R语言绘图学习笔记

   在做数据分析时，我们通常作的举动就是画散点图分析。因为通过散点图的分析，我们可以最直观，最简单的得出大概的结论。今天我分享的内容就是R语言的绘图函数。

    关于R语言强大的绘图功能，我们可以通过函数demo(graphics),demo(persp)来见识R带给我们的绘图便利。

一、数据的初步分析
     我们对数据的初步分析常用的图像有：散点图、直方图、茎叶图、箱线图。对于时间序列，散点图，acf图，pacf图，残差图更是数据分析、建模的有利帮手。

先介绍创建图像的函数plot（）的用法：

Plot（x,y…）:x（在x轴上）与y（在y轴上）的二元作图，如果缺省x，x视为y的序列标号

我们以截面数据（R中自带数据集cars为例，看看散点图的做法）

plot(cars$speed,cars$dist, xlab = expression(speed^" of cars"), ylab =expression(dist^" of cars"))#从图中我们可以看到线性相关，从而可以考虑对这两个变量做回归分析

我们以随机游走序列为例也来看一个时间序列图：

set.seed(154)#用途是给定伪随机数的seed，在同样的seed下，R生成的伪随机数序列是相同的。

w<-rnorm(200)

x<-cumsum(w)#累计求和，seeexample：cumsum(1:!0)

wd<-w+0.2

xd<-cumsum(wd)

plot.ts(xd,ylim=c(-5,55))

我们可以看到如下图像：

 

对于一些需要猜测分布截面数据，没有比直方图更适合的了。我们通常使用函数hist（）。用法如下：

hist(x, breaks = "Sturges",

    freq = NULL, probability = !freq,

    include.lowest = TRUE, right = TRUE,

    density = NULL, angle = 45, col = NULL, border = NULL,

    main = paste("Histogram of" , xname),

    xlim = range(breaks), ylim = NULL,

    xlab = xname, ylab,

    axes = TRUE, plot = TRUE, labels = FALSE,

    nclass = NULL, warn.unused = TRUE, ...)

我们来看看模拟二项分布所得的数据的画出的直方图：

x<-rbinom(100000,100,0.9)

hist(x)

通常对于大规模的数据，了解其分布也是需要的，我们常用箱线图来描述，还是使用上面的模拟数据x,有boxplot(x).两个函数得到的图：

 

对于小规模数据，茎叶图也是常被使用的。R中的stem函数可以完成它。Stem函数用法：stem(x, scale = 1, width = 80, atom = 1e-08)

>stem(log10(islands))#对于R的数据集islands