首先寫第二部分的前言。

第二部分用來介紹獲取數(shù)據(jù)基本信息的圖形技術(shù)和統(tǒng)計(jì)方法。

本章主要內(nèi)容

條形圖、箱型圖、點(diǎn)圖

餅圖和扇形圖

直方圖和核密度圖

分析數(shù)據(jù)第一步就是要觀察它，用可視化的方式是最好的。本章的主題有兩個(gè)

1、將變量的分布作可視化展示

2、通過結(jié)果變量進(jìn)行跨組比較

下面從不同的圖形開始探索數(shù)據(jù)。

6.1條形圖

6.1.1簡單地條形圖

條形圖是通過條形展示離散變量的頻數(shù)分布。函數(shù)是barplot：

barplot(height) height是主要參數(shù)，horiz = TRUE就是橫向條形圖。

height可以是數(shù)值向量或者矩陣。向量的話就是向量每個(gè)元素的分布，矩陣的話是按照列一個(gè)一個(gè)往上加，就是堆疊。

如果要繪制的變量是因子或者有序因子，可以使用plot函數(shù)，直接畫出條形統(tǒng)計(jì)圖，形式為plot(因子)，書上的例子plot(Arthritis$Improved)。

6.1.2堆砌條形圖和分組條形圖

barplot后面加矩陣時(shí)，如果beside = FALSE 得到一個(gè)堆砌條形圖，若為TRUE，則為分組條形圖。下面是示例：

opar

par(mfrow= c(1,2))

library(vcd)

counts

barplot(counts,

main= "Stacked Bar Plot",

xlab= "Treatment",ylab = "Frequency",

col= c("red","yellow","green"),

legend=rownames(counts))

barplot(counts,

main= "Grouped Bar Plot",

xlab= "Treatment",ylab = "Frequency",

col= c("red","yellow","green"),

legend=rownames(counts),

beside=TRUE)

par(opar)

下面是結(jié)果：

注意上面的代碼中，添加圖例的命令只有在對(duì)矩陣作用時(shí)才能用。

自然可以對(duì)圖例進(jìn)行一下設(shè)置(亂弄的，熟悉一下命令)：

barplot(counts,

main= "Stacked Bar Plot",

xlab= "Treatment",ylab = "Frequency",

col= c("red","yellow","green")

)

legend("top",legend =rownames(counts),

col= c("red","yellow","green"),cex = 0.8,

pch= rep(15,3),bg = "blue")

6.1.3均值條形圖

條形圖不一定全都進(jìn)行數(shù)據(jù)頻數(shù)的展示，還可以將均值、中位數(shù)方差等傳遞給barplot函數(shù)。

states

means

FUN=mean)

means

barplot(means$x,names.arg= means$Group.1)

其實(shí)本質(zhì)是一樣的。lines(means$x)可以在上面圖中頂端加一條折線，gplots包中barplot2函數(shù)可以作更復(fù)雜的圖。

6.1.4條形圖的微調(diào)

6.1.5棘狀圖

棘狀圖對(duì)堆砌條形圖進(jìn)行重縮放，每個(gè)條形的高度均為1，不同的頻數(shù)對(duì)應(yīng)著比例。vcd包中的spine函數(shù)可以做棘狀圖。

library(vcd)

counts

spine(counts,main= "Spinogram Example")

6.2餅圖

書上上來就說餅圖不是很常用,R中關(guān)于餅圖的選型不多.

pie函數(shù):

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, ...)

#主要參數(shù)當(dāng)然是x和labels,其中x是非負(fù)數(shù)值型變量,表示面積,labels是名稱.

下面是一個(gè)例子:

par(mfrow = c(2,2))

slices

lbls

pie(slices,labels=lbls,

main= "Simple Pie Chart")

pct

lbls2

pie(slices,labels=lbls2,

col=rainbow(length(lbls2)),

main= "Pie Chart with Percentages")

library(plotrix)

pie3D(slices,labels=lbls2,explode = 0.1,

mian= "3D Pie Chart")

mytable

lbls3

pie(mytable,labels=lbls3,

main= "Pie Chart from a Table\n(with sample sizes)")

注意上面的例子中,plotrix中的pie3D函數(shù),可以畫立體餅圖.

餅圖不太容易看出相對(duì)的比例大小,為改善這種情況,有 fan.plot 扇形圖來展現(xiàn)大小關(guān)系.在plotrix包中,fan.plot函數(shù)可以實(shí)現(xiàn).

fan.plot(slices,labels = lbls,main = "Fan Plot")

上面的例子中,扇形張開角的大小就是相對(duì)比例關(guān)系,而半徑大小無所謂.

6.3直方圖

直方圖通過將值域分為幾組，Y值顯示頻數(shù)。用hist函數(shù)生成：

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, ...)

#這里的x是一個(gè)數(shù)值向量，矩陣也可以；breaks是設(shè)置組數(shù)；

#freq是一個(gè)邏輯值，表示是否歸一化數(shù)據(jù) 其他參數(shù)用到再說

下面是一個(gè)例子：

par(mfrow=c(2,2))

hist(mtcars$mpg)

hist(mtcars$mpg,

breaks= 12,

col= "red",

xlab= "Miles Per Gallon",

main= "Colored histgram with 12 bins")

hist(mtcars$mpg,

freq=FALSE, #FALSE是將數(shù)據(jù)歸一化

breaks= 12,

col= "red",

xlab= "Miles Per Gallon",

main= "Histogram,rug plot,density")

rug(jitter(mtcars$mpg))

lines(density(mtcars$mpg),col= "blue",lwd = 2)

需要寫幾個(gè)函數(shù)：

lines(x, y = NULL, type = "l", ...)

#向圖形中添加曲線，lines(x,cos(x)),不會(huì)另起一幅圖形界面

rug函數(shù)：添加“地毯”

rug(x, ticksize = 0.03, side = 1, lwd = 0.5, col = par("fg"),

quiet = getOption("warn") < 0, ...)

#應(yīng)該就是第三幅圖中橫軸下面的短線。通常和jitter連用，這是為了避免線的重疊。

jitter函數(shù)：為數(shù)值向量添加一個(gè)擾動(dòng)

jitter(x, factor = 1, amount = NULL)

#x是數(shù)值向量，factor是一個(gè)數(shù)值，與amount一起決定波動(dòng)范圍，amount是波動(dòng)的范圍設(shè)置。其實(shí)，這個(gè)函數(shù)相當(dāng)于

r

density函數(shù)：

density(x, bw = "nrd0", adjust = 1,

kernel = c("gaussian", "epanechnikov", "rectangular",

"triangular", "biweight",

"cosine", "optcosine"),

weights = NULL, window = kernel, width,

give.Rkern = FALSE,

n = 512, from, to, cut = 3, na.rm = FALSE, ...)

是一個(gè)核密度函數(shù),通常與畫圖函數(shù)一起用.下面寫寫核密度估計(jì).

核密度估計(jì)是非參數(shù)估計(jì)的一種，是用來估計(jì)一組數(shù)的規(guī)律用的，所謂非參數(shù)，就是不假定數(shù)據(jù)服從某種分布，而只是利用已知的數(shù)據(jù)進(jìn)行分布估計(jì)。比如用一個(gè)點(diǎn)附近的幾個(gè)點(diǎn)的均值作為此處的值。有一些核函數(shù)可以確定估計(jì)方式。最重要的是帶寬的選取，有一個(gè)公式可以用來評(píng)價(jià)規(guī)律的好壞。

上面的函數(shù)中，x是數(shù)據(jù)，bw是帶寬，adjust是與帶寬相關(guān)的值，共同決定帶寬。

還要看一下box函數(shù)：

為已經(jīng)畫出的圖形周邊添加一個(gè)盒子，可以設(shè)置線型、顏色等。

6.4核密度圖

用plot(density(x))來畫核密度圖。例子：

par(mfrow = c(2,1))

d

plot(d)

d

plot(d,main= "Kernel Density of Miles Per Gallon")

polygon(d,col= "red",border = "blue")

rug(mtcars$mpg,col= "brown")

#注意這里有個(gè)函數(shù)：polygon這是一個(gè)畫多邊形的函數(shù)

polygon(x, y = NULL, density = NULL, angle = 45,

border = NULL, col = NA, lty = par("lty"),

..., fillOddEven = FALSE)

#其中x、y是包含多邊形頂點(diǎn)的向量，density是密度的設(shè)置，其他比較平凡。

d

plot(d,main = "Kernel Density of Miles Per Gallon")

polygon(d,density = 10,col = "red",border = "blue") #注意這里加上了線的密度，圖形見下面斜線圖。

rug(mtcars$mpg,col = "brown")

下面注意了，書上說和密度圖可以比較組間差距，確實(shí)是這樣，來看一下，感覺這個(gè)挺有用。利用sm包中的sm.density.compare函數(shù)進(jìn)行操作。

sm.density.compare(x, group, h, model = "none", ...)

#x是一個(gè)數(shù)值向量，group是分組因子向量，關(guān)于model，下面兩個(gè)圖是一個(gè)對(duì)比：

y

g

sm.density.compare(y, g, model

="equal") #一個(gè)跟bootstrap相等假設(shè)檢驗(yàn)相關(guān)的量，還會(huì)顯示一個(gè)適當(dāng)帶子

sm.density.compare(y, g, model="none") #畫簡單圖

par(lwd = 2)

library(sm)

cyl.f

labels= c("4 cylinder","6 cylinder","8 cylinder"))

sm.density.compare(mtcars$mpg,mtcars$cyl,xlab= "Miles Per Gallon")

title(main= "MPG Distribution by Car Clyinders")

colfill

legend(locator(1),levels(cyl.f),fill=colfill) #這里的locator函數(shù)是用鼠標(biāo)點(diǎn)擊確定位置

箱線圖是一項(xiàng)可視化分布和組間差異的手段，并且很常用。

6.5箱線圖

箱線圖繪制連續(xù)型變量的五個(gè)數(shù) 最小數(shù)、.25四分位數(shù)、中位數(shù)、.75分位數(shù)、最大值。還可以顯示離群點(diǎn) 正負(fù)1.5*IQR 以外的值，其中IQR是四分位距(上下四分之一分位數(shù)之差)。boxplot函數(shù)：

boxplot(x, ..., range = 1.5, width = NULL, varwidth =FALSE,

notch= FALSE, outline = TRUE, names, plot =TRUE,

border= par("fg"), col = NULL, log = "",

pars= list(boxwex = 0.8, staplewex = 0.5, outwex = 0.5),

horizontal= FALSE, add = FALSE, at = NULL)

#參數(shù)比價(jià)直觀，用的時(shí)候差

可以使用boxplot.stats(x)可以顯示箱線圖的各種統(tǒng)計(jì)量。

6.5.1使用并列箱線圖進(jìn)行跨足比較

boxplot函數(shù)：

boxplot(formula, data = NULL, ..., subset, na.action =NULL)

#這里的formula是公式，而data是列表或者數(shù)據(jù)框。

#示例函數(shù) y~A 將為類別變量A的每個(gè)值并列的生成數(shù)值型變量y的箱線圖。y~A*B 將為變量A和B所有水平的兩兩組合生成數(shù)值型變量y的箱線圖。

#參數(shù) varwidth= TRUE 是使箱線圖的寬度與樣本使大小的平方根 成正比。

例子：

boxplot(mpg~cyl,data =mtcars,

notch=TRUE,

varwidth=TRUE,

col= "red",

main= "Car Mileage Data",

xlab= "Number of Cylinders",

ylab= "Miles Per Gallon")

話說多圖的目的在于更好地體現(xiàn)數(shù)據(jù)的信息，那么圖形的各種屬性是可以反應(yīng)數(shù)據(jù)的特點(diǎn)的，比如 notch = TRUE在中位數(shù)的地方加一個(gè)凹槽，可以明顯看出中位數(shù)的差別，而寬度varwidth = TRUE 表示寬度與樣本量平方根成正比，可以看出樣本量的大小關(guān)系。

下面又一個(gè)例子：

mtc

mtc$cyl.f

labels= c("4","6","8"))

mtc$am.f

labels= c("auto","standard"))

boxplot(mpg~cyl.f*am.f,data =mtc,

varwidth=TRUE,

col= c("gold","darkgreen"),

main= "Mpg Distribution by Auto Types",

xlab= "Auto Types")

上面的圖形中，可以看出cyl越小，并且為standard時(shí)，耗油最少?？梢院芎玫姆磻?yīng)y的影響因素。同時(shí)，由寬度大小，可以看出8.auto和4.standard數(shù)量最多。

6.5.2小提琴圖

作為箱線圖和核密度圖的結(jié)合，小提琴圖名字還是第一次聽過。vioplot包中vioplot函數(shù)可以繪制此圖。函數(shù)vioplot：

vioplot( x, ..., range=1.5, h, ylim, names, horizontal=FALSE,

col="magenta", border="black", lty=1, lwd=1, rectCol="black",

colMed="white", pchMed=19, at, add=FALSE, wex=1,

drawRect=TRUE)

例子：

library("vioplot")

x1

x2

x3

vioplot(x1,x2,x3,

names= c("4","6","8"),

col= "gold")

title("Violin Plot of Miles Per Gallon")

#值得注意的是，必須將每一個(gè)想畫小提琴圖的向量分別列出來，不能用數(shù)據(jù)框……

圖中，中間的白點(diǎn)和黑線是中位數(shù)和分位數(shù)等箱線圖元素，而周邊曲線是核密度圖。關(guān)于小提琴圖，書上說，時(shí)間會(huì)證明一切。

6.6點(diǎn)圖

dotchart函數(shù)：

dotchart(x, labels = NULL, groups = NULL, gdata =NULL,

cex= par("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, ...)

#這里x是一個(gè)數(shù)值向量或者矩陣，labels是每個(gè)值的標(biāo)簽組成的向量，groups是對(duì)向量x進(jìn)行分組，

#gdata是分組數(shù)據(jù)的量，比如均值、中位數(shù)等 其他參數(shù)比較平凡

下面是例子：

dotchart(mtcars$mpg,labels = row.names(mtcars),cex = .7)

一般而言，點(diǎn)圖經(jīng)過排序，并且將分組分別涂色表示以后才更有用。

下面的例子：

mtc

mtc$cyl

mtc$color[mtc$cyl== 4]

labels=row.names(mtc),

cex= .7,

groups=mtc$cyl,

gcolor= "black", #這個(gè)語句是設(shè)置labels的顯示顏色，就是圖中的4、6、8

color=mtc$color,

pch= 19,

main= "Gas Mileage for Car Models\ngrouded by cylinder",

xlab= "Miles Per Gallon")

從上圖中可以看出，隨著缸數(shù)的增加，每加侖英里數(shù)在減少~但是也有特殊點(diǎn)和離群點(diǎn)，特殊點(diǎn)是最上面的兩個(gè)綠點(diǎn)，離群點(diǎn)是最下面兩個(gè)綠點(diǎn)。

注意，Himsc中有dotchart2函數(shù)，提供更豐富的點(diǎn)圖選項(xiàng)。

下一章用于描述分布和二元關(guān)系的定量統(tǒng)計(jì)方法和一類推斷方法，需要看一遍統(tǒng)計(jì)了。

總結(jié)

以上是生活随笔為你收集整理的R语言acres92 region_《R语言实战》读书笔记-- 第六章 基本图形的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。