使用lattice进行数据可视化-- 分组变量？

使用lattice进行高级绘图-- 分组变量

当你在lattice绘图公式中增加调节变量时，该变量每个水平的独立面板就会产生。如果想添加的结果和每个水平正好相反，可以指定该变量为分组变量。

比方说，我们想利用核密度图展示使用手动和自动变速器时汽车油耗的分布。我们可以使用下面的代码来添加相应的图形：（为什么我的图形没有出现呢，奇怪？）

library(lattice)

mtcars$transmission <- factor(mtcars$am, levels=c(0, 1),

                              labels=c("Automatic", "Manual"))

densityplot(~mpg, data=mtcars,

            groups=transmission,

            main="MPG Distribution by Transmission Type",

            xlab="Miles per Gallon",

            auto.key=list(space="right", columns=1, title="Transmission"))

#选项auto.key=TRUE创建了一个基本的图例并把它放在图的上方。我们可以通过在列表中指定选项对自动的键值进行有限的修改，比如auto.key=list(space="right", columns=1, title="Transmission")。

 

（此图为书上的）

如果想对图例取得更大的控制权，可以使用key=选项。

（2）带有分组变量和自定义图例的核密度估计（我的图为什么没有出现呢？）

library(lattice)

mtcars$transmission <- factor(mtcars$am, levels=c(0, 1),

                              labels=c("Automatic", "Manual")) #这里绘图符号、线条类型和颜色都被指定为向量

colors <- c("red", "blue")

lines <- c(1,2)

points <- c(16,17)

#自定义图例

key.trans <- list(title="Transmission",

                  space="bottom", columns=2,

                  text=list(levels(mtcars$transmission)),

                  points=list(pch=points, col=colors),

                  lines=list(col=colors, lty=lines),

                  cex.title=1, cex=.9)

# 相同的图类型、线条类型和颜色由densityplot()函数指定密度图

densityplot(~mpg, data=mtcars,

            group=transmission,

            main="MPG Distribution by Transmission Type",

            xlab="Miles per Gallon",

            pch=points, lty=lines, col=colors,

            lwd=2, jitter=.005,

            key=key.trans)

 

（此图为书上的）

（3）带有分组和调节变量以及自定义图例的xyplot函数

R安装时自带的CO2数据框描述了对Echinochloa crus-galli耐寒性的研究。

这个数据描述了12种植物（Plant）在7种二氧化碳浓度（conc）下的二氧化碳吸收率（uptake）。6种植物来自魁北克（Quebec），6种来自密西西比（Mississippi）。每个产地有3种植物在冷藏条件下研究，3种在非冷藏条件下研究。在这个例子中，Plant是分组变量，Type（魁北克/密西西比）和Treatment（冷藏/非冷藏)）是调节变量。下面代码运行的结果见图：

library(lattice)

colors <- "darkgreen"      #设置颜色

symbols <- c(1:12)        #定义特征12种

linetype <- c(1:3)        #定义线的类型有三种

key.species <- list(title="Plant",      #图例的标题为Plant

space="right",        #图例放置的位置

 text=list(levels(CO2$Plant)),         #设置图例的显示文本是数据集CO2种的Plant列

 points=list(pch=symbols, col=colors))        #设置绘图种的符号有12种不同的标记pch=symbols

xyplot(uptake~conc|Type*Treatment, data=CO2,

 group=Plant,

 type="o",

 pch=symbols, col=colors, lty=linetype,

 main="Carbon Dioxide Uptake\nin Grass Plants",

 ylab=expression(paste("Uptake ",

 bgroup("(", italic(frac("umol","m"^2)), ")"))),

 xlab=expression(paste("Concentration ",         #使用expression()函数是为了将数学符号添加到坐标轴标签上。

 bgroup("(", italic(frac(mL,L)), ")"))),

 sub = "Grass Species: Echinochloa crus-galli",

 key=key.species)

 

结果分析：Plant是分组变量（“ordered”  “factor”即分类因子变量），Treatment和Type是调节变量(“factor”即因子变量)，uptake~conc|Type*Treatment表示在给定因子Type和Treatment的水平后，数值变量二氧化碳吸收率uptake和二氧化碳浓度conc的关系。很明显，在冷藏条件下密西西比的植物有显著的不同。