R实习指导模板.docVIP

R统计图形 一图胜千言，优秀的图形可以将枯燥的数字以友好的形式展示在大家前面，从而让数据自己说话。在可视化技术如火如荼的发展之背景下， 本章主要向大家介绍R底层作图函数以及高水平作图函数，以及现今一些经典的R作图包. 4.1 引入 图 4.1 mapped 2011 想必大家看到这幅图，也许都想知道要怎么样才能画出来呢？是的，R就能完成，并且还能完成得非常漂亮.冰冻三尺非一日之寒，要想完成这么复杂但是美观的图案，还是得学习很多的东西，下面我们也就从R最基础的作图函数开始，达到你所见则能所画.或者想方法，让一般能实现的东西变得更加漂亮. 4.2 R 统计描述作图 4.2.1 直方图、经验分布图与QQ图 直方图的作图函数为hist(x),x为向量.其他参数详见帮助函数？hist. 与直方图相配套的核密度估计函数density(x)，其目的是用已知样本估计其密度.其他参数详见？density. 经验分布函数的作图命令为ecdf(x). 不论是直方图还是经验分布图，要从比较上鉴别样本是否近似于某种类型的分布较困难，而QQ图可以帮助我们鉴别样本的分布是否近似于正态分布.qqnorm()和qqline()提供了画正态QQ图和相应直线的方法，其他的参数详见帮助文件. 例4.2.1 下面是15个学生的体重（单位:Kg）如下 75.0 64.0 47.4 66.9 62.2 62.2 58.7 63.5 66.6 64.0 57.0 69.0 56.9 50.0 72.0 对此数据作出直方图、核密度估计图以及QQ图. 命令为： w-c(75.0,64.0,47.4,66.9,62.2,62.2,58.7,63.5,66.6,64.0,57.0,69.0,56.9,50.0,72.0) hist(w,freq=F) #绘出密度直方图 lines(density(w),col=blue) #绘出蓝色的学生体重密度线 lines(44:76,dnorm(44:76,mean(w),sd(w)),col=red) qqnorm(w);qqline(w) #绘出学生体重的QQ图 我们得到下面的图： 图4.2 学生体重的直方图、核密度估计图和QQ图 由图4.2可以看出15个学生的体重是近似服从正态分布的. 4.2.2 箱线图 箱线图的作图函数为boxplot()，参数详见？boxplot. 在箱线图中，上（Q3）下（Q1）四分位数分别确定出中间箱体的顶部和底部，箱体中间的粗线是中位数所在的位置.由箱体向上下伸出的垂直部分成为“触须”，表示数据的散步范围，最远点为1.5倍四分位数间距，超出此范围的点称为异常指点，通常用“o”表示. 在R软件中，InsectSprays是内部的数据框，它由两列数据构成，一列叫count,由数据构成，另一列叫spray,由因子构成，共有A-F六个水平，现在画出数据count在这六个水平下的箱线图，其命令为： boxplot(count~spray,data=InsectSprays,notch=T,col=2:7) 得到下面的图形： 图4.3 InsectSpray的箱线图 由上面可以看出在C、D两个水平上，存在极端异常值点（处于外限之外），都含有“o”标记.col=2:7代表箱线图的颜色向量从2（红色）开始到7（淡黄色），图中的C、E、F水平上四分位数离中位数的距离远比下四分位数距中位数的距离大，说明这些水平上，数据呈右偏分布，即数值较小的占多数；同理，B、D水平下，数据呈左偏分布，数值较大的占多数. 当然boxplot()函数也还有其他很多的统计应用，希望您可以自己去学习. 4.3 高水平作图函数 4.3.1 高水平的函数作图简介 高水平作图函数有：plot()、pairs()、coplot()、dotchart()、contour()、image()、persp()等等 plot（）函数的使用方法： plot(x,y):x,y为向量，生成y关于x的散点图. plot(x):x是一时间序列，生成时序图；x是向量，生成x关于下标的散点图；x是复向量，生成复数的实部与虚部的散点图. plot(f,y):f是因子，y是数值向量,生成y关于f水平的箱线图. plot(df):df为数据框，生成df中所有变量的相对散点图. pairs(x):x为矩阵，生成矩阵各列的散布图；x为数据框时，同plot(x)的功能. coplot()函数的使用方法： coplot(a~b|c)：在给定c值下，a关于b的散点图. coplot(a~b|c+d):即按c,d划分下，a关于b的散点图. dotchart(x):构造数据x的点图，点图中，y轴是数据x标记，x 轴是数据x的数