#install.packages(c("Hmisc","RColorBrewer"))#install.packages(c("vcd","plotrix","sm","vioplot"))library(ggplot2,lib.loc=""~/R/lib"")#生存一个可以修改的当前图形参数列表par(ask=TRUE)opar<-par(no.readonly=TRUE)#载入数据集attach(mtcars)#mtcars是R中自带的数据集，包含多种汽车的数据plot(wt,mpg)abline(lm(mpg~wt))#abline是画一条或多条直线，lm是线性模型title("RegressionofMPGonWeight")#不用了一定要detachdetach(mtcars)
字体、颜色、坐标轴、标签等通过**函数par()**来指定选项。以这种方式设定的参数值除非被再次修改，否则将在会话结束前一直有效。其调用格式为：
par(optionname=value,optionname=name,...)不加参数地执行par()将生成一个含有当前图形参数设置的列表。添加参数no.readonly=TRUE可以生成一个可以修改的当前图形参数列表
例如一个药品的例子：
#Inputdatafordrugexampledose<-c(20,30,40,45,60)drugA<-c(16,20,27,40,60)drugB<-c(15,18,25,31,40)plot(dose,drugA,type="b")opar<-par(no.readonly=TRUE)#很重要
对上面的例子，现修改一些参数：
par(lty=2,pch=17)#changelinetypeandsymbolplot(dose,drugA,type="b")#generateaplotpar(opar)#restoretheoriginalsettings，恢复原设置plot(dose,drugA,type="b",lty=3,lwd=3,pch=17,cex=2)
#choosingcolorslibrary(RColorBrewer)n<-7mycolors<-brewer.pal(n,"Set1")barplot(rep(1,n),col=mycolors)
n<-10mycolors<-rainbow(n)pie(rep(1,n),labels=mycolors,col=mycolors)
把饼图改成灰色：
mygrays<-gray(0:n/n)pie(rep(1,n),labels=mygrays,col=mygrays)
#Viewfontfamiliesopar<-par(no.readonly=TRUE)par(cex=1.5)plot(1:7,1:7,type="n")text(3,3,"Exampleofdefaulttext")text(4,4,family="mono","Exampleofmono-spacedtext")text(5,5,family="serif","Exampleofseriftext")par(opar)
仍用上方药物例子：
par(lwd=2,cex=1.5)par(cex.axis=.75,font.axis=3)plot(dose,drugA,type="b",pch=19,lty=2,col="red")plot(dose,drugB,type="b",pch=23,lty=6,col="blue",bg="green")par(opar)
par(pin=c(2,3))#图形大小
可使用title()函数为图形添加标题和坐标轴标签，调用格式：
title(main="maintitle",sub="subtitle",xlab="x-axislabel",ylab="y-axislabel")plot(dose,drugA,type="b",col="red",lty=2,pch=2,lwd=2,main="ClinicalTrialsforDrugA",sub="Thisishypotheticaldata",xlab="Dosage",ylab="DrugResponse",xlim=c(18,60),ylim=c(0,70))#x轴刻度大小
你可以使用函数axis()来创建自定义的坐标轴，而非使用R中的默认坐标轴，其格式为：
axis(side,at=,labels=,pos=,lty=,col=,las=,tck=,...)#例子在下面
函数**abline()**可以用来为图形添加参考线，其使用格式为：
dose<-c(20,30,40,45,60)drugA<-c(16,20,27,40,60)drugB<-c(15,18,25,31,40)opar<-par(no.readonly=TRUE)par(lwd=2,cex=1.5,font.lab=2)plot(dose,drugA,type="b",pch=15,lty=1,col="red",ylim=c(0,60),main="DrugAvs.DrugB",xlab="DrugDosage",ylab="DrugResponse")lines(dose,drugB,type="b",pch=17,lty=2,col="blue")abline(h=c(30),lwd=1.5,lty=2,col="gray")abline(h=yvalues,v=xvalues)
我们可以使用**函数legend()**来添加图例，其使用格式为：
legend(location,title,legend,...)也可以这样理解：先绘制drugA的图，在这基础上加一天B的线，接下来添加图例：
library(Hmisc)minor.tick(nx=3,ny=3,tick.ratio=0.005)#自己加一些小的刻度线legend("topleft",inset=.005,title="DrugType",c("A","B"),lty=c(1,2),pch=c(15,17),col=c("red","blue"))par(opar)函数text()和mtext()将文本添加到图形上。text()可向绘图区域内部添加文本，而mtext()则向图形的四个边界之一添加文本，使用格式分别为：
text(location,"texttoplace",pos,...)mtext("texttoplace",side,line=n,...)x<-c(1:10)y<-xz<-10/xopar<-par(no.readonly=TRUE)#makeacopyofcurrentsettingspar(mar=c(5,4,4,8)+0.1)plot(x,y,type="b",pch=21,col="red",yaxt="n",lty=3,ann=FALSE)#yaxt指y轴类型，“n”指阻止y轴画出，ann指注释，此处为了下方自己添加，所以都去掉了lines(x,z,type="b",pch=22,col="blue",lty=2)axis(2,at=x,labels=x,col.axis="red",las=2)#坐标轴另一种加法axis(4,at=z,labels=round(z,digits=2),col.axis="blue",las=2,cex.axis=0.7,tck=-.01)mtext("y=1/x",side=4,line=3,cex.lab=1,las=2,col="blue")title("AnExampleofCreativeAxes",xlab="Xvalues",ylab="Y=X")par(opar)
又如：
attach(mtcars)plot(wt,mpg,main="Mileagevs.CarWeight",xlab="Weight",ylab="Mileage",pch=18,col="blue")text(wt,mpg,row.names(mtcars),cex=0.6,pos=4,col="red")detach(mtcars)
par()函数中使用图形参数mfrow=c(nrows,ncols)来创建按行填充的、行数为nrows、列数为ncols的图形矩阵。另外，可以使用mfcol=c(nrows,ncols)按列填充矩阵
可以自己选择布局大小：
attach(mtcars)opar<-par(no.readonly=TRUE)par(mfrow=c(2,2))plot(wt,mpg,main="Scatterplotofwtvs.mpg")plot(wt,disp,main="Scatterplotofwtvs.disp")hist(wt,main="Histogramofwt")boxplot(wt,main="Boxplotofwt")par(opar)detach(mtcars)
也可以尝试下三行一列：
attach(mtcars)opar<-par(no.readonly=TRUE)par(mfrow=c(3,1))hist(wt)hist(mpg)hist(disp)par(opar)detach(mtcars)填充矩阵：
attach(mtcars)layout(matrix(c(1,1,2,3),2,2,byrow=TRUE))hist(wt)hist(mpg)hist(disp)detach(mtcars)attach(mtcars)layout(matrix(c(1,1,2,3),2,2,byrow=TRUE),widths=c(3,1),heights=c(1,2))hist(wt)hist(mpg)hist(disp)detach(mtcars)
还可以这样布局：
opar<-par(no.readonly=TRUE)par(fig=c(0,0.8,0,0.8))plot(mtcars$wt,mtcars$mpg,xlab="MilesPerGallon",ylab="CarWeight")par(fig=c(0,0.8,0.55,1),new=TRUE)boxplot(mtcars$wt,horizontal=TRUE,axes=FALSE)par(fig=c(0.65,1,0,0.8),new=TRUE)boxplot(mtcars$mpg,axes=FALSE)mtext("EnhancedScatterplot",side=3,outer=TRUE,line=-3)par(opar)
若height是一个向量，则它的值就确定了各条形的高度，并将绘制一幅垂直的条形图。使用选项horiz=TRUE则会生成一幅水平条形图。你也可以添加标注选项。选项main可添加一个图形标题，而选项xlab和ylab则会分别添加x轴和y轴标签
par(ask=TRUE)opar<-par(no.readonly=TRUE)#saveoriginalparametersettingslibrary(vcd)counts<-table(Arthritis$Improved)#自带的counts#大致查看一下数据前几行head(Arthritis)barplot(counts,main="SimpleBarPlot",xlab="Improvement",ylab="Frequency")#水平条形图barplot(counts,main="HorizontalBarPlot",xlab="Frequency",ylab="Improvement",horiz=TRUE)
如果height是一个矩阵而不是一个向量，则绘图结果将是一幅堆砌条形图或分组条形图。若beside=FALSE（默认值），则矩阵中的每一列都将生成图中的一个条形，各列中的值将给出堆砌的“子条”的高度。若beside=TRUE，则矩阵中的每一列都表示一个分组，各列中的值将并列而不是堆砌
堆砌条形图
library(vcd)counts<-table(Arthritis$Improved,Arthritis$Treatment)countsbarplot(counts,main="StackedBarPlot",xlab="Treatment",ylab="Frequency",col=c("red","yellow","green"),legend=rownames(counts))#调整下图例大小：如果图例过大遮住图形，可以设置一下电脑的显示比例，调小
分组条形图
barplot(counts,main="GroupedBarPlot",xlab="Treatment",ylab="Frequency",col=c("red","yellow","green"),legend=rownames(counts),beside=TRUE)
条形图并不一定要基于计数数据或频率数据。你可以使用数据整合函数并将结果传递给barplot()函数，来创建表示均值、中位数、标准差等的条形图
states<-data.frame(state.region,state.x77)#本身有的数据集means<-aggregate(states$Illiteracy,by=list(state.region),FUN=mean)meansmeans<-means[order(means$x),]meansbarplot(means$x,names.arg=means$Group.1)title("MeanIlliteracyRate")
有若干种方式可以微调条形图的外观。例如，随着条数的增多，条形的标签可能会开始重叠。你可以使用参数cex.names来减小字号。将其指定为小于1的值可以缩小标签的大小。可选的参数names.arg允许你指定一个字符向量作为条形的标签名，你同样可以使用图形参数辅助调整文本间隔
#Listing6.4-Fittinglabelsinbarplotspar(las=2)#setlabeltextperpendiculartotheaxispar(mar=c(5,8,4,2))#increasethey-axismargincounts<-table(Arthritis$Improved)#getthedataforthebars#producethegraphbarplot(counts,main="TreatmentOutcome",horiz=TRUE,cex.names=0.8,names.arg=c("NoImprovement","SomeImprovement","MarkedImprovement"))par(opar)
是一种特殊的条形图，它称为棘状图（spinogram）。棘状图对堆砌条形图进行了重缩放，这样每个条形的高度均为1，每一段的高度即表示比例。棘状图可由vcd包中的函数spine()绘制
library(vcd)attach(Arthritis)counts<-table(Treatment,Improved)spine(counts,main="SpinogramExample")detach(Arthritis)
饼图可由以下函数创建：pie(x,labels)，其中x是一个非负数值向量，表示每个扇形的面积，而labels则是表示各扇形标签的字符型向量
par(mfrow=c(2,2))#画布的位置slices<-c(10,12,4,16,8)#对应下方5个国家位置lbls<-c("US","UK","Australia","Germany","France")pie(slices,labels=lbls,main="SimplePieChart")#更复杂一点pct<-round(slices/sum(slices)*100)#算百分比比例lbls<-paste(lbls,pct)lbls<-paste(lbls,"%",sep="")pie(slices,labels=lbls,col=rainbow(length(lbls)),main="PieChartwithPercentages")#画立体饼图library(plotrix)pie3D(slices,labels=lbls,explode=0.1,main="3DPieChart")#设置explode立体效果mytable<-table(state.region)lbls<-paste(names(mytable),"\n",mytable,sep="")pie(mytable,labels=lbls,main="PieChartfromadataframe\n(withsamplesizes)")par(opar)在医学中，饼图与扇形图用的都不多
下面列出扇形图：
library(plotrix)slices<-c(10,12,4,16,8)lbls<-c("US","UK","Australia","Germany","France")fan.plot(slices,labels=lbls,main="FanPlot")
直方图通过在x轴上将值域分割为一定数量的组，在y轴上显示相应值的频数，展示了连续型变量的分布。可以使用如下函数创建直方图：hist(x)
其中的x是一个由数据值组成的数值向量。参数freq=FALSE表示根据概率密度而不是频数绘制图形。参数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
hist(mtcars$mpg)调整下间隔：
#频数分布直方图hist(mtcars$mpg,breaks=12,col="red",xlab="MilesPerGallon",main="Coloredhistogramwith12bins")#密度直方图，根据概率密度绘图hist(mtcars$mpg,freq=FALSE,breaks=12,col="red",xlab="MilesPerGallon",main="Histogram,rugplot,densitycurve")rug(jitter(mtcars$mpg))#添加对应的线lines(density(mtcars$mpg),col="blue",lwd=2)#画一条曲线我们往往希望加入正态分布曲线：
#histogramwithsuperimposednormalcurve(ThankstoPeterDalgaard)x<-mtcars$mpgh<-hist(x,breaks=12,col="red",xlab="MilesPerGallon",main="Histogramwithnormalcurveandbox")xfit<-seq(min(x),max(x),length=40)yfit<-dnorm(xfit,mean=mean(x),sd=sd(x))yfit<-yfit*diff(h$mids[1:2])*length(x)lines(xfit,yfit,col="blue",lwd=2)box()
用术语来说，核密度估计是用于估计随机变量概率密度函数的一种非参数方法。虽然其数学细节已经超出了本书的范畴，但从总体上讲，核密度图不失为一种用来观察连续型变量分布的有效方法。绘制密度图的方法（不叠加到另一幅图上方）为：plot(density(x))
其中的x是一个数值型向量。由于plot()函数会创建一幅新的图形，所以要向一幅已经存在的图形上叠加一条密度曲线，可以使用lines()函数使用sm包中的sm.density.compare()函数可向图形叠加两组或更多的核密度图，使用格式为：
sm.density.compare(x,factor)d<-density(mtcars$mpg)#returnsthedensitydataplot(d)#plotstheresultsd<-density(mtcars$mpg)plot(d,main="KernelDensityofMilesPerGallon")polygon(d,col="red",border="blue")#填充颜色rug(mtcars$mpg,col="brown")
par(lwd=2)library(sm)attach(mtcars)#createvaluelabelscyl.f<-factor(cyl,levels=c(4,6,8),labels=c("4cylinder","6cylinder","8cylinder"))#设置一个因子与它的水平#plotdensitiessm.density.compare(mpg,cyl,xlab="MilesPerGallon")title(main="MPGDistributionbyCarCylinders")#加图例colfill<-c(2:(2+length(levels(cyl.f))))cat("Usemousetoplacelegend...","\n\n")legend(locator(1),levels(cyl.f),fill=colfill)detach(mtcars)
箱线图（又称盒须图）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。箱线图能够显示出可能为离群点（范围±1.5*IQR以外的值，IQR表示四分位距，即上四分位数与下四分位数的差值）的观测，如：
boxplot(mtcars$mpg,main="Boxplot",ylab="MilesperGallon")boxplot(mpg~cyl,data=mtcars,main="CarMilageData",xlab="NumberofCylinders",ylab="MilesPerGallon")#notchedboxplots凹槽箱式图boxplot(mpg~cyl,data=mtcars,notch=TRUE,varwidth=TRUE,col="red",main="CarMileageData",xlab="NumberofCylinders",ylab="MilesPerGallon")
箱线图可展示单个变量或分组变量。使用格式：
boxplot(formula,data=dataframe)其中的formula是一个公式，dataframe代表提供数据的数据框（或列表）。一个示例公式为y~A，这将为类别型变量A的每个值并列地生成数值型变量y的箱线图。公式y~A*B则将为类别型变量A和B所有水平的两两组合生成数值型变量y的箱线图
添加参数varwidth=TRUE将使箱线图的宽度与其样本大小的平方根成正比。参数horizontal=TRUE可以反转坐标轴的方向箱线图灵活多变，通过添加notch=TRUE，可以得到含凹槽的箱线图。若两个箱的凹槽互不重叠，则表明它们的中位数有显著差异
#Listing6.9-Boxplotsfortwocrossedfactors#createafactorfornumberofcylindersmtcars$cyl.f<-factor(mtcars$cyl,levels=c(4,6,8),labels=c("4","6","8"))#createafactorfortransmissiontypemtcars$am.f<-factor(mtcars$am,levels=c(0,1),labels=c("auto","standard"))#generateboxplotboxplot(mpg~am.f*cyl.f,data=mtcars,varwidth=TRUE,col=c("gold","darkgreen"),main="MPGDistributionbyAutoType",xlab="AutoType")
小提琴图是箱线图与核密度图的结合。你可以使用vioplot包中的vioplot()函数绘制它。请在第一次使用之前安装vioplot包，vioplot()函数的使用格式为：
vioplot(x1,x2,...,names=,col=)其中x1,x2,…表示要绘制的一个或多个数值向量（将为每个向量绘制一幅小提琴图）。参数names是小提琴图中标签的字符向量，而col是一个为每幅小提琴图指定颜色的向量
x1<-mtcars$mpg[mtcars$cyl==4]#是一个向量，包含mpg与所有cy1为4的值x2<-mtcars$mpg[mtcars$cyl==6]x3<-mtcars$mpg[mtcars$cyl==8]vioplot(x1,x2,x3,names=c("4cyl","6cyl","8cyl"),col="gold")title("ViolinPlotsofMilesPerGallon")
点图提供了一种在简单水平刻度上绘制大量有标签值的方法。你可以使用dotchart()函数创建点图，格式为：
dotchart(x,labels=)其中的x是一个数值向量，而labels则是由每个点的标签组成的向量。你可以通过添加参数groups来选定一个因子，用以指定x中元素的分组方式。如果这样做，则参数gcolor可以控制不同组标签的颜色，cex可以控制标签的大小
dotchart(mtcars$mpg,labels=row.names(mtcars),cex=.7,#每加仑跑的里程main="GasMileageforCarModels",xlab="MilesPerGallon")x<-mtcars[order(mtcars$mpg),]x$cyl<-factor(x$cyl)x$color[x$cyl==4]<-"red"x$color[x$cyl==6]<-"blue"x$color[x$cyl==8]<-"darkgreen"dotchart(x$mpg,labels=row.names(x),cex=.7,pch=19,groups=x$cyl,gcolor="black",color=x$color,main="GasMileageforCarModels\ngroupedbycylinder",xlab="MilesPerGallon")R中创建散点图的基础函数是plot(x,y)，其中，x和y是数值型向量，代表着图形的(x,y)点
#install.packages(c("car","scatterplot3d","gclus","hexbin","IDPmisc","Hmisc",##"corrgram","vcd","rld"))par(ask=TRUE)opar<-par(no.readonly=TRUE)#recordcurrentsettings#Listing11.1-Ascatterplotwithbestfitlinesattach(mtcars)plot(wt,mpg,main="BasicScatterplotofMPGvs.Weight",xlab="CarWeight(lbs/1000)",ylab="MilesPerGallon",pch=19)abline(lm(mpg~wt),col="red",lwd=2,lty=1)lines(lowess(wt,mpg),col="blue",lwd=2,lty=2)detach(mtcars)
如果将散点图上的点从左往右连接起来，就会得到一个折线图。以基础安装中的Orange数据集为例，它包含五种橘树的树龄和年轮数据
library(car)scatterplot(mpg~wt|cyl,data=mtcars,lwd=2,main="ScatterPlotofMPGvs.Weightby#Cylinders",xlab="WeightofCar(lbs/1000)",ylab="MilesPerGallon",id.method="identify",legend.plot=TRUE,labels=row.names(mtcars),boxplots="xy")#Listing11.2-Creatingsidebysidescatterandlineplotsopar<-par(no.readonly=TRUE)par(mfrow=c(1,2))#设置画布，一行两列t1<-subset(Orange,Tree==1)#自带的数据集plot(t1$age,t1$circumference,xlab="Age(days)",ylab="Circumference(mm)",main="OrangeTree1Growth")plot(t1$age,t1$circumference,xlab="Age(days)",ylab="Circumference(mm)",main="OrangeTree1Growth",type="b")par(opar)