R语言200习题训练（带答案）（八）——图表展示

此部分内容会每日更新，包括但不限于基础知识，进阶知识，数据处理，图表展示，数据分析实战，机器学习算法等~ ！！！
本人统计学硕士在读，想在2024年完成sql、python、R语言、stata、matlab等软件的复盘和巩固，目前在做统计学知识和R语言的复习~
后续考虑出相关视频进行讲解说明，请大家持续点赞+收藏+关注哈，大家一起沟通交流~

2.4 图表展示习题

（1）基础图形的绘制（折线图、柱状图等）

习题16：
题目：绘制折线图，展示某产品近一年的销售趋势。

答案：

# 假设销售数据向量sales_data和对应的月份向量months已经给出
sales_data <- c(100, 120, 130, 150, 170, 160, 180, 200, 210, 220, 230)
months <- seq(from = as.Date("2023-01-01"), by = "month", length.out = length(sales_data))

# 绘制折线图
plot(months, sales_data, type = "l", main = "某产品近一年销售趋势", xlab = "月份", ylab = "销售额", col = "blue")

习题17：
题目：使用柱状图比较不同部门的员工人数。

答案：

# 假设部门名称向量departments和对应的员工人数向量staff_counts已经给出
departments <- c("部门A", "部门B", "部门C", "部门D")
staff_counts <- c(20, 30, 15, 25)

# 绘制柱状图
barplot(staff_counts, names.arg = departments, main = "不同部门员工人数比较", xlab = "部门", ylab = "员工人数", col = "lightgreen")

习题18：
题目：绘制堆叠柱状图，展示不同类别的销售数据。

答案：

# 假设类别名称矩阵categories和对应的销售数据矩阵sales_data已经给出
categories <- matrix(c("类别1", "类别2", "类别3", "类别1", "类别2", "类别3"), nrow = 2, byrow = TRUE)
sales_data <- matrix(c(10, 20, 30, 40, 50, 60), nrow = 2, byrow = TRUE)

# 绘制堆叠柱状图
barplot(sales_data, beside = FALSE, legend = rownames(sales_data), main = "不同类别销售数据堆叠柱状图", xlab = "类别", ylab = "销售额", col = c("lightblue", "lightgreen", "pink"))

习题19：
题目：分析一组时间序列数据，并绘制相应的折线图。

答案：
（假设时间序列数据已经以某种方式给出，这里使用随机生成的数据作为示例）

# 生成时间序列数据
set.seed(123)
time_series <- ts(rnorm(12), start = c(2023, 1), frequency = 12)

# 绘制折线图
plot(time_series, main = "时间序列数据折线图", xlab = "时间", ylab = "值", type = "l", col = "darkblue")

习题20：
题目：使用R语言绘制柱状图，并设置不同的填充颜色。

答案：

# 假设部门名称向量departments和对应的员工人数向量staff_counts已经给出
departments <- c("部门A", "部门B", "部门C", "部门D")
staff_counts <- c(20, 30, 15, 25)

# 设置不同的填充颜色
colors <- c("lightblue", "lightgreen", "pink", "yellow")

# 绘制柱状图并设置填充颜色
barplot(staff_counts, names.arg = departments, main = "不同部门员工人数比较", xlab = "部门", ylab = "员工人数", col = colors)

（2）使用ggplot2包进行高级绘图

习题21：
题目：使用ggplot2包绘制散点图，分析两个变量之间的关系。

答案：

# 加载ggplot2包
library(ggplot2)

# 假设数据框df包含两个变量x和y
df <- data.frame(x = rnorm(100), y = rnorm(100))

# 绘制散点图
ggplot(df, aes(x = x, y = y)) + geom_point() + ggtitle("两个变量之间的关系") + xlab("变量x") + ylab("变量y")

习题22：
题目：绘制分组箱线图，比较不同组别的数据分布情况。

答案：

# 加载ggplot2包
library(ggplot2)

# 假设数据框df包含数值型变量value和分组变量group
df <- data.frame(
  value = c(rnorm(20, mean = 0, sd = 1), rnorm(20, mean = 2, sd = 1.5), rnorm(20, mean = 1, sd = 1.2)),
  group = rep(c("A", "B", "C"), each = 20)
)

# 绘制分组箱线图
ggplot(df, aes(x = group, y = value, fill = group)) +
  geom_boxplot() +
  ggtitle("不同组别的数据分布箱线图") +
  xlab("组别") +
  ylab("数值") +
  theme_minimal() # 使用简洁的主题

习题23：
题目：使用ggplot2包绘制堆叠面积图，展示不同类别的占比情况。

答案：

# 加载ggplot2包
library(ggplot2)

# 假设数据框df包含分类变量category、数值型变量value和分组变量group
df <- data.frame(
  category = rep(c("Cat1", "Cat2", "Cat3"), each = 10),
  value = c(rnorm(10, mean = 20, sd = 5), rnorm(10, mean = 30, sd = 7), rnorm(10, mean = 15, sd = 4)),
  group = rep(c("A", "B"), each = 15)
)

# 绘制堆叠面积图
ggplot(df, aes(x = category, y = value, fill = group)) +
  geom_area(position = "stack") +
  ggtitle("不同类别的占比堆叠面积图") +
  xlab("类别") +
  ylab("值") +
  theme_minimal() +
  scale_fill_manual(values = c("lightblue", "lightgreen")) # 自定义填充颜色

习题24：
题目：分析一组多元数据，并使用ggplot2包进行可视化展示。

答案：
（这里我们假设多元数据包含多个变量，并使用散点图矩阵来展示它们之间的关系）

# 加载ggplot2和GGally包
library(ggplot2)
library(GGally)

# 假设数据框df包含多个变量
df <- data.frame(
  Var1 = rnorm(100),
  Var2 = rnorm(100, mean = 2),
  Var3 = rnorm(100, mean = -1, sd = 2),
  Var4 = rnorm(100, mean = 3, sd = 1.5)
)

# 使用ggpairs函数绘制散点图矩阵
ggpairs(df)

习题25：
题目：定制ggplot2图的样式，包括颜色、线条类型等。

答案：

# 加载ggplot2包
library(ggplot2)

# 假设数据框df包含数值型变量x和y
df <- data.frame(x = rnorm(100), y = rnorm(100))

# 定制ggplot2图的样式
ggplot(df, aes(x = x, y = y)) +
  geom_point(color = "purple", size = 3) + # 设置点的颜色和大小
  geom_line(aes(group = 1), color = "darkblue", linetype = "dashed") + # 设置线条的颜色和类型
  ggtitle("定制样式的散点图和折线图") +
  xlab("X轴") +
  ylab("Y轴") +
  theme_minimal() + # 使用简洁的主题
  theme(plot.title = element_text(size = 14, face = "bold")) # 定制标题样式

（3）图形的定制与优化（添加标题、图例、标签等）

习题26：
题目：为折线图添加标题和轴标签，使其更具可读性。

答案：

# 假设数据框df包含变量x和y
df <- data.frame(x = 1:10, y = rnorm(10))

# 绘制折线图并添加标题和轴标签
plot(df$x, df$y, type = "l", main = "折线图示例", xlab = "X轴标签", ylab = "Y轴标签", col = "blue", lwd = 2) # 设置线条颜色和宽度

习题27：
题目：在柱状图中添加图例，解释不同颜色或图案代表的含义。

答案：

# 假设数据框df包含变量group和value，以及用于区分组的变量color
df <- data.frame(
  group = rep(c("A", "B", "C"), each = 10),
  value = c(rnorm(10, mean = 2), rnorm(10, mean = 3), rnorm(10, mean = 1)),
  color = rep(c("red", "green", "blue"), each = 10)
)

# 绘制柱状图并添加图例
barplot(value ~ group, data = df, col = df$color, main = "分组柱状图示例", xlab = "组别", ylab = "值", legend = rownames(df), beside = TRUE)
legend("topright", legend = c("A", "B", "C"), fill = c("red", "green", "blue"), bty = "n") # 添加图例

习题28：
题目：优化散点图的布局，使其更加美观和易于理解。

答案：

# 假设数据框df包含变量x和y
df <- data.frame(x = rnorm(50), y = rnorm(50))

# 优化散点图布局
plot(df$x, df$y, main = "优化后的散点图", xlab = "X轴", ylab = "Y轴", pch = 20, cex = 1.5, col = "darkblue") # 设置点的类型和大小，以及颜色
abline(h = mean(df$y), col = "red", lwd = 2) # 添加均值水平线
abline(v = mean(df$x), col = "green", lwd = 2) # 添加均值垂直线
box(col = "lightgrey") # 添加灰色边框

习题29：
题目：为箱线图添加数据点的标签，以便更好地识别特定值。

答案：

# 假设数据框df包含数值型变量value
df <- data.frame(value = c(rnorm(20, mean = 0, sd = 1), rnorm(20, mean = 2, sd = 1.5), rnorm(20, mean = 1, sd = 1.2)))

# 绘制箱线图并添加数据点标签
boxplot(value ~ seq_along(df$value), data = df, xlab = "数据点", ylab = "值", main = "带标签的箱线图")
text(x = seq_along(df$value), y = df$value, labels = round(df$value, 2), pos = 3) # 添加数据点标签，pos=3表示标签位于数据点右侧

习题30：
题目：综合使用上述技巧，绘制一个包含多个子图的复杂图表，并进行适当的定制和优化。

答案：
（这里我们假设我们想要绘制一个包含散点图和箱线图的复杂图表）

# 加载所需的包
library(ggplot2)
library(gridExtra)

# 假设数据框df1和df2分别包含散点图和箱线图所需的数据
df1 <- data.frame(x = rnorm(50), y = rnorm(50))
df2 <- data.frame(group = rep(c("A", "B", "C"), each = 20), value = c(rnorm(20, mean = 0), rnorm(20, mean = 2), rnorm(20, mean = 1)))

# 绘制散点图
p1 <- ggplot(df1, aes(x = x, y = y)) +
  geom_point(color = "purple", size = 3) +
  ggtitle("散点图") +
  theme_minimal()

# 绘制箱线图
p2 <- ggplot(df2, aes(x = group, y = value, fill = group)) +
  geom_boxplot() +
  ggtitle("箱线图") +theme_minimal() +
  theme(legend.position = "none") # 隐藏图例，因为组别已经在x轴上表示了

# 使用grid.arrange函数将两个图表组合在一起
do.call(grid.arrange, c(list(p1, p2), ncol = 2))