比较不同类别的变化大小。

#两个交叉因子的箱线图比较
boxplot(mpg ~ cyl*am,data = mtcars,
        main = "mpg - cyl",
        xlab = 'number of cylinders',
        ylab = 'miles per gallon')

 

#直接这样，会按照数字顺序排列，横坐标很奇怪，需要修改标签
#把他们都设置成因子，两两组合,注意左右顺序
mtcars$cyl_f<-factor(mtcars$cyl,levels = c(4,6,8),labels = c('4','6','8'))
mtcars$am_f<-factor(mtcars$am,levels = c(0,1),labels = c("auto","standard"))
boxplot(mpg ~ am_f*cyl_f,data = mtcars,
        main = "mpg - cyl",
        xlab = 'number of cylinders',
        ylab = 'miles per gallon',
        col = c("gold","blue"))

 

3.点图

在水平刻度上绘制有大量标签值的方法，个人感觉不是很有用嘞。

dotchart(mtcars$mpg,labels = rownames(mtcars),
         xlab = 'miles per gallon',main = 'gas mileage for car models')

好啦，基本就这些，使用的数据集都是R里的mtcars，可以直接用的。