R 原生绘图函数 basic plot
wjl
2021/12/13
本文 url: R_base_plot
# plot() 是泛型函数
methods(plot)## [1] plot.acf* plot.data.frame* plot.decomposed.ts*
## [4] plot.default plot.dendrogram* plot.density*
## [7] plot.ecdf plot.factor* plot.formula*
## [10] plot.function plot.hclust* plot.histogram*
## [13] plot.HoltWinters* plot.isoreg* plot.lm*
## [16] plot.medpolish* plot.mlm* plot.ppr*
## [19] plot.prcomp* plot.princomp* plot.profile.nls*
## [22] plot.raster* plot.spec* plot.stepfun
## [25] plot.stl* plot.table* plot.ts
## [28] plot.tskernel* plot.TukeyHSD*
## see '?methods' for accessing help and source codeboxplot
若想控制箱线图的最上面和最下面（胡须）附近的小原点（异常值），可设置boxplot的range参数。
par(mfrow=c(1,4))
set.seed(100) # 设置随机数种子，以保证多次取到同一组随机数，利于代码的可重复性。
data=rnorm(100) # 产生100个服从标准正态分布的随机数
boxplot(data, range=0, xlab='range is 0', col='skyblue', main=1)
# range为范围函数，表示覆盖本体极端值间距的倍数（即：决定箱线图最上沿及最下沿对箱体的覆盖区域）。
# range: this determines how far the plot whiskers extend out from the box. If range is positive, the whiskers extend to the most extreme data point which is no more than range times the interquartile range from the box. A value of zero causes the whiskers to extend to the data extremes.
boxplot(data, range=0.5,xlab='range is 0.5',col='skyblue', main=2)
boxplot(data, range=1, xlab='range is 1', col='skyblue', main=3)
boxplot(data, range=2, xlab='range is 2', col='skyblue', main=4)
两个分类、多水平的箱线图
##相关参数介绍：
# width设置box相对宽度；boxwex设置box宽度，取值越大盒子越宽
# outline逻辑参数，是否绘制离群点，默认为T，即绘制离群点
# notch逻辑参数，是否使用卡槽，默认为F
# names设置盒型图中各个box的标签（并不是这整个盒型图的标签）
# horizontal逻辑参数，是否横向放置盒型图，默认为F，即纵向放置
# add逻辑参数，是否将盒型图添加到现有图形上
# at配合add使用，该盒型图的横坐标位置的定义
# 建议每次看缭乱的代码之前，先细看后面画出的图，更容易看懂代码
boxplot(len~dose,#绘制变量len与dose的盒型图（前者为连续型变量，后者是分类变量）
data=ToothGrowth,#使用R语言内置数据集ToothGrowth
boxwex=0.3,at=1:3-0.2,#at参数定义了图中盒子横坐标位置为0.8，1.8，2.8
subset=supp=="VC",#采集ToothGrowth中supp为VC的数据，即此处只绘制VC数据
col="yellow",
names=c('dose=0.5','dose=1.0','dose=2.0'),
main="Tooth Growth",
xlab="C dose mg",
ylab="tooth length",
xlim=c(0.5,3.5),ylim=c(0,35),
yaxs="i")
boxplot(len~dose,
data=ToothGrowth,
add=TRUE,
boxwex=0.3,
at=1:3+0.2,
names=c('dose=0.5','dose=1.0','dose=2.0'),
subset=supp=="OJ",
col="orange")
legend(2.5, 9, c("Ascorbic acid", "Orange juice"),
fill = c("yellow", "orange")) # legned()为低级绘图函数: 加图例
图2
names=c(rep("Maestro",20),rep("Presto",20),
rep("Nerak",20),rep("Eskimo",20),rep("Nairobi",20),rep("Artiko",20))
value=c(sample(3:10,20,replace=T),sample(2:5,20,replace=T),
sample(6:10,20,replace=T),sample(6:10,20,replace=T),
sample(1:7,20,replace=T),sample(3:10,20,replace=T))
data=data.frame(names,value)
data$names = as.factor(data$names)
#这是十分关键的一步！——将data中的names数据由向量属性（vector）改为因子属性（factor）
#由于data中默认所有数据均为向量属性，而boxplot函数只可以识别factor，若不手动更改其属性，则以下代码将无法正常运行。
#tips：R拥有许多用于存储数据的对象类型，包括标量、向量、矩阵、数组、数据框、列表及因子。
boxplot(data$value~data$names,
col=ifelse(levels(data$names)=="Nairobi",
"lightblue",
ifelse(levels(data$names)=="Eskimo",
"mediumpurple3",
"grey75")),
ylab="disease",xlab="- variety -")
#这里出现了一个新函数！记得拿出小本本积累下来~~ifelse()使用方法为：ifelse(test, yes, no)。若输入"test"成立，则输出"yes",不成立则输出"no"
#在这里表示，若names=Nairobi，则将其显示为"lightblue",若names≠Nairobi，则进行第二次ifelse函数判断。（即若names=Eskimo，则将其输出为"mediumpurple3"，若names≠Eskimo，则输出为"grey75"）图3
#盒型图默认按照所给数据名称首字母进行排序，如何根据其他指标对盒型进行排序，让图形更美观呢?
#这里以各box中数据中位数排序举例：
data$names = as.factor(data$names)
data$value = as.numeric(data$value)
order_names <- with(data,reorder(names,value,median,na.rm=TRUE))
#对names进行重新排序，标准为median(value),即value中位数。
boxplot(data$value~order_names,col='salmon',ylab="disease",xlab="- variety -")
#新函数reorder()使用方法:reorder(x,y,z)，x为需要重排的因子变量，y为排序标准，z为函数名称barplot()绘制条形图(或叫直方图)
##相关参数介绍：
# height：用于设置条形高度
# width：用于设置条柱宽度，默认为1
# space：用于设置条柱间隔
# names.arg：用于设置条形图标签，即自定义各条带名称
# horiz：逻辑参数，是否使用水平条柱
# plot：逻辑参数，是否画图
# add：逻辑参数，是否将条形图添加到现有的图形上
data <- sample(c(10:100),10)#生成10个10-100之间的随机整数
#将这10个随机数传入barplot()函数，使用rainbow()内置函数生成彩虹色，并将饱和度s调至0.5
barplot(data,col=rainbow(10,s=0.5))
图2 条形图放置: 是否堆叠
set.seed(10)
par(mfrow=c(1,3), cex.main=2)
my_matrix <- matrix(data = sample(10:50,9),nrow = 3,dimnames = list(c('A','B','C'),paste(1:3)))
#生成一个3行3列的矩阵，行名（dimnames）为、B、C，列名（paste）为1、2、3
barplot(my_matrix,beside = T,col=c('rosybrown',' wheat','seashell'),main = 'original')
#beside参数表示是否将条柱平行放置，若为F则堆栈放置
barplot(t(my_matrix),beside = T,col=c('rosybrown',' wheat','seashell'),main = 'swap row and column')
#t()函数为专置函数，即将矩阵行列进行互换
barplot(t(my_matrix),beside = F,col=c('rosybrown',' wheat','seashell'),main = 'stack')
图3 横向显示
par(mfrow=c(2,2),bg='navajowhite')
average_gdp <- c(10000, 8000, 13000, 9200)
country <- c('China','Korea','Japan','Singapore')
#构造一个数据，用于表示四个国家人均GDP。
barplot(average_gdp,names.arg = country,col=heat.colors(4))
#为每一个条柱添加标签#heat.colors()函数为生成一个从红色渐变到黄色再到白色的暖色系。
barplot(average_gdp,names.arg = country,horiz = TRUE,col=heat.colors(4))
#horiz = TRUE设置水平放置条图
barplot(average_gdp,names.arg = country,horiz = FALSE,width = c(0.4,0.6,0.8,1.0),col=heat.colors(4))
#width设置条柱宽度
barplot(average_gdp,names.arg = country,horiz = FALSE,space = 0,col=heat.colors(4)) #space设置条柱间隔
添加误差条
set.seed(20)
par(mfrow=c(1,2),bg='ivory')
data <- data.frame(doseA = rnorm(100,10,2),
doseB = rnorm(100,13,5),
doseC = rnorm(100,8,3))
#构建一个随机数据集，该数据集包含三个变量，分别表示三种不同的药物剂量下，小鼠的某种生理指标的变化水平，每一组均含有100个研究对象。
#rnorm(100,10,2)为随机取100个值，平均值为10，方差为2
#r这列代表随机，可以替换成dnorm, pnorm, qnorm 作不同计算
#r = random = 随机， d= density = 密度， p= probability = 概率 ， q =quantile = 分位
data_mean <- apply(data,2,mean)#生成每一组的平均数
#新函数apply()表示将data数据中第2列取平均值。（1代表行，2代表列，也可写作c(1,2)）
data_sd <- apply(data,2,sd)#生成每一组的标准差。
barcenters <- barplot(data_mean,names.arg = names(data_mean),ylim = c(0,20))
#将barplot()存入一个对象中，这个对象保存的是条柱的中心位置的横坐标
#names.arg参数为定义标签名称
segments(barcenters,data_mean-data_sd,barcenters,data_mean+data_sd,lty=1.2)
#segments()加线段
arrows(barcenters,data_mean-data_sd,barcenters,data_mean+data_sd,code =3,angle = 45)
#arrows()加箭头
#运用segments()和arrows()，两个低级绘图函数，这两个函数都接受x0，y0，x1，y1四个数值，分别表示起始点和终止点坐标。
#code可取1、2、3分别代表显示下箭头、上箭头、双箭头，angle代表箭头角度，取90时代表一条直线
# 图2
#适度美化
A=c(rep("drug A",10),rep("drug B",10))
B=rnorm(20,10,4)
C=rnorm(20,8,3)
D=rnorm(20,5,4)
data = data.frame(A,B,C,D)
#生成数据框
colnames(data)=c("treatment","dose_1","dose_2","dose_3")
#重新命名数据集列名
sigbio=aggregate(cbind(dose_1,dose_2,dose_3)~treatment,data=data,mean)
#计算不同疗法下,不同剂量效果平均值
#新函数aggregate(formula, data, FUN, ..., subset, na.action = na.omit),
#formula处可以放一个公式,此处我们使用了cbind(), FUN代表可以在其中套用其他函数
#cbind(a,b,c)中矩阵a,b,c的行数必需相符,根据列进行合并，即叠加所有列,并有rbind()函数为叠加所有行
rownames(sigbio)=sigbio[,1]
sigbio=as.matrix(sigbio[,-1])
lim=1.2*max(sigbio)
error.bar <- function(x,y,upper,lower=upper,length=0.1,...){
arrows(x,y+upper,x,y-lower,angle = 90,code = 3,length = length,...)
}
stdev=aggregate(cbind(dose_1,dose_2,dose_3)~treatment,data = data,sd)
rownames(stdev)=stdev[,1]
stdev=as.matrix(stdev[,-1])*1.96/10
ze_barplot=barplot(sigbio,beside = T,legend.text = T,col=c('blue','skyblue'),
ylim=c(0,lim),ylab = "height")
error.bar(ze_barplot,sigbio,stdev)
hist()绘制直方图与金字塔图
#直方图独有的参数介绍:
#breaks:截断参数表示直方图具体的区间范围
#freq:逻辑参数,表示是否显示频数,默认为T,若设置为F,则显示概率密度图
#include.lowest:逻辑参数,表示是否包括最小值,可配合breaks参数使用
#right:逻辑参数,表示是否包括最大值,使用方法同include.lowest
#density:是否添加图中斜线(shading lines),注意不是添加密度线
#angle:表示shading lines的斜率,默认为45°
##绘制直方图
op <- par(mfrow=c(2,3))
set.seed(100)
data <- rnorm(200,10,5)
hist(data,col = 'light green')
#原始默认直方图
hist(data,col = 'skyblue',breaks = 15,main='2')
#breaks = 15表示将原始数据分隔成10组
hist(data,col = 'orange',breaks = seq(-5,25,1),main='3')
#seq()函数用于产生一组有规律的数值,seq(-5,25,1)表示从-5到25取值,间距为1
hist(data,col = 'red',breaks = seq(-5,25,1),
density = 30, angle=-45,
main='4')
#添加shading lines,并设置角度为-45°
hist(data,col = 'yellow',breaks = seq(-5,25,1),freq = F,main='5')
lines(density(data),col='blue',lty=3,lwd=2)
#显示概率密度图
hist(data,col = 'pink',breaks = seq(-5,25,1),freq = F,axes=F,main='6',xlab = '',ylab='')
lines(density(data),col='sienna',lty=1,lwd=1)
#可自行运用上期介绍各参数进行自定义直方图样式
par(op) #释放以上参数hist(faithful$waiting,
col="dodgerblue3",
density=25,
angle=60)
方图叠加
TitanicSurvival=data.frame(
age=c(1,10,20,30,40,50, 60, 70,80, 77),
survived=c("no", "yes", "no", "yes", "no", "yes","yes", "no", "yes", "yes")
)
#绘制年龄分布图,从0~80岁,每10岁画一个条柱
hist(TitanicSurvival$age, main = 'TitanicSurvival',
xlab = 'age',ylab = 'ratio',col = 'skyblue',breaks = seq(0,80,10))
#add参数为T时,表示在当前年龄分布图上添加另一个直方图,此处我们添加的为survived=='no',即不同年龄死亡比例.
hist(TitanicSurvival$age[which(TitanicSurvival$survived=='no')],
col = 'indianred', add=T, breaks = seq(0,80,10))
legend(60, 40, c("存活", "死亡"),
fill = c("skyblue", "indianred"))
背靠背直方图
df=data.frame(x=rnorm(100,mean=2),x2=rnorm(100,mean=5))
h1=hist(df$x,plot = F)
h2=hist(df$x2,plot = F)
#绘制两个直方图,数据存在h1h2两个对象中
h2$counts= - h2$counts
#将h2的值反过来
hmax= max(h1$counts)
hmin= min(h2$counts)
#设置y轴取值范围
X = c(h1$breaks,h2$breaks)
xmax = max(X)
xmin = min(X)
#设置x轴取值范围
plot(h1,ylim = c(hmin,hmax),col="lemonchiffon",
xlim = c(xmin,xmax),main = '背靠背直方图')
lines(h2,col='lightpink')
金字塔图–PlotPyramid() //not run
#install.packages('DescTools')#下载新包
library(DescTools)
#lx:接受一个数值向量或一个矩阵.当lx为一个向量时,则该向量用来绘制左半边的条形图或直方图;当为一个矩阵时,该矩阵的第一列数据用来绘制左半边的图,第二列绘制右半边的图,自动忽略其他列.
#rx:若lx为矩阵时,该参数无作用.若lx为一个数值向量时,则rx接受一个相同长度的数值向量,用来绘制右半边的图.
#ylab:设置y轴标签,接受一个字符串向量.
#ylab.x:y轴标签的位置参数,默认为0,即标签位于x=0的位置,也就是图的正中间.
#border:设置图形的边框,当不需要边框是,设置border=NA.
#lxlab,rxlab:设置左右两张图的x轴标签.
#gapwidth:设置左右两张图之间的间距,设置为0时,则无间隙.
#xaxt:设置是否绘制x轴,设置为n时,则不绘制x轴.
#args.grid:绘制背景网格,设置为NA则无背景网格.
par(mfrow=c(1,3))
m.pop <- c(3.2,3.5,3.6,3.6,3.5,3.5,3.7,3.9,3.7,3.5,3.2,2.8,2.2,1.8,1.5,1.3,0.7,0.4,0.2)
f.pop <- c(3.2,3.4,3.5,3.5,3.5,3.7,4.0,3.8,3.9,3.6,3.2,2.5,2.0,1.7,1.5,1.3,1.0,0.8,0.4)
age <- c("0-4","5-9","10-14","15-19","20-24","25-29","30-34","35-39","40-44","45-49",
"50-54","55-59","60-64","65-69","70-74","75-79","80-84","85-89","90+")
#准备数据
PlotPyramid(m.pop,f.pop,
ylab=age,space=0,
col=c("lightsteelblue","pink"),main="Age Distribution at Baseline",
lxlab="male",rxlab="female")
#绘制左侧第一张图
PlotPyramid(m.pop,f.pop,
ylab=age,space=0,
col=c("lightsteelblue","pink"),
xlim=c(-5,5),
main="Age Distribution at Baseline",
lxlab="male",rxlab="female",gapwidth=0,ylab.x=-5)
#绘制中间第二张图
PlotPyramid(c(1,3,5,2,0.5),c(2,4,6,1,0),
ylab= LETTERS[1:5],space=0.3,
col=rep(rainbow(5,s=0.5),each=2),
xlim=c(-10,10),args.grid=NA,cex.names=1.5,adj=1,
lxlab="Group A",rxlab="Group B",gapwidth=0,ylab.x=-8,xaxt="n")镜面图
x1= rnorm(100,mean = 2)
x2= rnorm(100,mean = 5)
par(mfrow=c(2,1))
par(mar=c(0,5,3,3))
plot(density(x1),main = "",xlab = "",ylim=c(0,1),xaxt="n",las=1,col="slateblue",lwd=4)
par(mar=c(5,5,0,3))
plot(density(x2),main = "",xlab="Value of my variable",ylim=c(1,0),las=1,col="tomato",lwd=4)
pie()绘制饼图
#常用参数介绍
# x:非负数值向量,用于绘制占比情形
# edges:饼图边缘圆滑程度,取值越大越圆滑,默认值为200
# radius:饼图半径,默认为0.8
# clockwise:逻辑参数,用于确定是否采用顺时针方向绘制对应扇形,默认为F
# density:表示阴影线密度，默认值为NULL，表示没有阴影线
# border:表示划分饼的切割线的颜色
pie(rep(1,26),col = rainbow(26,s=0.7),labels = LETTERS[1:26],radius = 1,clockwise=T)
library(RColorBrewer)
pie.mydata <- c(10.8,27.0,6.2,21.1,12.8,22.1)
diseasetypes <- c("a1","a2","a3","a4","a5","a6")
names(pie.mydata) <- paste(diseasetypes,pie.mydata,"%",sep=" ")
pie(pie.mydata,col = brewer.pal(length(pie.mydata),"Reds"),border=0,radius = 0.9,init.angle = 90)
# init.angle为设置初始角度大小，顺时针是为90度，否则为0
# 总体来说基础绘图包中pie()函数能力有限,如果需要更多灵活展示,还要学习ggplot2绘制克利夫兰点图 dotplot
#部分参数介绍:
# x:接受一个向量或矩阵
# groups:x的分组情况,若x为矩阵,则默认groups为该矩阵的列
# gdata:每组的值,通常为一个汇总值,比如均值或中位数
# cex, pt.cex:都是用来设置大小,前者用于字符设置,后者用于图中元素设置
# color,gcolor,lcolor: 颜色参数,第一个用于设置图中点和标签;第二个用于设置组的标签和值的颜色;第三个用于设置图中水平线的颜色
op <- par(xaxs = "i")
# xaxs参数:设置坐标轴x的间隔方式。取值范围为："r","i","e", "s","d"。
#一般来说，计算方式是由xlim的数值范围确定的（如果xlim指定了的话）。"r"(regular)首先会对数值范围向两端各延伸4%，然后在延伸后的数值区间中设置坐标值；"i"(internal)直接在原始的数据范围中设置坐标值；**"s"(standard)和"e"(extended)、；"d"(direct)目前还不支持。**
dotchart(t(VADeaths),xlim = c(0,100),main = "Death Rates in Virginia-1940",
lcolor = 'skyblue',color = 'lightsalmon',gcolor = 'mediumorchid',pch = 16)
# 使用内置数据集 VADeaths
par(op)coplot()绘制条件图
#部分参数介绍:
# formula:传入一个公式.此处的公式与R基础包中的其他函数所要求的公式格式相同.一般形式为y~x,左边是因变量,右边是自变量.那么条件绘图的条件体现在哪呢?把这个公式稍微改造一下,y~x|a,注意,添加一个管道符.这个公式的意思就是在变量"a"存在的情况下,y随x的变化而变化,这就是条件的意思.
# data:传入一个数据框,必须包含你所写公式中x,y等变量
# given.values:给定一个值,可根据例子进行理解
# panel:设置面板默认为points,也可改为hist,barplot等
# rows,columns:行列参数,接受一个数值分割画布.
given.depth <- co.intervals(quakes$depth,number = 4,overlap = 0)
#此处调用co.intervals函数,将震源深度分为4组,且不重叠,overlap可设置为0~1,表示各组叠加程度.
coplot(lat~long|depth,data = quakes,given.values = given.depth,rows = 1,
panel = function(x,y,...)panel.smooth(x,y,span = 0.7))
#此处我们定义了panel函数,如果用hist写法应该是panel=function(x,y,...)hist(x,...)
#三个点"..."表示缺省参数,因为hist()中有很多参数,不可能一一列出,所以采用 "..."表示.低级绘图函数 图例的添加–legend()
a=c(1:5);b=c(2,3,3,4,5);cc=c(4,5,2,3,1)#自定义生成三个变量
plot(b~a,type="b",bty="l",xlab="value of a",ylab = "value of b",col='red',lwd=3,pch=17,ylim=c(1,5))
#绘制关于a和b的线图
lines(cc~a,col='blue',lwd=3,pch=19,type="b") #此处用lines()函数添加第二条函数线
#bottomleft:为位置参数,接受一个字符串,比如'topright',表示右上方,也接受一个坐标,比如(3,5)
#legend = c("Group 1","Group 2"):在图例中添加内容,相当于设置图例中各组标签.
#pt.cex:定义图例中标签文字的大小
legend("bottomleft",legend = c("Group 1","Group 2"),
col = c('red','blue'),
pch = c(17,19),
bty = "n",pt.cex = 2,cex = 1.2,text.col = "black",horiz = F,inset = c(0.1,0.1))
2 在图中添加文本 text
data <- sample(20:80,20)
par(mar =c(4,3,3,1))
barcenter <- barplot(data,col = 'skyblue',axes = F,ylim =c(-5,100))
axis(2,at=seq(0,100,10))
# 在图中添加文本:
text(barcenter,-2,labels = LETTERS[1:20],col = 'red',cex = 0.8)
3 在气泡中添加文本 text
mycars <- data.frame(car = c('Honda','Benz','BMW','Audi','Chery','Toyota','Ford','MG'),
mtg = c(4.0,5.2,5.5,2.8,1.8,2.8,3.0,4.8))
#建造一个数据集
plot(mycars$mtg,cex=mycars$mtg,col='hotpink',pch=21,bg='skyblue',ylab = 'cars\' mtg',
xlab = 'cars',xlim = c(0,9))
#此处,cex参数被设置成车辆mtg的大小,由于mtg变量取值大小不一,因此也就生成了一个气泡图.
# 在图中添加文本：
# 在图中添加每辆车的名字。注意text()函数中的向量操作。
# 横坐标是1~7,纵坐标是每辆汽车mtg的取值。
text(1:8,mycars$mtg,labels = mycars$car)