散點圖矩陣是散點圖的高維擴展，它從一定程度上克服了在平面上展示高維數據的困難，在展示多維數據的兩兩關系時有著不可替代的作用。R

軟件就包含了各種不同版本的散點圖函數，本文主要介紹散點圖矩陣的設計及其在R中的實現方法，并比較它們的長短，從而審時度勢，選取自己喜歡的表現方式和

相應的函數。

他山之石，可以攻玉。除了輔之以不同的顏色、符號外，散點圖中還可以添加其他圖形元素，以增強表達力，最常見的添加劑有坐標軸須、直方圖、箱線圖、平滑曲線、擬合曲線等。

常見的畫散點圖矩陣的函數有：

pairs(graphics)

R中，graphics包中的pairs()是畫散點圖矩陣的長老級函數，它不僅可以繪制最樸素的散點圖矩陣，同時也可以通過進一步設置繪圖參數進

行配置(參見?pairs)，達到更高的要求(添加其他圖形元素等)。不過進一步設置較為麻煩，幸好后面要介紹的函數已經可以滿足我們常見的額外要求。

以鳶尾花數據為例，用以下代碼繪制其散點圖(圖1)，不同顏色分別代表不同品種的鳶尾花。

pairs(iris[1:4], main = "Anderson's Iris Data -- 3 species",

pch = 21,

bg = c("red", "green3", "blue")[unclass(iris$Species)])

圖1 pairs

實際上，圖1已經可以給我們很多信息，包括各類鳶尾花的花瓣、花萼長寬的大體分布以及它們兩兩之間的關系。

scatterplot.matrix(car)

car包中的scatterplot.matrix()函數(可以簡寫為spm())可以直接指定散點圖中主對角線上的繪圖元素(密度圖、箱線圖、直方圖、QQ圖等)，還可以在散點圖中添加擬合曲線、平滑曲線、相關讀橢圓等。

同樣利用鳶尾花數據，下面代碼畫出其散點圖矩陣(圖2).

library(car)

spm(~Sepal.Length + Sepal.Width + Petal.Length + Petal.Width |

Species, data = iris)

圖2 spm

gpairs(YaleToolkit)

YaleToolKit包中的gpairs()函數同樣可以繪制散點圖矩陣，較之spm()函數，它更為復雜一些。下面代碼得到圖3，更多的例子參見幫助文檔。

library(YaleToolkit)

gpairs(iris, upper.pars = list(scatter = 'stats'),

scatter.pars = list(pch = 1:3,

col = as.numeric(iris$Species)),

stat.pars = list(verbose = FALSE))

圖3 gpairs

splom(lattice)

lattice包是基于網格系統的，是S-PLUS里的Trellis圖形在R中的實現。Trellis是多元數據可視化的方法，特別適用于發現各

變量之間的相互作用關系。Lattice(Trellis)的主要想法是不同條件下的多個圖：根據某變量的值的不同對兩個變量作不同圖。

lattice包中的splom()函數可以按類別繪制散點圖矩陣，也可以通過進一步的設置達到更高的要求。下面的代碼再次得到鳶尾花數據的散點圖矩陣(圖4)。

library(lattice)

super.sym

splom(~iris[1:4], groups = Species, data = iris,

panel = panel.superpose,

key = list(title = "Three Varieties of Iris",

columns = 3,

points = list(pch = super.sym$pch[1:3],

col = super.sym$col[1:3]),

text = list(c("Setosa", "Versicolor", "Virginica"))))

總結

以上是生活随笔為你收集整理的Matlab如何绘制散点图矩阵,不同版本的散点图矩阵的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。