2021-07-09R画图基础

画图代码整理于菜鸟教程，包括了饼图、条形图、曲线图、散点图：

# R 绘图 - 饼图
# 语法格式如下：
# pie(x, labels = names(x), edges = 200, radius = 0.8,
#     clockwise = FALSE, init.angle = if(clockwise) 90 else 0,
#     density = NULL, angle = 45, col = NULL, border = NULL,
#     lty = NULL, main = NULL, …)
# x: 数值向量，表示每个扇形的面积。
# labels: 字符型向量，表示各扇形面积标签。
# edges: 这个参数用处不大，指的是多边形的边数（圆的轮廓类似很多边的多边形）。
# radius: 饼图的半径。
# main: 饼图的标题。
# clockwise: 是一个逻辑值,用来指示饼图各个切片是否按顺时针做出分割。
# angle: 设置底纹的斜率。
# density: 底纹的密度。默认值为 NULL。
# col: 是表示每个扇形的颜色，相当于调色板。

# 数据准备
info = c(1, 2, 4, 8)

# 命名
names = c("Google", "Runoob", "Taobao", "Weibo")

# 涂色（可选）
cols = c("#ED1C24","#22B14C","#FFC90E","#3f48CC")
getwd()

# 绘图
pie(info, labels=names, col=cols)
# 设置输出图片
png(file='runoob-pie.png', height=300, width=300)
# 绘图
pie(info, labels=names, col=cols)


# 数据准备
info = c(1, 2, 4, 8)

# 命名
names = c("Google", "Runoob", "Taobao", "Weibo")

# 涂色（可选）
cols = c("#ED1C24","#22B14C","#FFC90E","#3f48CC")
# 计算百分比
piepercent = paste(round(100*info/sum(info)), "%")
# 绘图
pie(info, labels=piepercent, main = "网站分析", col=cols, family='GB1')
# 添加颜色样本标注
legend("topright", names, cex=0.8, fill=cols)

#如果要绘制 3D 的饼图，可以使用 plotrix 库的 pie3D() 函数，使用前我们需要先安装：
install.packages("plotrix", repos = "https://mirrors.ustc.edu.cn/CRAN/")
# 载入 plotrix
library(plotrix)
# 数据准备
info = c(1, 2, 4, 8)

# 命名
names = c("Google", "Runoob", "Taobao", "Weibo")

# 涂色（可选）
cols = c("#ED1C24","#22B14C","#FFC90E","#3f48CC")

# 设置文件名，输出为 png
png(file = "3d_pie_chart.png")

# 绘制 3D 图，family 要设置你系统支持的中文字体库
pie3D(info,labels = names,explode = 0.1, main = "3D 图",family = "STHeitiTC-Light")

install.packages("showtext", repos = "https://mirrors.ustc.edu.cn/CRAN/")  # 安装 showtext
library(sysfonts)
font_files()   # 查看字体
pie3D(info,labels = names,explode = 0.1, main = "3D 图",family = "ArialUnicodeMS")
# 载入 showtext
library(showtext);
# 第一个参数设置字体名称，第二个参数为字体库路径，同目录下，我们写字体库名就可以了
font_add("SyHei", "SourceHanSansSC-Bold.otf");


# 设置文件名，输出为 png
png(file = "runoob-bar-cn.png")

cvd19 = c(83534,2640626,585493)
#加载字体
showtext_begin();
barplot(cvd19,
        main="新冠疫情条形图",
        col=c("#ED1C24","#22B14C","#FFC90E"),
        names.arg=c("中国","美国","印度"),
        family='sans'     # 设置字体库
)
# 去掉字体
# showtext_end();

#barplot 中的数据既可以是向量，也可以是矩阵，现在我们生成一张新冠疫情 6 月和 7 月对比图
dev.off()
library(showtext);
font_add("SyHei", "SourceHanSansSC-Bold.otf");
cvd19 = matrix(
        c(83017, 83534, 1794546, 2640626, 190535, 585493),
        2, 3
)

# 设置文件名，输出为 png
png(file = "runoob-bar-1.png")

#加载字体
showtext_begin();

colnames(cvd19) = c("中国", "美国", "印度")
rownames(cvd19) = c("6月", "7月")
barplot(cvd19, main = "新冠疫情条形图", beside=TRUE, legend=TRUE,  family='SyHei')
# 去掉字体
showtext_end();





#我们设置的颜色样本将是每各组的颜色样本：
dev.off()
library(showtext);
font_add("SyHei", "SourceHanSansSC-Bold.otf");
cvd19 = matrix(
        c(83017, 83534, 1794546, 2640626, 190535, 585493),
        2, 3
)

# 设置文件名，输出为 png
png(file = "runoob-bar-1.png")

#加载字体
showtext_begin();

colnames(cvd19) = c("中国", "美国", "印度")
rownames(cvd19) = c("6月", "7月")
barplot(cvd19, main = "新冠疫情条形图", beside=TRUE, legend=TRUE,  family='SyHei')

# 去掉字体
showtext_end();



# beside 参数
# beside 设置矩形条堆叠的方式，默认为 FALSE：
# 
# beside=FALSE 时，条形图的高度是矩阵的数值，矩形条是水平堆叠的。
# beside=TRUE 时，条形图的高度是矩阵的数值，矩形条是并列的。
library(showtext);
font_add("SyHei", "SourceHanSansSC-Bold.otf");
cvd19 = matrix(
        c(83017, 83534, 1794546, 2640626, 190535, 585493),
        2, 3
)

# 设置文件名，输出为 png
png(file = "runoob-bar-3.png")
#加载字体
showtext_begin();
colnames(cvd19) = c("中国", "美国", "印度")
rownames(cvd19) = c("6月", "7月")

barplot(cvd19, main = "新冠疫情条形图", beside=FALSE, legend=TRUE,col=c("blue","green"),  family='SyHei')
# 去掉字体
showtext_end();


# R 绘图 - 函数曲线图
# R 中 curve() 函数可以绘制函数的图像，代码格式如下：
# 
# curve(expr, from = NULL, to = NULL, n = 101, add = FALSE,
#       type = "l", xname = "x", xlab = xname, ylab = NULL,
#       log = NULL, xlim = NULL, …)
# 
# # S3 函数的方法
# plot(x, y = 0, to = 1, from = y, xlim = NULL, ylab = NULL, …)
# 注：R 语言的类有 S3 类和 S4 类，S3 类用的比较广，创建简单粗糙但是灵活，而 S4 类比较精细。
# 
# 参数：
# 
# expr：函数表达式
# from 和 to：绘图的起止范围
# n：一个整数值，表示 x 取值的数量
# add：是一个逻辑值，当为 TRUE 时，表示将绘图添加到已存在的绘图中。
# type：绘图的类型，p 为点、l 为直线， o 同时绘制点和线，且线穿过点。
# xname：用于 x 轴变量的名称。
# xlim 和 ylim 表示x轴和y轴的范围。
# xlab，ylab：x 轴和 y 轴的标签名称。
# plot 函数中，x 和 y 分别表示所绘图形的横坐标和纵坐标。
# 
# 以下我们绘制一个 sin(x) 函数的图表：
curve(sin(x), -2 * pi, 2 * pi)
# 定义函数 f
f = function (x) {
        if (x >= 0) {
                x
        } else {
                x ^ 2
        }
}

# 生成自变量序列
x = seq(-2, 2, length=100)

# 生成因变量序列
y = rep(0, length(x))
j = 1
for (i in x) {
        y[j] = f(i)
        j = j + 1
}

# 绘制图像
plot(x, y, type='l')


dev.off()
#使用 plot() 函数对向量数据进行绘图：
# 向量数据
v <- c(7,12,28,3,41)

# 生成图片
png(file = "line_chart_label_colored.jpg")

# 绘图、线图颜色为红色，main 参数用于设置标题
plot(v,type = "o", col = "red", xlab = "Month", ylab = "Rain fall",
     main = "Rain fall chart")


# R 绘图 - 散点图
# plot(x, y, type="p", main, xlab, ylab, xlim, ylim, axes)
# x 横坐标 x 轴的数据集合
# 
# y 纵坐标 y 轴的数据集合
# 
# type：绘图的类型，p 为点、l 为直线， o 同时绘制点和线，且线穿过点。
# main 图表标题。
# 
# xlab、ylab x 轴和 y 轴的标签名称。
# 
# xlim、ylim x 轴和 y 轴的范围。
# 
# axes 布尔值，是否绘制两个 x 轴。
# 
# type 参数可选择值：
# 
# p：点图
# l：线图
# b：同时绘制点和线
# c：仅绘制参数 b 所示的线
# o：同时绘制点和线，且线穿过点
# h：绘制出点到横坐标轴的垂直线
# s：阶梯图，先横后纵
# S：阶梯图，先纵后竖
# n： 空图
# 
# 
# 创建一个简单的线图：
dev.off()
x<-c(10,40)
y<-c(20,60)
# 生成 png 图片
png(file = "runnob-test-plot2.png")

plot(x, y, "l")


#创建一个简单的线图，type 使用 o 参数，同时绘制点和线，且线穿过点：
dev.off()
x<-c(10,40)
y<-c(20,60)
# 生成 png 图片
png(file = "runnob-test-plot.png")

plot(x, y, "o")

# 使用 mtcars 数据集的 wt 和 mpg 列：
input <- mtcars[,c('wt','mpg')]
print(head(input))
# 生成 png 图片
png(file = "scatterplot.png")

# 设置坐标 x 轴范围 2.5 到 5, y 轴范围 15 到 30.
plot(x = input$wt,y = input$mpg,
     xlab = "Weight",
     ylab = "Milage",
     xlim = c(2.5,5),
     ylim = c(15,30),              
     main = "Weight vs Milage"
)

#散点图矩阵
# pairs(formula, data)
# 参数：
# 
# formula 变量系列
# 
# data 变量的数据集


# 输出图片
png(file = "scatterplot_matrices.png")

# 4 个变量绘制矩阵，12 个图

pairs(~wt+mpg+disp+cyl,data = mtcars, main = "Scatterplot Matrix")