交通数据分析基础 实验指导2 Base R绘图函数plot

BaseR绘图函数plotplot是R中默认的绘图函数。plot(mtcars$wt,mtcars$drat)

abline(lm(mtcars$wt~mtcars$drat))plot函数常用的参数包括：x：x轴的数据y：y轴的数据type：类型，“p”为点，“l”为线，“b”为点和线的组合main:图形标题pch：用于指定图中点的类型lty：用于指定线条类型pch的取值对应的类型如下：lty的取值对应的类型如下：par(mfrow=c(1,3))#子图，1行3列

a<-c(21,32,39,48,56)

b<-c(16,18,29,43,70)

plot(a,b,type="p",pch=16)

plot(a,b,type="l",lty=6)

plot(a,b,type="b",pch=16,lty=6)#设置图形标题、x轴标题、y轴标题

par(mfrow=c(1,1))

a<-c(21,32,39,48,56)

b<-c(16,18,29,43,70)

plot(a,b,type="p",pch=16,main="point",xlab="x-axis",ylab="y-axis")#添加水平、垂直参考线

a<-c(21,32,39,48,56)

b<-c(16,18,29,43,70)

plot(a,b,type="b",pch=16,lty=6,main="both")

abline(h=c(30,40),lty=4)#水平参考线

abline(v=c(30,40),lty=4)#垂直参考线#添加图例

a<-c(21,32,39,48,56)

b<-c(16,18,29,43,70)

c<-c(19,21,32,40,50)

plot(a,b,type="b",pch=16,lty=6)

lines(a,c,type="b",pch=8,lty=1)#lines可在原图的基础上，叠加线段

legend("topleft",#图例位置

inset=0.05,#偏移，尝试修改数值，看看图例位置的变化

title="class",#图例标题

legend=c('B','C'),#图例的值

lty=c(6,1),#图例中线型

pch=c(16,8))#图例中点的类型#par函数中，mfrow用于指示图形按照2行2列的形式排列

par(mfrow=c(2,2))

plot(mtcars$wt,mtcars$mpg,type="p",pch=20)

plot(mtcars$wt,mtcars$disp,type="p",pch=20)

hist(mtcars$wt,main="")

boxplot(mtcars$wt)ggplot2绘图R语言中plot函数功能虽然强大，但需要把握的细节极多，因此很多情况下，会使用ggplot2工具包进行绘图。ggplot2包是由HadleyWickham创建的，是R中最为重要的绘图工具包。ggplot2的核心理念是将绘图与数据分离，数据相关的绘图与数据无关的绘图分离，按图层作图，有利于结构化思维，同时它保有命令式作图的调整函数。ggplot2命令简洁，图形美观。ggplot2的基本绘图模板为：ggplot2(data=<DATA>)+<GEOM_FUNCTION>(mapping)=aes(<MAPPING>))数值型数据的分布图set.seed(1)

data<-data.frame(

value=unlist(lapply(1:6,function(i)rnorm(100,i/2,1))),

class=rep(c("class1","class2","class3"),each=200),

type=sample(c("type1","type2"),size=600,replace=TRUE))

head(data)##valueclasstype

##1-0.126class1type1

##20.684class1type2

##3-0.336class1type1

##42.095class1type2

##50.830class1type1

##6-0.320class1type2密度曲线图通过代码生成数据如下：#绘制密度曲线图

library(ggplot2)

ggplot(data,aes(x=value))+

geom_density()#调整geom_density中的参数adjust，得到不同平滑度的密度曲线

#ggtitle用于指定标题

#ggpubr::ggarrange用于将多个ggplot2绘制的图组合在一起

base<-ggplot(data,aes(x=value))

p1<-base+ggtitle("adjust=1.0")+geom_density()

p2<-base+ggtitle("adjust=0.5")+geom_density(adjust=0.5)

p3<-base+ggtitle("adjust=3.0")+geom_density(adjust=3.0)

ggpubr::ggarrange(p1,p2,p3,ncol=3,nrow=1)#class为分类特征

#通过fill=class，对class的每个类别，分别绘制密度曲线

#alpha用于指定透明度，取值为0-1，值越大，越不透明

ggplot(data,aes(x=value,fill=class))+

geom_density(alpha=0.5)#facet_wrap用于分面

#color="transparent"指定线为透明

ggplot(data,aes(x=value,y=after_stat(count)))+

geom_density(aes(fill=class),color="transparent")+

facet_wrap(vars(class),nrow=1)+

#图例放置在底部，试试bottom,right,left

theme(legend.position="top")直方图ggplot(data,aes(x=value))+geom_histogram()#通过bins参数改变条形的数量

ggplot(data,aes(x=value))+

geom_histogram(bins=50)#改变直方图的填充颜色和边框的颜色

ggplot(data,aes(x=value))+

geom_histogram(bins=50,fill="red",alpha=0.5,color="black")#通过分面显示不同类别的直方图

ggplot(data,aes(x=value))+

geom_histogram()+

facet_wrap(vars(class))箱型图library(ggplot2)

ggplot(data,aes(x=class,y=value))+

geom_boxplot()#

ggplot(data,aes(x=class,y=value,fill=class))+

geom_boxplot()#通过fill=type，根据type的不同类别，绘制不同的箱型图

ggplot(data,aes(x=class,y=value))+

geom_boxplot(aes(fill=type))#小提琴图，可以看作箱型图的变种

ggplot(data,aes(x=class,y=value))+

geom_violin()分类型数据的分布图生成如下数据：set.seed(1)

data<-data.frame(

gender=sample(c("Male","Female"),size=1000,replace=T),

quality=sample(c("Poor","Fair","Average","Good","Excellent"),

prob=c(0.15,0.15,0.30,0.20,0.10),size=1000,replace=T),

cut=sample(paste0("cut",1:6),size=1000,replace=T),

letter=sample(LETTERS,size=1000,replace=T))

head(data)##genderqualitycutletter

##1MaleGoodcut3L

##2FemalePoorcut3B

##3MaleGoodcut2J

##4MaleExcellentcut6Q

##5FemaleAveragecut4P

##6MaleAveragecut5X条形图library(ggplot2)

ggplot(data,aes(x=quality))+geom_bar()由于data$quality是字符型向量，因此上图按照字母顺序对图进行排序。如果想改变顺序，需要将data$quality转化为有序因子：data$quality<-factor(data$quality,ordered=T,levels=c("Poor","Fair","Average","Good","Excellent"))

ggplot(data,aes(x=quality))+geom_bar()#fill=gender，指定根据gender对样本进行分类，再绘制条形图

ggplot(data,aes(x=cut,fill=gender))+

geom_bar(position="dodge")#geom_text用于添加标签

ggplot(data,aes(x=cut,fill=gender))+

geom_bar(position="dodge")+

geom_text(stat="count",aes(label=after_stat(count)),

position=position_dodge(width=0.9),vjust=-0.5)+

scale_y_continuous(expand=expansion(mult=c(0.05,0.15)))#对数据进行归一化，查看分布

ggplot(data,aes(x=cut,fill=gender))+

geom_bar(position="fill")饼状图及环形图library(lessR)

PieChart(data=data,x=quality,hole=0,labels_digits=1)##>>>suggestions

##PieChart(quality,hole=0)#traditionalpiechart

##PieChart(quality,labels="%")#display%'sonthechart

##PieChart(quality)#barchart

##Plot(quality)#bubbleplot

##Plot(quality,labels="count")#lollipopplot

##

##---quality---

##

##PoorFairAverageGoodExcellentTotal

##Frequencies:1511743492191071000

##Proportions:0.1510.1740.3490.2190.1071.000

##

##Chi-squaredtestofnullhypothesisofequalprobabilities

##Chisq=171.440,df=4,p-value=0.000library(lessR)

PieChart(data=data,x=quality,labels_digits=1)##>>>suggestions

##PieChart(quality,hole=0)#traditionalpiechart

##PieChart(quality,labels="%")#display%'sonthechart

##PieChart(quality)#barchart

##Plot(quality)#bubbleplot

##Plot(quality,labels="count")#lollipopplot

##

##---quality---

##

##PoorFairAverageGoodExcellentTotal

##Frequencies:1511743492191071000

##Proportions:0.1510.1740.3490.2190.1071.000

##

##Chi-squaredtestofnullhypothesisofequalprobabilities

##Chisq=171.440,df=4,p-value=0.000数值型变量与数值型变量之间的关系图生成数据：library(dplyr)

library(purrr)

set.seed(1)

data<-tibble(

value1=unlist(map(1:6,~rnorm(100,.x*2,2))),

value2=map2(1:6,1:6,~value1[seq(100*(.x-1)+1,100*.x)]*.y+

rnorm(100,0,10))%>%unlist(),

value3=runif(600,0,10),

type=sample(c("type1","type2"),size=600,replace=T),

cut=rep(paste0("cut",1:3),each=200))%>%

as.data.frame()

head(data)##value1value2value3typecut

##10.747-2.660.597type1cut1

##22.36717.390.526type1cut1

##30.3295.619.728type1cut1

##45.19110.617.946type1cut1

##52.6591.290.317type2cut1

##60.359-11.015.433type1cut1library(ggplot2)

ggplot(data,aes(x=value1,y=value2))+geom_point()#geom_smooth用于添加趋势线

ggplot(data,aes(x=value1,y=value2))+

geom_point(size=0.5)+

geom_smooth()#method="lm"设定趋势线为直线

#