R语言图形绘制

Smiling639

已于 2024-05-06 13:46:47 修改

阅读量1k

点赞数 39

文章标签： r语言

于 2024-04-23 19:13:49 首次发布

本文链接：https://blog.csdn.net/weixin_72965820/article/details/137505636

版权

提示：以下是本篇文章正文内容，下面案例可供参考

一、案例引入

1.根据散点绘制线性回归图

attach(mtcars)
plot(wt, mpg)
abline(lm(mpg~wt))
title("Regression of MPG on Weight")
detach(mtcars)

attach(mtcars): 将数据框 mtcars 附加到搜索路径中。
plot(wt, mpg): 绘制散点图，其中 x 轴是汽车重量（wt），y 轴是每加仑英里数（mpg），即汽车的燃油效率。
abline(lm(mpg~wt)): 添加一个线性回归线到散点图上。lm(mpg~wt) 计算了 mpg 对 wt 的线性回归模型，abline() 函数用于在图上绘制回归线。
title(“Regression of MPG on Weight”): 添加标题 “Regression of MPG on Weight” 到图形上，用于描述图中所显示的内容。
detach(mtcars): 这一行代码将数据框 mtcars 从搜索路径中分离出来，这意味着它不再被当前环境所引用。这是一种良好的做法，以防止数据框的变量名称与其他对象发生冲突。

在这里插入图片描述

2.对上述图形的改进

attach(mtcars)
plot(wt, mpg, pch=20, col=4, xlab="Weight", ylab="MPG")
abline(lm(mpg~wt), lty=1, col=2)
title("Regression of MPG on Weight")
legend("topright", c("Real Points","Fitting"), pch=c(20,NA), 
lty=c(NA,1), col=c(4,2))
detach(mtcars)

这段代码相比上面的代码进行了如下改进：

plot() 函数调用中增加了参数 pch、col、xlab 和 ylab。这些参数分别用于指定绘制的点的形状、颜色以及 x 轴和 y 轴的标签。这使得图形更具可读性和美观性。
abline() 函数调用中增加了参数 lty 和 col，用于指定回归线的线型和颜色。这使得回归线更易于辨认。
legend() 函数的调用中增加了参数 pch、lty 和 col，用于在图形中添加图例。这使得图形更具说明性，使得读者可以理解图中不同元素的含义。
给图形添加了 x 轴和 y 轴的标签，以及标题，增强了图形的可读性。

二、保存图形

1.菜单中选择

请添加图片描述
可以定义图片的格式、名称、尺寸和保存路径。

2.使用保存函数

pdf("mygraph.pdf")
attach(mtcars)
plot(wt, mpg)
abline(lm(mpg~wt))
title("Regression of MPG on Weight")
detach(mtcars)
dev.off()

pdf(“mygraph.pdf”): 这一行代码指定了要生成的 PDF 文件的名称为 “mygraph.pdf”，并将之后的图形输出保存到这个文件中。这意味着所有绘图命令生成的图形将被保存到这个 PDF 文件中，而不是直接显示在屏幕上。
dev.off(): 这一行代码关闭了 PDF 设备，结束了图形的绘制。这之后的绘图命令将不再输出到 “mygraph.pdf” 文件中。

三、图形参数

1.绘图函数直接指定

plot(x, y, type="b", lty=2, pch=17)

这个例子是绘制散点图，其中 x 是 x 轴上的数据，y 是 y 轴上的数据。在这个示例中，我们通过提供选项名=值对来设置了图形参数：
type=“b”：指定绘图类型为 “b”，即同时绘制线条和点。
lty=2：指定线条的类型为 2，即虚线。
pch=17：指定点的形状为 17，即实心菱形。

2.par（）函数

par() 函数是 R 语言中用于设置图形参数的函数。它可以控制绘图的各种方面，如图形的大小、颜色、线型、点型等等。

opar <- par(no.readonly=TRUE)
par(lty=2, pch=17)
plot(x, y, type="b")
par(opar)

opar <- par(no.readonly=TRUE): 首先保存当前的图形参数设置到一个对象 opar 中。par(no.readonly=TRUE) 指定了 par() 函数不返回只读的参数列表，这样我们就可以修改这些参数。
par(lty=2, pch=17): 这个例子设置了新的图形参数。具体地，lty=2 指定了线条的类型为虚线，pch=17 指定了点的形状为实心菱形。
plot(x, y, type=“b”): 在这个设置下，绘制了一个散点图，其中的线条和点的类型由之前的 par() 设置决定。
par(opar): 最后，通过 par(opar) 将图形参数恢复为之前保存的状态。这个操作可以在绘图之后恢复到之前的默认参数设置，以避免影响其他绘图。

散点符号类型

请添加图片描述

对21～25号可以修改其边框和填充颜色。

符号大小用cex设置

线条类型

请添加图片描述
点线结合：用type选择
“p”：绘制数据点，不连接它们。
“l”：绘制数据点，并用线段连接它们。
“b”：绘制数据点，并用线段连接它们，同时在每个数据点处绘制一个大点。
“o”：绘制数据点，并用线段连接它们，同时在每个数据点处绘制一个小点。
“h”：绘制一条水平线段，与 y 值有关，数据点位于线段的顶部。
“s”：绘制一条阶梯线，与 x 轴平行，垂直于 y 轴。
请添加图片描述

3.颜色设置

请添加图片描述

opar <- par(no.readonly=TRUE)
par(mfrow = c(4,1), mar=c(2,1,1.3,1)) 
x <- 1:5 
y <- 1:5 
plot(x, y, col = 1, main = "col = 1", type = "l") 
plot(x, y, col = 2, main = "col = 2", type = "l") 
plot(x, y, col = 3, main = "col = 3", type = "l") 
plot(x, y, col = 4, main = "col = 4", type = "l") 
par(opar)

par(mfrow = c(4,1), mar=c(2,1,1.3,1)): 这一行代码设置了图形参数，将图形分割为 4 行 1 列的布局，即绘制四个子图。mfrow 参数指定了图形行列布局（4行1列），mar 参数指定了边距的大小，分别为下、左、上、右。
下面四行plot代码分别绘制了四个子图，每个子图中的折线的颜色依次为 1、2、3 和 4（分别代表黑、红、绿、蓝）。

在这里插入图片描述
fg和bg的区别：
fg为前景色，bg为背景色，如下图所示：
请添加图片描述

4.文本设置

文本大小设置：cex

请添加图片描述
例：修改标签大小

opar <- par(no.readonly=TRUE)
par(mfrow = c(1,2)) 
x <- 1:5 
y <- 1:5 
plot(x, y, cex.lab = 1, main = "cex.lab = 1") 
plot(x, y, cex.lab = 2, main = "cex.lab = 2") 
par(opar)

par(mfrow = c(1,2)): 这一行代码设置了图形布局，将图形分为一行两列，即创建一个具有两个子图的布局。因此，后续的绘图命令将会在这个布局中的两个子图中显示。
cex.lab表示标签大小（x和y的大小）

绘制出的图片：
在这里插入图片描述

文字格式设置：字体font、大小ps

请添加图片描述
font常用取值：
“plain”：普通字体样式；
“bold”：粗体样式；
“italic”：斜体样式；
“bold.italic”：粗斜体样式。
ps默认值为12，表示12磅大小的文本。

5.图形布局

请添加图片描述

pin：是图形设备的绘图区域的尺寸，以英寸为单位。pin 是一个长度为 2 的数值向量，包含了绘图区域的宽度和高度。默认情况下，pin 的值是 (7, 7)，表示绘图区域的宽度和高度均为 7 英寸。
mai：是绘图区域的边距参数，用于控制绘图区域内部的空白区域。mai 是一个长度为 4 的数值向量，包含了绘图区域的下、左、上和右边距。默认情况下，mai 的值是 (1, 1, 1, 1)，表示绘图区域的四个边距均为 1。
mar：是图形设备的边距（margin）参数，用于控制整个图形的边距。mar 是一个长度为 4 的数值向量，包含了整个图形的下、左、上和右边距。默认情况下，mar 的值是 (5.1, 4.1, 4.1, 2.1)，表示整个图形的四个边距分别为 5.1、4.1、4.1 和 2.1。

四、图形属性

1. 标题

title(main =, sub =, xlab =, ylab =, line =, outer =, …)

main：主标题的各个属性
par(c(“font.main”, “cex.main”, “col.main”))
sub：副标题的各个属性
par(c(“font.sub”, “cex.sub”, “col.sub”))
xlab和ylab：x轴和y轴的各个属性
par(c(“font.lab”, “cex.lab”, “col.lab”))
line： line 参数的值会覆盖标签的默认放置位置，使标签从图的边缘向外移动指定数量的行。
outer：指示标题应放置在图形的外边缘上，如果 outer 参数为 TRUE，则标题将放置在整个图形的外边缘上，而不是在内部区域。（默认情况下，outer 参数是 FALSE，意味着标题将放置在图形内部区域的顶部。）

2. 坐标轴

axis(side, at =, labels =, pos =, lty =, col =, las =, tck =, …)

side：在图形的哪一侧
1 = bottom, 2 = left, 3 = top,and 4 = right
at：用数值向量表示要绘制刻度标记的位置
labels：用字符向量表示要放置在刻度标记处的标签（默认为at值）
pos：表示绘制坐标轴线的坐标位置，即与另一个轴交叉的值（原点）。
lty：线条类型
col：线条和刻度的颜色
las：绘制标签的方向（与轴平行（= 0），垂直于轴（= 2））
tck：每个刻度标记的长度，作为绘图区域的比例（负数表示在图形外部，正数表示在内部，0 不做刻度标记，1 创建网格线），默认值是 -0.01

3.示例

x <- c(1:10)
y <- x
z <- 10/x
opar <- par(no.readonly=TRUE)
par(mar=c(5, 4, 4, 8) + 0.1)
plot(x, y, type="b", pch=21, col="red",yaxt="n", lty=3, ann=FALSE)
lines(x, z, type="b", pch=22, col="blue", lty=2)
axis(2, at=x, labels=x, col.axis="red", las=2)
axis(4, at=z, labels=round(z, digits=2),
col.axis="blue", las=2, cex.axis=0.7, tck=-.01)
mtext("y=1/x", side=4, line=3, cex=1, las=2, col="blue")
title("An Example of Creative Axes", xlab="X values", ylab="Y=X")
par(opar)

par(mar=c(5, 4, 4, 8) + 0.1): 设置绘图区域的边距，使得右边距稍微大一些。
plot(x, y, type=“b”, pch=21, col=“red”, yaxt=“n”, lty=3, ann=FALSE): 绘制以 (x, y) 为坐标的散点图，点形状为方块(pch：point character=21)，线型为虚线(type)，颜色为红色(col)，同时禁止绘制 y 轴刻度标签和注释(yaxt=“n”)。
lines(x, z, type=“b”, pch=22, col=“blue”, lty=2): 绘制以 (x, z) 为坐标的线图，点形状为圆圈（pch=22），线型为虚线（type），颜色为蓝色。（lines用于在已有的图形上添加新的线条）
axis(2, at=x, labels=x, col.axis=“red”, las=2): 在左侧添加 y 轴，刻度标签和刻度线与 y 轴平行，刻度标签为 x 向量的值，颜色为红色。
mtext(“y=1/x”, side=4, line=3, cex=1, las=2, col=“blue”): 在右边的 y 轴上添加文字 “y=1/x”，并设置字体大小为原来的 1 倍，颜色为蓝色。
title(“An Example of Creative Axes”, xlab=“X values”, ylab=“Y=X”): 添加图形的标题和轴标签。

在这里插入图片描述

4.参考线

abline(a =, b =, h =, v =, reg =, coef =, untf =, …)

a, b：截距和斜率，通常用于绘制一条直线。它们是单个数值。
untf：一个逻辑值，用于指定是否对直线进行反变换。如果设置为 TRUE，则对直线进行反变换；如果设置为 FALSE（默认值），则不进行反变换。
h：一组 y 值，用于绘制水平线（horizontal）。这些 y 值确定了水平线的位置。
v：一组 x 值，用于绘制垂直线（vertical）。这些 x 值确定了垂直线的位置。
coef：一个长度为两的向量，包含直线的截距和斜率。
reg：一个具有 coef 方法的对象，通常是一个线性回归模型的结果对象。
例：

x <- 1:10
y <- x+rnorm(10,0,1)
plot(x, y) //绘制点图
abline(a=-2, b=2, col=2)
abline(h=c(min(y),max(y)), col=3)
abline(v=c(5,6), col=4)
abline(lm(y~x), col=5)

abline(a=-2, b=2, col=2)：绘制一条具有截距 -2 和斜率 2 的直线，颜色为红色（col=2）。
abline(h=c(min(y),max(y)), col=3)：绘制两条水平线，分别位于 y 值的最小值和最大值处，颜色为绿色（col=3）。
abline(v=c(5,6), col=4)：绘制两条垂直线，分别位于 x 值为 5 和 6 处，颜色为蓝色（col=4）。
abline(lm(y~x), col=5)：根据拟合的线性模型绘制一条直线，这条直线是通过拟合散点图中的数据得到的。

在这里插入图片描述

5.图例

legend(location, title, legend, …)

location：指定图例的放置位置，可以是一个包含 x 和 y 坐标的向量，或者是一个字符串，表示图例的位置，如 “bottom”、“bottomleft”、“left”、“topleft”、“top” 、“right”、“toplight”。
title：图例的标题。
legend：一个字符向量，包含要在图例中显示的文本标签。
其他参数：用于设置图例的外观，例如 col、lty、pch 等。

6. 文本注释

text() 函数用于在图形内部放置文本，而 mtext() 函数用于在图形的四个边缘之一放置文本。
text(location, “text to place”, pos, cex, col, font, …)：

location：指定要放置文本的位置，可以是一个包含 x 和 y 坐标的向量。
“text to place”：要放置的文本内容。
pos：指定文本相对于位置的放置方式，可选值有 “outer”、“inner”、“middle” 和 “center” 等。1 = below, 2 = left, 3 = above, 4 = right（1234下左上右）
cex：指定文本的缩放比例。
col：指定文本的颜色。
font：指定文本的字体。

mtext(“text to place”, side, line=n, pos, cex, col, font, …)：

“text to place”：要放置的文本内容。
side：指定文本要放置在哪个边缘，可选值有 “bottom”、“left”、“top” 和 “right”。1 = bottom, 2 = left, 3 = top, 4 = right（1234下左上右）
line：指定文本相对于边缘的距离，单位为行数。
pos：指定文本相对于边缘的放置方式，可选值有 “outer”、“inner” 和 “middle”。
cex：指定文本的缩放比例。
col：指定文本的颜色。
font：指定文本的字体。

例：

plot(mtcars$wt, mtcars$mpg,main="Mileage vs. Car Weight",xlab="Weight",ylab="Mileage",pch=18, col="blue")
text(mtcars$wt, mtcars$mpg,row.names(mtcars),cex=0.6, pos=4, col="red")

text() 函数用于在每个数据点旁边添加汽车的名称。wt 和mpg 分别表示汽车的重量和油耗，此处表示location（一个x坐标，一个y坐标），在点旁边加注释，row.names(mtcars) 返回一个字符向量：汽车的名称。cex=0.6 指定文本的缩放比例为 0.6，pos=4 指定文本相对于数据点的位置，col=“red” 指定文本的颜色为红色。

在这里插入图片描述
可见上图的文本注释有重合，如何优化该图？

plot(mtcars$wt, mtcars$mpg, main="Mileage vs. Car Weight", xlab="Weight",ylab="Mileage", pch=18, col="blue") 
carlabs <- sapply(strsplit(row.names(mtcars)," "), function(x) x[[1]]) 
text(mtcars$wt, mtcars$mpg, carlabs, cex=0.6, pos=4, col="red")

加入了rsapply(strsplit(row.names(mtcars)," "), function(x) x[[1]]) 这一行代码：

strsplit(row.names(mtcars)," ") 将每个汽车名称按照空格进行分割，返回一个列表，列表中的每个元素是一个字符向量，包含了汽车名称中的每个单词。
sapply() 函数对这个列表进行处理，对列表中的每个元素（即每个汽车名称）应用匿名函数 function(x) x[[1]]，这个函数返回汽车名称的第一个单词，从而使图形更为简洁。

在这里插入图片描述

五、其他功能

1.图形组合

par函数：控制绘图时的各种参数，包括在单个绘图设备上排列多个图形的方式。

mfrow=c(nrows, ncols)：这个参数指定了绘图布局的行数和列数。图形会按行填充。
mfcol=c(nrows, ncols)：这个参数也指定了绘图布局的行数和列数。不同的是，图形会按列填充

layout函数：layout() 函数将绘图设备划分为与矩阵 mat 中的行数和列数相同的行和列，其中列宽和行高由相应的参数指定。
layout(mat, widths = rep.int(1, ncol(mat)), heights = rep.int(1, nrow(mat)), respect = FALSE)

mat：一个矩阵对象，用于指定输出N个图形的位置。
widths：一个向量，用于指定设备上列的宽度值。可以使用数值指定相对宽度，也可以使用 lcm() 函数指定绝对宽度（以厘米为单位）。
heights：一个向量，用于指定设备上行的高度值。
respect：一个逻辑值，指定是否应该保持与 mat 矩阵相同的比例来设置图形的尺寸，默认为FALSE。
例：

def.par<-par(no.readonly = TRUE)
layout(matrix(c(1,1,0,2),2,2,byrow = TRUE))
layout.show(2)

这段代码使用了layout()函数，它指定了一个包含四个图形的绘图布局，其中两个图形占据了第一行的两个位置，另外两个图形占据了第二行的两个位置。通过layout.show(2)函数，我们可以看到这个布局的具体样式。

nf<-layout(matrix(c(1,1,0,2),2,2,byrow=TRUE),respect = TRUE)
layout.show(nf)

respect=TRUE表明输出为正方形

例：

x<- pmin(3, pmax(-3, stats::rnorm(50)))
y<- pmin(3, pmax(-3, stats::rnorm(50)))
xhist <- hist(x, breaks = seq(-3,3,0.5), plot = FALSE)
yhist <- hist(y, breaks = seq(-3,3,0.5), plot = FALSE)
top<- max(c(xhist$counts, yhist$counts))
xrange <-c(-3,3)
yrange <-c(-3,3)
nf <- layout (matrix(c(2, 0,1,3),2,2,byrow= TRUE),c(3,1),c(1,3),TRUE)
layout.show(nf)

这段代码创建了两个随机变量 x 和 y，然后绘制了它们的直方图。

x <- pmin(3, pmax(-3, stats::rnorm(50)))：生成了一个长度为 50 的随机变量 x，其值范围被限制在 [-3, 3] 之间。
y <- pmin(3, pmax(-3, stats::rnorm(50)))：生成了另一个长度为 50 的随机变量 y，其值范围同样被限制在 [-3, 3] 之间。
xhist <- hist(x, breaks = seq(-3,3,0.5), plot = FALSE)：计算了 x 的直方图，将其存储在 xhist 中，但不进行绘制。
yhist <- hist(y, breaks = seq(-3,3,0.5), plot = FALSE)：计算了 y 的直方图，将其存储在 yhist 中，但不进行绘制。
top <- max(c(xhist $co u n t s, y hi s t$ counts))：找到了两个直方图中的最大计数，用于确定直方图的高度范围。
xrange <- c(-3,3) 和 yrange <- c(-3,3)：指定了 x 和 y 轴的范围。
最后，通过 layout() 函数创建了一个包含四个区域的 2x2 布局。在这个布局中，直方图被放置在左上角和右下角的位置，而 x 和 y 轴的标签则位于布局的顶部和右侧。layout.show(nf) 函数展示了这个布局。

例：

par(mar = c(3,3,1,1))
plot (x, y, xlim = xrange, ylim= yrange, xlab="",ylab="")
par(mar = e(0,3,1,1))
barplot(xhist$counts, axes =FALSE, ylim = e(0, top), space = 0)
par (mar = c(3,0,1,1))
barplot (yhist$counts, axes =FALSE, xlim = c(0, top), space = 0, horiz = TRUE)

这段代码使用了 barplot() 函数绘制了两个直方图，同时通过 plot() 函数绘制了散点图。这里是代码的解释：

par(mar = c(3,3,1,1))：设置绘图边距，这里是上、右、下、左边距的值。
plot(x, y, xlim = xrange, ylim = yrange, xlab = “”, ylab = “”)：绘制了散点图，其中 x 和 y 分别表示横纵坐标的值，xlim 和 ylim 参数指定了坐标轴的范围，xlab 和 ylab 参数指定了坐标轴的标签。
par(mar = c(0,3,1,1))：设置了新的绘图边距。
barplot(xhist$counts, axes = FALSE, ylim = c(0, top), space = 0)：绘制了 xhist 的直方图，axes = FALSE 参数表示不绘制坐标轴，ylim 参数指定了 y 轴的范围，space = 0 参数表示直方图之间没有间隔。
par(mar = c(3,0,1,1))：设置了另一个新的绘图边距。
barplot(yhist$counts, axes = FALSE, xlim = c(0, top), space = 0, horiz = TRUE)：绘制了 yhist 的直方图，horiz = TRUE 参数表示绘制水平直方图，xlim 参数指定了 x 轴的范围，space = 0 参数表示直方图之间没有间隔。

2.在图形上添加点

points(x =, y =, type =, …)
注意：必须在已有图形的基础上加点。
例：

x <- 1:5 
y <- 1:5 
plot(x, y, type = "l") 
points(c(2,3,4), c(2,3,4), cex=3, col=2)

请添加图片描述

3.绘制特定的图形类型

3.1 条形图

例：

barplot(GNP ~ Year, data = longley)

GNP是要绘制的数值变量，而Year是用于分组的类别变量，两者用～连接。
data指定了数据来源，即longley数据集。

请添加图片描述

barplot(cbind(Employed, Unemployed) ~ Year, data = longley)

这里使用cbind()函数将就业人数（Employed）和失业人数（Unemployed）合并成一个矩阵，并使用~ Year指定时间（Year）作为分组变量。

请添加图片描述
对于barplot的更详细的解释：

barplot(height, width = 1, space = NULL,
names.arg = NULL, legend.text = NULL, beside = FALSE,
horiz = FALSE, density = NULL, angle = 45,
col = NULL, border = par("fg"),
main = NULL, sub = NULL, xlab = NULL, ylab = NULL,
xlim = NULL, ylim = NULL, xpd = TRUE, log = "",
axes = TRUE, axisnames = TRUE,
cex.axis = par("cex.axis"), cex.names = par("cex.axis"),
inside = TRUE, plot = TRUE, axis.lty = 0, offset = 0,
add = FALSE, ann = !add && par("ann"), args.legend = NULL, ...)

以下是这些参数的含义：

height: 一个向量，指定了每个条形的高度。
width: 一个数值，指定了每个条形的宽度。
space: 一个数值或者向量，指定了条形之间的间隔。如果设置为NULL，则由函数自动计算。
names.arg: 一个向量，指定了每个条形的标签名称。
legend.text: 一个字符向量，指定了图例中每个条形的标签文本。
beside: 一个逻辑值，指定了是否将条形图并列显示，默认为FALSE，表示条形将堆叠显示。
horiz: 一个逻辑值，指定了是否绘制水平条形图，默认为FALSE，表示绘制垂直条形图。
density: 一个数值或者向量，指定了每个条形的阴影线填充密度。如果为NULL，则条形将不填充。
angle: 一个数值，指定了条形的阴影线填充角度。
col: 一个颜色向量，指定了条形的填充颜色。rainbow（1:10）：可以把十个柱子填充成10种颜色。
border: 一个颜色向量，指定了条形的边框颜色，为NA则无边框。
main: 一个字符值，指定了图形的主标题。
sub: 一个字符值，指定了图形的副标题。
xlab: 一个字符值，指定了X轴的标签。
ylab: 一个字符值，指定了Y轴的标签。
xlim: 一个长度为2的数值向量，指定了X轴的范围。
ylim: 一个长度为2的数值向量，指定了Y轴的范围。
xpd: 一个逻辑值，指定了是否允许绘制超出绘图区域的部分，默认为TRUE。
log: 一个字符值，指定了轴上的对数刻度。
axes: 一个逻辑值，指定了是否绘制坐标轴。
axisnames: 一个逻辑值，指定了是否绘制坐标轴标签。
cex.axis: 一个数值，指定了坐标轴标签的大小。
cex.names: 一个数值，指定了条形标签的大小。
inside: 一个逻辑值，指定了是否将标签绘制在条形内部。
plot: 一个逻辑值，指定了是否绘制图形。
axis.lty: 一个数值，指定了坐标轴的线条类型。
offset: 一个数值，指定了条形的偏移量。
add: 一个逻辑值，指定了是否将条形图添加到已有的绘图中。
ann: 一个逻辑值，指定了是否绘制标题、轴标签和图例。
args.legend: 一个列表，包含了用于绘制图例的其他参数。
...: 其他参数，用于传递给legend()函数。

这些参数提供了广泛的选项，允许你自定义条形图的外观和布局。

使用实例：用柱状图生成色卡

pdf("colors-bar.pdf", height=120)
par(mar=c(0,10,3,0)+0.1, yaxs="i")
barplot(rep(length(colors()), length(colors())), col=rev(colors()), names.arg=rev(colors()), horiz=T, las=1, xaxt="n", main=expression("Bar of colors in"~italic(colors())))
dev.off()

pdf("colors-bar.pdf", height=120): 这行代码创建了一个名为"colors-bar.pdf"的PDF文件，并指定了文件的高度为120英寸。pdf()函数会开始记录所有后续的绘图操作，并将它们保存到指定的PDF文件中。
par(mar=c(0,10,3,0)+0.1, yaxs="i"): 这行代码设置了图形的绘图参数。mar参数控制了图形的边距，它的值是一个长度为4的数值向量，分别代表了上、右、下、左四个边距的大小。yaxs参数设置了Y轴的扩展方式，"i"表示使用内部扩展。
barplot(……): 这行代码创建了一个水平条形图。rep(length(colors()), length(colors()))生成了一个长度等于颜色数量的向量，用于指定每个条形的高度（=颜色个数）。col=rev(colors())设置了条形的填充颜色，使用了颜色向量的倒序。names.arg=rev(colors())设置了每个条形的标签名称，也使用了颜色向量的倒序。horiz=T指定了绘制水平条形图。las=1设置了标签文本的方向为水平。xaxt="n"禁止了X轴的绘制。main=expression("Bar of colors in"~italic(colors()))设置了图形的标题（italic用于设置为斜体）。
dev.off(): 这行代码结束了PDF文件的绘制过程，并将其关闭。此时，之前绘制的内容会被保存到"colors-bar.pdf"文件中。

生成的色卡部分：请添加图片描述

3.2 饼图

pie(x, labels)：
x是非负数值型向量，代表面积；
label代表每个扇形的标签字符。
x和label一一对应。
例：

opar <- par(no.readonly=TRUE)
par(mfrow=c(1, 2))
#第一张图
slices <- c(10, 12, 4, 16, 8)
lbls <- c("US", "UK", "Australia", "Germany", "France")
pie(slices, labels = lbls, main="Simple Pie Chart")
#第二张图
pct <- round(slices/sum(slices)*100)
lbls2 <- paste(lbls, " ", pct, "%", sep="")
pie(slices, labels=lbls2, col=rainbow(length(lbls2)), main="Pie Chart with Percentages")
par(opar)

在第二张图中，使用round()函数（取整）计算了每个扇形的百分比，并用paste函数将其合并成一个新的字符串lbls2作为扇形标签。col=rainbow(length(lbls2))用彩虹色系为每个扇形着色。

在这里插入图片描述

3.3 直方图

hist(x)函数用于创建直方图，以下是一些常用参数：

breaks：指定区间的数目或边界。可以是一个整数，表示区间的数量，也可以是一个表示边界值的向量。
main：指定主标题。
xlab：指定 x 轴标签。
ylab：指定 y 轴标签。
xlim：指定 x 轴的范围。
ylim：指定 y 轴的范围。
col：指定直方图的颜色。
border：指定直方图的边界颜色。

例：

#图1
opar <- par(no.readonly=TRUE)
par(mfrow=c(2,2))
hist(mtcars$mpg)
#图2
hist(mtcars$mpg, breaks=12, col="red", 
xlab="Miles Per Gallon", 
main="Colored histogram with 12 bins")
#图3
hist(mtcars$mpg, freq=FALSE, breaks=12, col="red", 
xlab="Miles Per Gallon", 
main="Histogram, rug plot, density curve")
rug(jitter(mtcars$mpg))
lines(density(mtcars$mpg), col="blue", lwd=2)
#图4
x <- mtcars$mpg
h<-hist(x, breaks=12, col="red", xlab="Miles Per Gallon", 
main="Histogram with normal curve and box")
xfit<-seq(min(x), max(x), length=40)
yfit<-dnorm(xfit, mean=mean(x), sd=sd(x))
yfit <- yfit*diff(h$mids[1:2])*length(x)
lines(xfit, yfit, col="blue", lwd=2)
box()
par(opar)

在这里插入图片描述

图3中，freq=FALSE表示绘制的是密度而不是频数，rug(jitter(mtcars$mpg))表示添加rug plot。jitter()函数对数据进行抖动处理，避免数据点之间的重叠，然后rug()函数将抖动后的数据点绘制在x轴上，以表示数据的分布情况。
lines(density(mtcars$mpg), col="blue", lwd=2)：添加密度曲线。density()函数用于计算数据的密度估计，然后lines()函数将密度曲线添加到图形中，col="blue"指定了曲线的颜色为蓝色，lwd=2指定了曲线的线宽为2。

图4中，xfit<-seq(min(x), max(x), length=40)：生成40个均匀间隔的值，用于在直方图范围内创建正态分布曲线。
yfit<-dnorm(xfit, mean=mean(x), sd=sd(x))：使用dnorm()函数计算了在给定数据集的均值和标准差下，每个xfit值对应的正态分布的概率密度值。
yfit <- yfit*diff(h$mids[1:2])*length(x)：对计算出的正态分布曲线进行调整，以便与直方图的频率分布匹配。频数=频率 * 样本总数=频率 / 组距 * 组距 * 样本总数～密度 * 组距 * 样本总数。
lines(xfit, yfit, col="blue", lwd=2)：使用lines()函数将计算出的正态分布曲线添加到图形中。
box()：在图形周围绘制一个边界框。

补充：直方图和条形图的区别

用途：
直方图通常用于显示连续变量的分布情况，例如测量数据或观测值。
条形图通常用于比较不同类别或组之间的数据，例如不同产品的销售量或不同月份的收入。
数据类型：
直方图的横轴通常表示连续的数据范围，例如时间、长度或温度等。
条形图的横轴通常表示不同的类别或组，例如产品名称、月份或地区等。
柱子的形状：
直方图中的柱子通常是相邻的，表示连续的数据范围，柱子之间没有间隔。
条形图中的柱子通常是分开的，每个柱子表示一个类别或组，柱子之间有间隔。
数据表示：
直方图的纵轴表示每个区间或范围内的数据频数或密度。
条形图的纵轴表示每个类别或组的数据值，通常是计数或其他汇总统计量。
解释：
直方图可以帮助分析数据的分布形状，例如是否对称、是否存在峰值或尾部等特征。
条形图可以帮助比较不同类别或组之间的差异，并快速识别最大值或最小值所在的类别。

3.4 密度图

使用density()函数创建密度图：

plot(density(x))：创建一个新的图形，并在图形中绘制x向量的密度曲线。
lines(density(x))：将密度曲线添加到已经存在的图形中。

例：

opar <- par(no.readonly=TRUE)
par(mfrow=c(2,1))
plot(density(mtcars$mpg))
plot(density(mtcars$mpg), 
main="Kernel Density of Miles Per Gallon")
polygon(density(mtcars$mpg), col="red", border="blue")
rug(mtcars$mpg, col="brown")
par(opar)

在这里插入图片描述

上例绘制了 mtcars 数据集中里程每加仑的密度图，第二张图中，polygon(density(mtcars$mpg), col="red", border="blue")：在第二个图形中添加了一个多边形，填充颜色为红色，边框颜色为蓝色。这个多边形会覆盖密度曲线的区域。
rug(mtcars$mpg, col="brown")：在第二个图形中添加了地毯图，以棕色表示。地毯图显示了每个观测值的位置。

3.5 箱线图

箱线图描述了连续变量的分布情况，通过绘制其五数概括来实现：最小值（Q0 或第0百分位数）、下四分位数（Q1 或第25百分位数）、中位数（Q2 或第50百分位数）、上四分位数（Q3 或第75百分位数）和最大值（Q4 或第100百分位数）。
箱线图可以显示可能为异常值的观测值（值在±1.5*IQR范围之外，其中IQR定义为上四分位数Q3减去下四分位数 Q1）。
例：

x<-c(1:100,-100,200)
boxplot(x)

在这里插入图片描述

默认情况下，每根箱线的延伸范围为最极端的数据点，其距离箱子的距离不超过箱线图的1.5倍四分位距。超出此范围的值会以点的形式表示。上例中两个异常点-100和200就是这种情况。

箱线图可以针对单个变量或按组变量创建。其格式为：

boxplot(formula, data=dataframe)

公式 y ~ A 会为分类变量 A 的每个值生成一个独立的数值变量 y 的箱线图。
公式 y ~ A*B 会为分类变量 A 和 B 的每个水平组合生成一个数值变量 y 的箱线图。
dataframe 表示提供数据的数据框（或列表）。
添加varwidth=TRUE 使箱线图的宽度与其样本量的平方根成比例。
添加 horizontal=TRUE 以反转轴方向。

例1：

boxplot(mpg ~ cyl, data=mtcars,
        main="Car Mileage Data",
        xlab="Number of Cylinders",
        ylab="Miles Per Gallon")

在这里插入图片描述

cyl有3种可能：4，6，8，因此绘制出了三个箱子。

例2:

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,
varwidth=TRUE,
col=c("gold","darkgreen"),
main="MPG Distribution by Auto Type",
xlab="Auto Type", ylab="Miles Per Gallon")

在这里插入图片描述

3.6 点图

用于显示分类变量的频数或水平。

dotchart(x, labels = NULL, groups = NULL, gcolor = par("fg"), color = par("fg"), cex = 1, pt.cex = cex, pch = 1, gpch = par("pch"), bg = par("bg"), lcolor = par("fg"), xlim = NULL, main = NULL, xlab = NULL, ylab = NULL, ...)

其中：
x：数值向量，表示每个点的位置。
labels：标签向量，用于指定每个点的标签。
groups：数值或因子向量，用于指定每个点的分组。
gcolor：分组的颜色。
color：点的颜色。
cex：标签的大小。
pt.cex：点的大小。
pch：点的形状。
gpch：分组标记的形状。
bg：点的背景颜色。
lcolor：线条颜色。
xlim：x轴的限制。

例1:

x <- mtcars[order(mtcars$mpg),]
x$cyl <- factor(x$cyl)
x$color[x$cyl==4] <- "red"
x$color[x$cyl==6] <- "blue"
x$color[x$cyl==8] <- "darkgreen"
dotchart(x$mpg,
         labels = row.names(x),
         cex=.7,
         groups = x$cyl,
         gcolor = "black",
         color = x$color,
         pch=19,
         main = "Gas Mileage for Car Models\ngrouped by cylinder",
         xlab = "Miles Per Gallon")

x <- mtcars[order(mtcars$mpg),]：首先按照汽车的油耗（mpg）对数据集进行排序。
x$cyl <- factor(x$cyl)：将汽缸数量转换为因子变量，不同的气缸数就是不同的因子水平，以便后面对其进行不同颜色的涂色。
groups = x$cyl：根据汽缸数量进行分组。
在这里插入图片描述

4.绘图综合练习

例1
请添加图片描述
答案：

opar <- par(no.readonly=TRUE)
plot(mtcars$wt, mtcars$mpg,main="Mileage vs. Car Weight",xlab="Weight",ylab="MPG",pch=1, col="black")
abline(h=mean(mtcars$mpg),v=mean(mtcars$wt),col="blue",lty=2)
points(mean(mtcars$wt),mean(mtcars$mpg),pch=23,cex=1.5,col="red",bg="red")
text(min(mtcars$wt)+0.25,mean(mtcars$mpg),paste("Mean:",round(mean(mtcars$mpg),2)),pos=1)
text(mean(mtcars$wt),min(mtcars$mpg),paste("Mean:",round(mean(mtcars$wt),2)),pos=4)#下左上右1234

例2 请添加图片描述
答案：

plot(mtcars$wt, mtcars$mpg, main="Mileage vs. Car Weight", xlab="Weight", ylab="MPG",col=ifelse(mtcars$am==0,"blue","red"),pch=ifelse(mtcars$am==0,1,0))
legend("topright",inset=0.05,"Transmission",legend=c("manual","auto"),col=c("red","blue"),pch=c(1,0))