R 语言图表

前言

R 提供了非常丰富的绘图功能，可以通过命令：demo(graphics)（二维图表） 或者 demo(persp)（三维图表）来体验 R 绘图功能的强大。

图形工具是 R 环境的一个重要组成部分。R 提供了多种绘图相关的命令，分成三类：

• 高级绘图命令：在图形设备上产生一个新的图区，它可能包括坐标轴，标签，标题等等。
• 低级绘图命令：在一个已经存在的图上加上更多的图形元素，如额外的点，线和标签。
• 交互式图形命令：允许交互式地用鼠标在一个已经存在的图上添加图形信息或者提取图形信息。

下面介绍 R 的常用图表。

条形图

条形图表示矩形条中的数据，条的长度与变量的值成比例。R 语言使用函数 barplot() 创建条形图。R 语言可以在条形图中绘制垂直和水平条。在条形图中，每个条可以给予不同的颜色。

语法

在 R 语言中创建条形图的基本语法是：

barplot(H, xlab, ylab, main, names.arg, col)

以下是所使用的参数的说明：

• H 是包含在条形图中使用的数值的向量或矩阵。
• xlab 是 x 轴的标签。
• ylab 是 y 轴的标签。
• main 是条形图的标题。
• names.arg 是在每个条下出现的名称的向量。
• col 用于向图中的条形提供颜色。

创建条形图

使用输入向量和每个条的名称创建一个简单的条形图。

以下脚本将创建并保存当前 R 语言工作目录中的条形图。

# Create the data for the chart.
H <- c(7, 12, 28, 3, 41)

# Give the chart file a name.
png(file = "barchart.png")

# Plot the bar chart.
barplot(H)

# Save the file.
dev.off()

当我们执行上面的代码，它产生以下结果：

条形图标签，标题和颜色

可以通过添加更多参数来扩展条形图的功能。主要参数用于添加标题。col 参数用于向条形添加颜色。name.args 是具有与输入向量相同数量的值的向量，以描述每个条的含义。

以下脚本将在当前 R 语言工作目录中创建并保存条形图。

# Create the data for the chart.
H <- c(7, 12, 28, 3, 41)
M <- c("Mar", "Apr", "May", "Jun", "Jul")

# Give the chart file a name.
png(file = "barchart_months_revenue.png")

# Plot the bar chart.
barplot(H, names.arg = M, xlab = "Month", ylab = "Revenue", col = "blue", main = "Revenue chart", border = "red")

# Save the file.
dev.off()

当我们执行上面的代码，它产生以下结果：

组合条形图和堆积条形图

我们可以使用矩阵作为输入值，在每个条中创建条形图和堆叠组的条形图。

超过两个变量表示为用于创建组合条形图和堆叠条形图的矩阵。

# Create the input vectors.
colors <- c("green", "orange", "brown")
months <- c("Mar", "Apr", "May", "Jun", "Jul")
regions <- c("East", "West", "North")

# Create the matrix of the values.
Values <- matrix(c(2, 9, 3, 11, 9, 4, 8, 7, 3, 12, 5, 2, 8, 10, 11), nrow = 3, ncol = 5, byrow = TRUE)

# Give the chart file a name.
png(file = "barchart_stacked.png")

# Create the bar chart.
barplot(Values, main = "total revenue", names.arg = months, xlab = "month", ylab = "revenue", col = colors)

# Add the legend to the chart.
legend("topleft", regions, cex = 1.3, fill = colors)

# Save the file.
dev.off()

当我们执行上面的代码，它产生以下结果：

箱线图

箱线图是数据集中的数据分布良好的度量。它将数据集分成三个四分位数。此图表表示数据集中的最小值，最大值，中值，第一四分位数和第三四分位数。它还可用于通过绘制每个数据集的箱线图来比较数据集之间的数据分布。

R 语言中使用 boxplot() 函数来创建箱线图。

语法

在 R 语言中创建箱线图的基本语法是：

boxplot(x, data, notch, varwidth, names, main)

以下是所使用的参数的说明：

• x 是向量或公式。
• data 是数据框。
• notch 是逻辑值。设置为 TRUE 以绘制凹口。
• varwidth 是一个逻辑值。设置为 TRUE 以绘制与样本大小成比例的框的宽度。
• names 是将打印在每个箱线图下的组标签。
• main 用于给图表标题。

我们使用 R 语言环境中可用的数据集 mtcars 来创建基本箱线图。让我们看看 mtcars 中的列 mpg 和 cyl。

input <- mtcars[, c('mpg', 'cyl')]
print(head(input))

# 当我们执行上面的代码，它产生以下结果：

                   mpg  cyl
Mazda RX4         21.0   6
Mazda RX4 Wag     21.0   6
Datsun 710        22.8   4
Hornet 4 Drive    21.4   6
Hornet Sportabout 18.7   8
Valiant           18.1   6

创建箱线图

以下脚本将为 mpg（英里 / 加仑）和 cyl（气缸数）之间的关系创建箱线图。

# Give the chart file a name.
png(file = "boxplot.png")

# Plot the chart.
boxplot(mpg ~ cyl, data = mtcars, xlab = "Number of Cylinders", ylab = "Miles Per Gallon", main = "Mileage Data")

# Save the file.
dev.off()

当我们执行上面的代码，它产生以下结果：

带槽的箱线图

我们可以绘制带槽的箱线图，以了解不同数据组的中值如何相互匹配。 以下脚本将为每个数据组创建一个带缺口的箱线图。

# Give the chart file a name.
png(file = "boxplot_with_notch.png")

# Plot the chart.
boxplot(mpg ~ cyl, data = mtcars, xlab = "Number of Cylinders", ylab = "Miles Per Gallon", main = "Mileage Data", notch = TRUE, varwidth = TRUE, col = c("green", "yellow", "purple"), names = c("High", "Medium", "Low"))

# Save the file.
dev.off()

当我们执行上面的代码，它产生以下结果：

直方图

直方图表示被存储到范围中的变量的值的频率。直方图类似于条形图，但不同之处在于将值分组为连续范围。直方图中的每个柱表示该范围中存在的值的数量的高度。

R 语言使用 hist() 函数创建直方图。此函数使用向量作为输入，并使用一些更多的参数来绘制直方图。

语法

使用 R 语言创建直方图的基本语法是：

hist(v, main, xlab, xlim, ylim, breaks, col, border)

以下是所使用的参数的说明：

• v 是包含直方图中使用的数值的向量。
• main 表示图表的标题。
• col 用于设置条的颜色。
• border 用于设置每个条的边框颜色。
• xlab 用于给出 x 轴的描述。
• xlim 用于指定 x 轴上的值的范围。
• ylim 用于指定 y 轴上的值的范围。
• break 用于提及每个条的宽度。

创建直方图

使用输入 vector，label，col 和边界参数创建一个简单的直方图。

下面给出的脚本将创建并保存当前 R 语言工作目录中的直方图。

# Create data for the graph.
v <- c(9, 13, 21, 8, 36, 22, 12, 41, 31, 33, 19)

# Give the chart file a name.
png(file = "histogram.png")

# Create the histogram.
hist(v, xlab = "Weight", col = "yellow", border = "blue")

# Save the file.
dev.off()

当我们执行上面的代码，它产生以下结果：

X 和 Y 值的范围

要指定 X 轴和 Y 轴允许的值的范围，我们可以使用 xlim 和 ylim 参数。

每个条的宽度可以通过使用间隔来确定。

# Create data for the graph.
v <- c(9, 13, 21, 8, 36, 22, 12, 41, 31, 33, 19)

# Give the chart file a name.
png(file = "histogram_lim_breaks.png")

# Create the histogram.
hist(v, xlab = "Weight", col = "green", border = "red", xlim = c(0, 40), ylim = c(0, 5), breaks = 5)

# Save the file.
dev.off()

当我们执行上面的代码，它产生以下结果：

折线图

折线图是通过在它们之间绘制线段来连接一系列点的图。这些点在它们的坐标（通常是 X 坐标）值之一中排序。折线图通常用于识别数据中的趋势。

R 语言中的 plot() 函数用于创建折线图。

语法

在 R 语言中创建折线图的基本语法是：

plot(v, type, col, xlab, ylab)

以下是所使用的参数的说明：

• v 是包含数值的向量。
• type 采用值 p 仅绘制点，l 仅绘制线和 o 绘制点和线。
• xlab 是 x 轴的标签。
• ylab 是 y 轴的标签。
• main 是图表的标题。
• col 用于给点和线的颜色。

创建折线图

使用输入向量和类型参数 o 创建简单的折线图。以下脚本将在当前 R 工作目录中创建并保存折线图。

# Create the data for the chart.
v <- c(7, 12, 28, 3, 41)

# Give the chart file a name.
png(file = "line_chart.png")

# Plot the bar chart. 
plot(v, type = "o")

# Save the file.
dev.off()

当我们执行上面的代码，它产生以下结果：

折线图标题，颜色和标签

线图的特征可以通过使用附加参数来扩展。我们向点和线添加颜色，为图表添加标题，并向轴添加标签。

# Create the data for the chart.
v <- c(7, 12, 28, 3, 41)

# Give the chart file a name.
png(file = "line_chart_label_colored.png")

# Plot the bar chart.
plot(v, type = "o", col = "red", xlab = "Month", ylab = "Rain fall", main = "Rain fall chart")

# Save the file.
dev.off()

当我们执行上面的代码，它产生以下结果：

多线型折线图

通过使用 lines() 函数，可以在同一个图表上绘制多条线。

在绘制第一行之后，lines() 函数可以使用一个额外的向量作为输入来绘制图表中的第二行。

# Create the data for the chart.
v <- c(7, 12, 28, 3, 41)
t <- c(14, 7, 6, 19, 3)

# Give the chart file a name.
png(file = "line_chart_2_lines.png")

# Plot the bar chart.
plot(v, type = "o", col = "red", xlab = "Month", ylab = "Rain fall", main = "Rain fall chart")

lines(t, type = "o", col = "blue")

# Save the file.
dev.off()

当我们执行上面的代码，它产生以下结果：

散点图

散点图显示在笛卡尔平面中绘制的许多点。每个点表示两个变量的值。在水平轴上选择一个变量，在垂直轴上选择另一个变量。

R 语言使用 plot() 函数创建简单散点图。

语法

在 R 语言中创建散点图的基本语法是：

plot(x, y, main, xlab, ylab, xlim, ylim, axes)

以下是所使用的参数的说明：

• x 是其值为水平坐标的数据集。
• y 是其值是垂直坐标的数据集。
• main 要是图形的图块。
• xlab 是水平轴上的标签。
• ylab 是垂直轴上的标签。
• xlim 是用于绘图的 x 的值的极限。
• ylim 是用于绘图的 y 的值的极限。
• axes 指示是否应在绘图上绘制两个轴。

创建散点图

我们使用 R 语言环境中可用的数据集 mtcars 来创建基本散点图。让我们使用 mtcars 中的 wt 和 mpg 列。

input <- mtcars[, c('wt', 'mpg')]
print(head(input))

# 当我们执行上面的代码，它产生以下结果：

                    wt      mpg
Mazda RX4           2.620   21.0
Mazda RX4 Wag       2.875   21.0
Datsun 710          2.320   22.8
Hornet 4 Drive      3.215   21.4
Hornet Sportabout   3.440   18.7
Valiant             3.460   18.1

以下脚本将为 wt（重量）和 mpg（英里/加仑）之间的关系创建一个散点图。

# Get the input values.
input <- mtcars[, c('wt', 'mpg')]

# Give the chart file a name.
png(file = "scatterplot.png")

# Plot the chart for cars with weight between 2.5 to 5 and mileage between 15 and 30.
plot(x = input$wt, y = input$mpg, xlab = "Weight", ylab = "Milage", xlim = c(2.5, 5), ylim = c(15, 30), main = "Weight vs Milage")

# Save the file.
dev.off()

当我们执行上面的代码，它产生以下结果：

散点图矩阵

当我们有两个以上的变量，我们想找到一个变量和其余变量之间的相关性，我们使用散点图矩阵。我们使用 pairs() 函数创建散点图的矩阵。

语法

在 R 中创建散点图矩阵的基本语法是：

pairs(formula, data)

以下是所使用的参数的说明：

• formula 表示成对使用的一系列变量。
• data 表示将从其获取变量的数据集。

创建散点图矩阵

每个变量与每个剩余变量配对。为每对绘制散点图。

# Give the chart file a name.
png(file = "scatterplot_matrices.png")

# Plot the matrices between 4 variables giving 12 plots.

# One variable with 3 others and total 4 variables.

pairs(~wt + mpg + disp + cyl, data = mtcars, main = "Scatterplot Matrix")

# Save the file.
dev.off()

当执行上面的代码中，我们得到以下输出。

饼状图

R 编程语言有许多库来创建图表和图表。饼图是将值表示为具有不同颜色的圆的切片。切片被标记，并且对应于每个片的数字也在图表中表示。

在 R 语言中，饼图是使用 pie() 函数创建的，它使用正数作为向量输入。附加参数用于控制标签，颜色，标题等。

语法

使用 R 语言创建饼图的基本语法是：

pie(x, labels, radius, main, col, clockwise)

以下是所使用的参数的说明：

• x 是包含饼图中使用的数值的向量。
• labels 用于给出切片的描述。
• radius 表示饼图圆的半径（值 -1 和 +1 之间）。
• main 表示图表的标题。
• col 表示调色板。
• clockwise 是指示片段是顺时针还是逆时针绘制的逻辑值。

创建饼状图

使用输入向量和标签创建一个非常简单的饼图。以下脚本将创建并保存当前 R 语言工作目录中的饼图。

# Create data for the graph.
x <- c(21, 62, 10, 53)
labels <- c("London", "New York", "Singapore", "Mumbai")

# Give the chart file a name.
png(file = "pie.png")

# Plot the chart.
pie(x, labels)

# Save the file.
dev.off()

当我们执行上面的代码，它产生以下结果：

饼图标题和颜色

我们可以通过向函数中添加更多参数来扩展图表的功能。我们将使用参数 main 向图表添加标题，另一个参数是 col，它将在绘制图表时使用彩虹色板。托盘的长度应与图表中的值的数量相同。因此，我们使用 length(x)。

以下脚本将创建并保存当前 R 语言工作目录中的饼图。

# Create data for the graph.
x <- c(21, 62, 10, 53)
labels <- c("London", "New York", "Singapore", "Mumbai")

# Give the chart file a name.
png(file = "pie_title_colours.png")

# Plot the chart with title and rainbow color pallet.
pie(x, labels, main = "City pie chart", col = rainbow(length(x)))

# Save the file.
dev.off()

当我们执行上面的代码，它产生以下结果：

切片百分比和图表图例

我们可以通过创建其他图表变量来添加切片百分比和图表图例。

# Create data for the graph.
x <- c(21, 62, 10, 53)
labels <- c("London", "New York", "Singapore", "Mumbai")

piepercent<- round(100*x/sum(x), 1)

# Give the chart file a name.
png(file = "pie_percentage_legends.png")

# Plot the chart.
pie(x, labels = piepercent, main = "City pie chart", col = rainbow(length(x))), legend("topright", c("London", "New York", "Singapore", "Mumbai"), cex = 0.8, fill = rainbow(length(x)))

# Save the file.
dev.off()

当我们执行上面的代码，它产生以下结果：

3D 饼图

可以使用其他软件包绘制具有 3 个维度的饼图。软件包 plotrix 有一个名为 pie3D() 的函数，用于此。

如果没有安装 plotrix 包可以使用 install.packages("plotrix") 语句安装。

# Get the library.
library(plotrix)

# Create data for the graph.
x <- c(21, 62, 10, 53)
lbl <- c("London", "New York", "Singapore", "Mumbai")

# Give the chart file a name.
png(file = "3d_pie_chart.png")

# Plot the chart.
pie3D(x, labels = lbl, explode = 0.1, main = "Pie Chart of Countries")

# Save the file.
dev.off()

当我们执行上面的代码，它产生以下结果：