r语言x c(-1 -2),R语言绘图篇（二）

1.散点图

library(base)

attach(mtcars)

plot(mtcars$wt,mtcars$mpg,

main="Basic Scatter plot of MPG vs.Weight",

xlab="Car Weight(lbs/100)",

ylab="Miles Per Gallon",

pch=19)

abline(lm(mtcars$mpg~mtcars$wt),col="red",lwd=2,lty=1)

lines(lowess(mtcars$wt,mtcars$mpg),col="blue",lwd=2,lty=2)

#lowess()函数用来添加一条平滑曲线，lowess()和loess(),loess是基于lowess()表达式版本的更新和更强大拟合函数

car中的scatterplot()函数可方便地绘制散点图，并添加拟合曲线、边界箱线图和置信椭圆，还可按子集绘图和交互式地识别点。

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")

2.散点图矩阵

(1)pairs()函数可创建基础的散点图矩阵

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

pairs(~mpg+disp+drat+wt,data=mtcars,main="Basic Scatter Plot Matrix",upper.panel=NULL)

(2)car包中的scatterplotMatrix()函数也可生成散点图矩阵

scatterplotMatrix()函数创建的散点图矩阵，主对角线上有核密度曲线和轴须图，其余图形都含有线性和平滑拟合曲线

可进行如下操作：

以某个因子为条件绘制散点图矩阵；

包含线性和平滑拟合曲线；

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。

library(car)

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

library(car)

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

(3)gclus包中的cpairs()函数

提供一个有趣的散点图矩阵变种，含有可能重排矩阵中变量位置的选项，可让相关性更高的变量更靠近主对角线，还可对各单元格进行颜色编码来展示变量间的相关性大小。

install.packages("gclus")

library(gclus)

mydata

mydata.corr

mycolors

myorder

cpairs(mydata,myorder,panel.colors=mycolors,gap=5,main="Variable Ordered and Colored by Correlation")

由结果可知，相关性最高的变量是车重与排量，以及每加仑英里数与车重(标为红色，且离主对角线最近)；

相关性最低的是后轴比与每加仑英里数(标注为黄色，且离主对角线很远)。

3.高密度散点图

set.seed(1234)

n

c1

c2

mydata

mydata

names(mydata)

with(mydata,plot(x,y,pch=19,main="Scatter Plot with 10,000 observation"))

with(mydata,smoothScatter(x,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

install.packages("hexbin")

library(hexbin)

with(mydata,{bin

plot(bin,main="Hexagonal Binning with 10,000 Observations")})

IDPmisc包中的iplot()函数可通过颜色来展示点的密度(在某特定点上数据点的数目)

with(mydata,iplot(x,y,main="Image Scatter Plot with Color Indicating Density"))

4.三维散点图

对三个变量的交互关系进行可视化  可用scatterplot3d中的scatterplot3d()函数来绘制它们的关系

install.packages("scatterplot3d")

library(scatterplot3d)

attach(mtcars)

scatterplot3d(mtcars$wt,mtcars$disp,mtcars$mpg,

main="Basic 3D Scatter Plot")

library(scatterplot3d)

attach(mtcars)

scatterplot3d(mtcars$wt,mtcars$disp,mtcars$mpg,

pch=16,

highlight.3d=TRUE,

type="h",

main="Basic 3D Scatter Plot")

s3d

pch=16,

highlight.3d=TRUE,

type="h",

main="Basic 3D Scatter Plot")

fit

s3d$plane3d(fit)

旋转三维散点图

rgl包中的plot3d()函数创建可交互的三维散点图

install.packages("rgl")

library(rgl)

attach(mtcars)

plot3d(mtcars$wt,mtcars$disp,mtcars$mpg,col="red",size=5)

可通过鼠标旋转坐标轴

install.packages("Rcmdr")

library(Rcmdr)

attach(mtcars)

scatter3d(mtcars$wt,mtcars$disp,mtcars$mpg)

scatter3d()函数可包含各种回归曲面，比如线性、二次、平滑和附加等类型。

5.气泡图

思想：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。

可用symbols()函数来创建气泡图

attach(mtcars)

r

symbols(mtcars$wt,mtcars$mpg,circler=r,inches=0.30,

fg="white",bg="lightblue",

main="Bubble Plot with point size proportional to displacement",

xlab="Weigt of Car(lbs/1000)",ylab="Miles Per Gallon")

text(wt,mpg,rownames(mtcars),cex=0.6)

detach(mtcars)

6.折线图

刻画变动的优秀工具

创建散点图和折线图

opar

par(mfrow=c(1,2))

t1

plot(t1$age,t1$circumstance,

xlab="Age(days)",

ylab="Circmference(mm)",

main="Orange Tree 1 Growth")

plot(t1$age,t1$circumstance,

xlab="Age(days)",

ylab="Circmference(mm)",

main="Orange Tree 1 Growth",

type="b")

拆线图类型

类型

图形外形

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)

plot()和lines()函数工作原理不同，plot()被调用时即创建一幅新图，而lines()函数则是在已存在的图形上添加信息，并不能自己生成图形。

Orange$Tree

ntrees

xrange

yrange

plot(xrange,yrange,

type="n",

xlab="Age(days)",

ylab="Circumstance(mm)")

colors

linetype

plotchar

for(i in 1:ntrees){

tree

lines(tree$age,tree$circumference,

type="b",

lwd=2,

lty=linetype[i],

col=colors[i],

pch=plotchar[i]

)

}

title("Tree Growth","example of line plot")

legend(xrange[1],yrange[2],

1:ntrees,

cex=.8,

col=colors,

pch=plotchar,

lty=linetype,

title="Tree")

7.相关图

install.packages("seriation")

library(corrgram)

corrgram(mtcars,ordr=TRUE,lower.panel=panel.shade,

upper.panel=panel.pie,text.panel=panel.txt,

main="Correlogram of mtcars intercorrelations")

默认地，蓝色和和从左下指向右上的斜杠表示单元格中的两个变量呈正相关；反过来，绝色和从左上指向右下的斜杠表示变量呈负相关。色彩越深，饱和度越高，说明变量相关性越大。

上三角单元格用饼图显示了相同的信息，颜色同上，但相关性大小由被填充的饼图块的大小来展示。正相关从12点钟处开始顺时针填充饼图，而负相关则是逆时针方向填充饼图。

corrgram()函数的panel选项

位置

面板选项

描述

非对角线

panel.pie

用饼图的填充比例来表示相关性大小

panel.shade

用阴影的深度来表示相关性的大小

panel.ellipse

绘制置信椭圆和平滑拟合曲线

panel.pts

绘制散点图

主对角线

panel.minmax

输出变量的最大最小值

panel.txt

变量的名字

corrgram(mtcars,ordr=TRUE,lower.panel=panel.shade,

upper.panel=NULL,text.panel=panel.txt,

main="Correlogram of mtcars intercorrelations")

8.马赛克图

·当变量是类别变量时，且数目多于三个的时候，可使用马赛克图。马赛克图中，嵌套矩阵面积正比于单元格频率，其中该频率即多维列联表中的频率。颜色和阴影可表示拟合模型的残差值。

vcd包中的mosaic()函数可以绘制马赛克图

base包中的mosaicplot()也可绘制马赛克图。

以 base中的Titanic数据集为例

ftable(Titanic)

library(vcd)

mosaic(Titanic,shade=TRUE,legend=TRUE)