R基本作图《二》

1.散点图

> plot(x1,x2,main="数学分析与线性代数成绩的关系",xlab="数学分析",ylab="线性代数",xlim=c(0,100),ylim=c(0,100),xaxs="i",yaxs="i",col="red",pch=19)

#xlim指定x轴范围，ylim指定y轴范围，xaxs指定x轴样式，yaxs指定y轴样式，pch设置绘图符号pch缺省下设定数据显示为点状。pch 符号可以使用0 : 25来表示26 个标识（参看图pch 符号）,如pch=23设定数据点显示形状为菱形

2.连线图
> a=c(2,3,4,5,6)

> b=c(4,7,8,9,12)

> plot(a,b,type="l")  # type 类型为线， l

3.多条曲线图

plot(rain$Tokyo,type=”l”,col=red,ylim=c(0,300),main=”Monthly Rainfallin major cities”,xlab=”Month of Year”,ylab=”Rainfall(mm)”,lwd=2)

lines(rain$NewYork,type=”l”,col=”blue”,lwd=2)

lines(rain$London,type=”l”,col=”green”,lwd=2)

lines(rain$Berlin,type=”l”,col=”orange”,lwd=2)

其中rain 表示数据框，$ 后面表示列，lwd=2 表示线宽，lines 表示在plot 的基础上继续画图。

plot() 为高水平画图函数，不需要依赖其它画图函数；而lines 为低水平画图函数，必须依赖于高水平画图函数。

4.密度图

> plot(density(rnorm(1000)))

5.R的内置数据集

用data()函数可以列出

比如数据集mtcars：

数据集iris：

6.热力图

在这里使用 数据集 mtcars

> heatmap(as.matrix(mtcars),Rowv=NA,Colv=NA,col=heat.colors(256),scale="column",margins=c(2,8),main = "Carcharacteristics by Model")

# 其中 as.matrix 表示将数据框转变为矩阵； Rowv 和 Colv 表示横纵坐标； heat.color 表示颜色总量； scale 表示对列进行标准化。 其他绘制热力图的函数及意义表示

7.向日葵散点图

> sunflowerplot(iris[,3:4], col="gold",seg.col="gold")    

#表示仅绘制第3和第4列。

#向日葵散点图用来克服散点图中数据点重叠问题；在有重叠的地方用一朵“向日葵花”的花瓣数目来表示重叠数据的个数。

8.散点图集

散点图集遍历样本中全部的变量配对画出二元图；直观的了解所有变量之间的关系。

> pairs(iris[,1:4])   # 表示绘制第 1 至第 4 列的所有数据，任意两列之间的变量关系。

用plot也可以画出

> plot(iris[,1:4],main="Relationships between characteristics of iris flowers",pch=19,col="blue",cex=0.9)

par()用于在同一个device上输出多个散点图，par命令用于设置绘图参数，help(par)

> par(mfrow=c(3,1))

> plot(x1,x2);plot(x2,x3);plot(x3,x1)

9.关于绘图参数

9.1颜色

> colors()

  [1] "white" "aliceblue" "antiquewhite" "antiquewhite1" "antiquewhite2" "antiquewhite3" "antiquewhite4"

  [8] "aquamarine" "aquamarine1" "aquamarine2" "aquamarine3" "aquamarine4" "azure" "azure1"

 [15] "azure2" "azure3" "azure4" "beige" "bisque" "bisque1" "bisque2"

 [22] "bisque3" "bisque4" "black" "blanchedalmond" "blue" "blue1" "blue2"

 [29] "blue3" "blue4" "blueviolet" "brown" "brown1" "brown2" "brown3"

 [36] "brown4" "burlywood" "burlywood1" "burlywood2" "burlywood3" "burlywood4" "cadetblue"    

  

9.2绘图设备

dev.cur() 可以看到当前的图形窗口；

dev.list() 可以看到当前一共有多少图形窗口；

dev.next(which=dev.cur()) 下一个图形窗口；

dev.prev(which=dev.cur()) 上一个图形窗口；

dev.off(which=dev.cur())

dev.set(which=dev.next())

dev.new(…)

graphics.off()

9.3位置控制参数

(1) mai参数：A numerical vector of the form c(bottom, left, top, right) which gives the margin size specified in inches.

(2) oma参数：A vector of the form c(bottom, left, top, right) giving the size of the outer margins in lines of text.

10.三维散点图

首先安装scatterplot3d包

scatterplot3d(x[2:4])  # 将第 2 列至第 4 列绘制在 3D 图中。

x=y=seq(-2*pi,2*pi,pi/15)

f=function(x,y)sin(x)*sin(y)

z=outer(x,y,f)

contour(x,y,z,col=”blue”)

persp(x,y,z,theta=30,phi=30,expand=0.7,col=”lightblue”)

11.调和曲线

    调和曲线图调和曲线图是 D.F.Andrews1972  年提出的三角多项式作图法，所以又称为三角多项式图。其思想是把高维空间中的一个样品点对应于二维平面上的一条曲线。

    在多项式的图表示中，当各变量的数值太悬殊时，最好先标准化后再作图。这种图对聚类分析帮助很大，如果选择聚类统计量为距离的话，同类的曲线非常靠近拧在一起，不同类的曲线相互分开，非常直观。调和曲线图有两点优良数学性质：一是保持线性性，二是与一般的欧式距离之间的关系。 调和曲线用于聚类判断非常方便。

source(“d:\unison.R”)

unison(x[2:4])

12.地图

> library(maps)

> map("state",interior=FALSE)        #显示美国地图，没有州界区分线。

> map("state",interior=TRUE)        #显示美国地图，显示周界区分线。

> map("state",boundary=FALSE)        #不显示边界

>map("state",boundary=TRUE,col="red",add=TRUE)

> map("world",fill=TRUE,col=heat.colors(10))            #世界地图填充颜色

注：在安装maps包的时候可能会遇见这样一个错误：

> library(maps)

错误于library(maps) : 不存在叫‘maps’这个名字的程辑包

这时候应该首先下载maps

> install.packages("maps") 

--- 在此連線階段时请选用CRAN的鏡子 --- 
警告: 无法在貯藏處http://www.stats.ox.ac.uk/pub/RWin/bin/windows/contrib/2.11中读写索引 
试开URL’http://mirror.bjtu.edu.cn/cran/bin/windows/contrib/2.11/maps_2.1-5.zip' 
Content type 'application/zip' length 2134354 bytes (2.0 Mb) 
打开了URL 
downloaded 2.0 Mb 
程序包'maps'打开成功，MD5和检查也通过 
下载的程序包在 
C:\Users\shaokai\AppData\Local\Temp\Rtmpeml3Ru\downloaded_packages里

> library(maps) 

即可