【r<-基础|实战|绘图】基本图形的绘制

主题:

• 将变量的分布进行可视化的展示;
• 通过结果变量进行跨组比较。

---

条形图

函数barplot()的最简单用法是：

​ barplot(height)

其中的height是一个向量或者一个矩阵。

接下来示例中，我们绘制一项探索类风湿性关节炎新疗法研究的结果。数据已经包含在随vcd包分发的Arthritis数据框中。（请确保在使用前已经安装vcd包，使用命令install.packages("vcd")）

简单条形图

若height是一个向量，则它的值就确定了各条形图的高度，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。

在关节研究中，变量Improved记录了对每位接受了安慰剂或药物治疗的病人的治疗结果：

> library(vcd)
载入需要的程辑包：grid
> library(grid)
> counts <- table(Arthritis$Improved)
> counts

  None   Some Marked 
    42     14     28 

我们可以使用一幅垂直或水平的条形图来绘制变量counts。代码如下（交互模式）：

> barplot(counts,
+         main="Simple Bar Plot",
+         xlab="Improvement", ylab="Frequency")
> barplot(counts,
+         main="Horizontal Bar Plot",
+         xlab="Frequency", ylab="Improvement",
+         horiz=TRUE)

simple_bar_plot.png horiz_bar_plot.png

生成因素变量的条形图

若要绘制的类别型变量是一个因子或有序因子，就可以使用函数plot()快速创建一幅垂直条形图，而无需使用table()函数将其表格化。下面的代码同样可以绘制出与上图相同的结果：

> plot(Arthritis$Improved, main="Simple Bar Plot",
+     xlab="Improvement", ylab="Frequency")
> plot(Arthritis$Improved, main="Horizontal Bar plot",
+     xlab="Frequency", ylab="Improvement", horiz=TRUE)

堆砌条形图和分组条形图

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。beside=FALSE设置成堆砌（默认），beside=TRUE设置为分组条形图。代码如下：

> library(vcd)
> counts <- table(Arthritis$Improved, Arthritis$Treatment)
> counts
        
         Placebo Treated
  None        29      13
  Some         7       7
  Marked       7      21
> 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)

stacked_bar_plot.png grouped_bar_plot.png

注意它是依据数据框的行名来生成分类的。

均值条形图

我们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)
> means <- aggregate(states$Illiteracy, by=list(state.region), FUN=mean)
> means
        Group.1        x
1     Northeast 1.000000
2         South 1.737500
3 North Central 0.700000
4          West 1.023077
> means <- means[order(means$x),] 
> means
        Group.1        x
3 North Central 0.700000
1     Northeast 1.000000
4          West 1.023077
2         South 1.737500
> barplot(means$x, names.arg = means$Group.1)
> title("Mean Illiteracy Rate")

mean_bar_plot.png

注意：使用title()函数与调用plot()时添加main选项是等价的。

条形图的微调

有若干种方式可以微调条形图的外观。具体就是调节一些相关的设置参数，例如cex.name可以用来调整字号。详细参考一些文档。par()函数能够让你对R的默认图形作出大量修改，这里只给出一个示例：

par(mar=c(5, 8, 4, 2))  # 增加y边界大小
par(las=2)              # 旋转条形的标签
counts <- table(Arthritis$Improved)
barplot(counts,
        main="Treatment Outcome",
        horiz=TRUE,
        cex.names = 0.8,    # 缩小字体大小，让标签更合适
        names.arg = c("No Improvement", "Some Improvement",
                      "Marked Improvement")) # 修改标签文本

treatment_bar_plot.png

棘状图

棘状图（spinogram）：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。此图可以由vcd包的函数spine()绘制。以下生成一个简单的示例：

library(vcd)
attach(Arthritis)
counts <- table(Treatment, Improved)
spine(counts, main="Spinogram Example")
detach(Arthritis)

spinogram_plot.png

饼图

多数统计学家不喜欢饼图，更推荐使用条形图或点图。因为相对于面积，人们对长度的判断更精确。（所以在此也不详述了）

饼图可以由下面函数创建：

pie(x, labels)

直方图

直方图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)

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。默认等距切分。以下提供绘制四种直方图的代码：

par(mfrow=c(2,2))     # 定义子图

hist(mtcars$mpg)     # 简单直方图

hist(mtcars$mpg,
     breaks=12,
     col="red",
     xlab="Miles Per Gallon",
     main="Colored histogram with 12 bins") # 指定组数和颜色

hist(mtcars$mpg,
     freq=FALSE,
     breaks=12,
     col="red",
     xlab="Miles Per Gallon",
     main="Histogram, rug plot, density curve")
# 轴须图(rug plot)是实际数据值的一种一维呈现方式
# 如果数据中有许多的结（相同的值），可以使用下列代码将其数据打散
# rug(jitter(mtcars$mpg, amount=0.01))
rug(jitter(mtcars$mpg))
# 这条密度曲线是一个核密度估计，为数据的分布提供了更加平滑的描述，会在下节具体讲述。
lines(density(mtcars$mpg), col="blue", lwd=2) # 添加轴须图

x <- mtcars$mpg
h <- hist(x,
          breaks=12,
          xlab="Miles Per Gallon",
          main="Histogram with normal curve and box")
# 叠加正态曲线
xfit <- seq(min(x), max(x), length=40)
yfit <- dnorm(xfit, mean=mean(x), sd=sd(x))
yfit <- yfit*diff(h$mids[1:2])*length(x)
lines(xfit, yfit, col="blue", lwd=2)
# 盒型
box()                              # 添加密度曲线和外框

hist_example_plot.png

核密度图

核密度估计是用于估计随机变量概率密度的一种非参数方法，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）：

plot(density(x))

如果想要叠加到其他图上，可以使用lines()函数。

核密度图

par(mfrow=c(2,1))
d <- density(mtcars$mpg)

plot(d)                      # 默认设置创建最简图形

d <- density(mtcars$mpg)
plot(d, main="Kernel Density of Miles Per Gallon")
polygon(d, col="red", border="blue") # 边界为蓝色，用红色填充
rug(mtcars$mpg, col="brown")         # 棕色轴须图

density_default_plot.png

可以比较的核密度图

核密度图可以用于比较组间，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)

其中x是数值向量，factor是一个分组变量。

library(sm)
attach(mtcars)

# 创建分组因子
# 将数值型向量cyl中的(4,6,8)转换为因子
cyl.f <- factor(cyl, levels=c(4,6,8),
                labels = c("4 cylinder", "6 cylinder", 
                           "8 cylinder"))
# 绘制密度图
sm.density.compare(mpg, cyl, xlabel="Miles Per Gallon")
title(main="MPG Distribution by Car Cylinders")

# 通过鼠标点击添加图例
# 第一个参数locator(1)表示用鼠标点击放置图例的位置；第二个参数是由标签组成的字符向量，第三个参数值使用向量colfill为cyl.f的每一个水平指定一种颜色。
colfill <- c(2:(1+length(levels(cyl.f))))
legend(locator(1), levels(cyl.f), fill=colfill)

detach(mtcars)

density_compare_plot.png

箱线图

箱线图同样是一种用来可视化分布和组间差异的绝佳图形手段（非常常用）。它通过绘制连续变量的五数总括——最小值、下四分位数、中位数、上四分位数以及最大值来描述连续型变量的分布。

箱线图能够显示出可能为离群点的观测（范围正负1.5*IQR以外的值，IQR表示四分位距，上四分位数与下四分位数之间的差值）。

例如：

boxplot(mtcars$mpg, main="Box Plot", ylab="Miles per Gallon")

box_plot.png

默认情况下，两条须的延伸极限不会超过盒型各端加1.5倍四分位距的范围，超过的都会用点表示。执行boxplot.stats(mtcars)即可输出构建图形的统计量。

使用并列箱线图进行跨组比较

使用格式：

boxplot(formula, data=dataframe)

第一个参数是公式，第二个是数据框或者列表。添加参数varwidth=TRUE将使箱线图的宽度与其样本大小的平方跟成正比。参数horizontal=TRUE可以反转坐标轴。

# 研究不同的发动机缸数对每加仑汽油行驶的英里数的影响
boxplot(mpg ~ cyl, data=mtcars,
        main="Car Mileage Data",
        xlab="Number of Cylinders",
        ylab="Miles Per Gallon")

car_mileage_data_plot.png

凹槽图

箱线图灵活多变，可以添加notch=TRUE，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性差异。

boxplot(mpg ~ cyl, data=mtcars,
        notch=TRUE,
        varwidth=TRUE,
        col="red",
        main="Car Mileage Data",
        xlab="Number of Cylinders",
        ylab="Miles Per Gallon")

car_mil_data_plot.png

交叉因子箱线图

为多个分组因子绘制箱线图。

mtcars$cyl.f <- factor(mtcars$cyl,
                       levels=c(4,6,8),
                       labels = c("4", "6", "8"))

mtcars$am.f <- factor(mtcars$am,
                      levels=c(0,1),
                      labels = c("auto", "standard"))

boxplot(mpg ~ am.f * cyl.f,
        data=mtcars,
        varwidth=T,
        col=c("gold", "darkgreen"),
        main="MPG Distribution by Auto Type",
        xlab="Auto Type", ylab="Miles Per Gallon")

mpg_dis_plot.png

点图

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x是一个数值向量，而labels则是由每个点的标签组成的向量。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。还可以用gcolor控制不同组标签的颜色，cex可以控制标签的大小。下面是一个示例：

dotchart(mtcars$mpg, labels=row.names(mtcars), cex=.7,
         main="Gas Mileage for Car Models",
         xlab="Miles Per Gallon")

dotchart_example.png

分组、排序、着色后的点图

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$mpg,
         labels = row.names(x),
         cex = .7,
         groups = x$cyl,
         gcolor = "black",
         color = x$color,
         pch = 19,
         main = "Gas Mileage for Car Models\ngrouped by cylinder.",
         xlab = "Miles Per Gallon")

dotchart_example2.png

还有许多关于点图的变种。

本文参考

本文参考R in Action第二版记录，请注意原作版权。