前言

这不是基本图形的说明使用，例如常见的条形图，饼图，直方图等，此内容可以当作快速查阅手册。

条形图

简单条形图

条形图通过函数barplot()来实现，函数原型如下：

1
2
3
4
5
6
7
8
9
10
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, ...)
  • height：接收一个向量参数，根据向量参数内容绘制图形
  • **horiz = TRUE**：设置为TRUE则图形会生成水平条形图
  • main：图形标题
  • xlab：X 轴标签
  • ylab：Y 轴标签

代码示例：

1
2
barplot(trees$Girth,horiz = TRUE,main = '这是标题',
        xlab='这是X轴',ylab='这是Y轴')

运行效果：

image-20220512200201549

如果希望标签距离图表更近一些，可以通过额外设置mtext来增加外边框的文本标签，例如：

1
2
3
barplot(trees$Girth,horiz = TRUE,main = '这是标题',
        ,ylab='这是Y轴')
mtext('这是X轴',side=1,line = 2)

运行效果：

image-20220512202945242

如果需要绘制的变量是一个因子或者有序型因子，可以直接使用plot()绘制垂直条形图

堆砌条形图和分组条形图

如果传入的Height参数不是向量而是一个矩阵，则绘制的结果是堆砌条形图或者分组条形图。堆砌条形图和分组条形图取决于参数beside=FALSE/TRUE，如果为TRUE，则矩阵中的每一列表示一个分组，各列的值将并列而不是堆砌；如果为FALSE，则矩阵中的每一列都生成图中的一个条形，其高度取决于其值。

代码示例：

1
2
3
4
5
6
7
8
opar = par(no.readonly = TRUE)
# 将图形分割成一行两列
par(mfrow=c(1,2))
# 绘制堆砌条形图
barplot(matrix(1:20,4,5))
# 绘制分组条形图
barplot(matrix(1:20,4,5),beside = TRUE)
par(opar)

运行效果：

image-20220512204141414

均值条形图

可以将数据计算出各种平均值，中位值等结果生成相关条形图，代码示例：

1
2
3
barplot(c(summary(trees$Girth)),
        names.arg = c('Min.','1st Qu.','Median','Mean','3rd Qu.','Max'),
        las=2)

运行效果：

image-20220512212911555

关于文本显示不全问题，可以参考关于R以及Rstudio的相关问题，或者查看下面内容

条形图微调

随着条数的增多，标签可能会重叠或者消失，可以通过如下参数来调整：

  • cex.names：（数值型）小于 1 的数值表示缩小标签字体大小
  • names.arg：（向量）允许自定义标签内容
  • las=2：旋转字体朝向

棘状图

这是一种特殊的条形图，棘状图对堆砌图进行重缩放，使得每个条形的总值为 1 ，而每一段数据则以比例来呈现。棘状图可以通过vcd包中的spine()来绘制，代码示例：

注意：spine传递的参数必须是双向表，即table

1
2
3
4
# 棘状图
library(vcd)
a <- table(trees$Girth,trees$Height)
spine(a)

运行效果：

image-20220512215113129

饼图

饼图随处可见，可以通过函数pie来创建，其函数原型如下：

1
2
3
4
pie(x, labels = names(x), edges = 200, radius = 0.8,
    clockwise = FALSE, init.angle = if(clockwise) 90 else 0,
    density = NULL, angle = 45, col = NULL, border = NULL,
    lty = NULL, main = NULL, ...)
  • x：（数值型）表示每个扇形所占的面积
  • labels：（向量/单体取决于X）表示每个扇形的标签

代码示例：

1
2
3
# 饼图
a <- c(1,2,3)
pie(a,labels = c('苹果','西瓜','橘子'))

运行效果：

image-20220512215613638

如果希望实现3D饼图的效果，则可以使用plotrix包中的pie3D()函数来实现，代码示例：

1
2
3
4
5
# 3D饼图
library(plotrix)
a <- c(1,2,2.2)
name <- c('苹果','西瓜','橘子')
pie3D(a,labels=name,explode = 0.1)
  • explode：表示饼的分离程度

运行效果：

image-20220513184517721

如上图，在不标注标签数值的情况下，我们的肉眼获取无法区分”西瓜”和”橘子”的大小区别，这个时候可以使用扇形图。它是通过plotrix包中的fan.plot()函数来实现的。代码示例：

1
2
3
4
5
# 3D饼图
library(plotrix)
a <- c(1,2,2.2)
name <- c('苹果','西瓜','橘子')
fan.plot(a,labels=name)

运行效果：

image-20220513190120549

直方图

直方图是一种类似于条形图的图，它通过将X轴的值连续起来，然后Y值显示其高度，通过函数hist()函数来创建，函数原型如下：

1
2
3
4
5
6
7
8
9
hist(x, breaks = "Sturges",
     freq = NULL, probability = !freq,
     include.lowest = TRUE, right = TRUE, fuzz = 1e-7,
     density = NULL, angle = 45, col = "lightgray", 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, ...)
  • x：数据值
  • freq：（布尔值）当值为FLASE表示根据概率密度而不是频数绘制图形
  • breaks：用于控制组的数量

在定义直方图中的单元时，默认将生成等距切分。代码示例：

1
2
3
4
5
6
7
8
9
# 直方图
par(mfrow=c(1,3))
# 普通直方图
hist(trees$Girth)
# 概率密度直方图
hist(trees$Girth,freq = FALSE)
# 添加密度曲线
hist(trees$Girth,freq = FALSE)
lines(density(trees$Girth))

运行效果：

image-20220513192146545
  • density(x)：生成密度数据

核密度图

核密度图时用于估计随机变量密度概率的一种非参数方法，绘制核密度图的方法为：

1
plot(density(x))

代码示例：

1
2
3
4
5
6
7
8
9
# 核密度图
opar <- par(no.readonly = TRUE)
par(mfrow=c(1,2))
# 基本和密度图
plot(density(trees$Girth),main='核密度图')
# 颜色填充核密度图
plot(density(trees$Girth),main='核密度图')
polygon(density(trees$Girth),col = 'black')
par(opar)
  • polygon：绘制指定值下的多边形区域，可以理解为填充指定区域

运行效果：

image-20220513193651584

核密度可以通过分组来比较组间的差异，可以通过使用sm包中的sm.density.compare()来实现，具体方法和实现效果自行查询，此处不做说明。

箱线图

箱线图又称为盒须图，通过绘制连续型变量的五数总括，即最小值，下四分位数（第25百分位数），中位数（第50百分位数），上四分位数（第75百分位数）以及最大值，描述了连续型变量的分布。

通过函数boxplot来实现，函数原型如下：

1
2
3
4
5
boxplot(formula, data = NULL, ..., subset, na.action = NULL,
        xlab = mklab(y_var = horizontal),
        ylab = mklab(y_var =!horizontal),
        add = FALSE, ann = !add, horizontal = FALSE,
        drop = FALSE, sep = ".", lex.order = FALSE)

代码示例：

1
2
# 箱线图
boxplot(trees$Girth)

运行效果：

image-20220513195516930

可以通过boxplot.stats(x)来输出用于构建图形的统计量。

并列箱线图

可以通过传入参数的时候传入如下格式的参数即可：

1
boxplot(并列数据1~并列数据2)

具体用法和实现效果自行查询，此处不做说明

小提琴图

有一种特殊的箱线图，它结合了核密度图，形成了新的图形即小提琴图。

可以通过vioplot包中的vioplot()函数来绘制，函数原型如下：

1
vioplot(x, use.cols = TRUE, ...)

代码示例：

1
2
3
# 小提琴图
library(vioplot)
vioplot(trees$Girth)

运行效果：

image-20220513200708708

关于小提琴图的更多说明，请自行查询

点图

点图顾名思义，在图中根据数据绘制大量的点，可以通过dotchart()函数来实现，其函数原型如下：

1
2
3
4
5
6
7
dotchart(x, labels = NULL, groups = NULL, gdata = NULL, offset = 1/8,
         ann = par("ann"), xaxt = par("xaxt"), frame.plot = TRUE, log = "",
         cex = par("cex"), pt.cex = cex,
         pch = 21, gpch = 21, bg = par("bg"),
         color = par("fg"), gcolor = par("fg"), lcolor = "gray",
         xlim = range(x[is.finite(x)]),
         main = NULL, xlab = NULL, ylab = NULL, ...)
  • labels：用来指点每个点的标签

代码示例：

1
2
# 点图
dotchart(trees$Girth)

运行效果：

image-20220513201323377

End

关于 R 的基本图形如上所示，其更多的自定义参数可以查询官方文档，或者自行网络查询。