R语言-散点图进阶

1.分组散点图

①xyplot()函数

> library(lattice) 
> xyplot(mpg~disp,                #定义Y~X轴
+ data=mtcars, 
+ groups=cyl,                     #定义分组
+ auto.key=list(corner=c(1,1)))   #设置图例 

②qplot()函数

> library(ggplot2)                   #加载包
> qplot(disp,mpg,data=mtcars, 
+ col= as.factor(cyl))               #用颜色分组
> qplot(disp,mpg,data=mtcars,
+ shape=as.factor(cyl))              #用形状分组
> qplot(disp,mpg,data=mtcars,
+ size=as.factor(cyl))               #用大小分组

　　

2.添加标识点   #text()函数

> health<-read.csv("HealthExpenditure.csv",header=TRUE) 
> plot(health$Expenditure,health$Life_Expectancy,type="n")             #定义X轴，Y轴，以无散点形式画图
> text(health$Expenditure,health$Life_Expectancy,health$Country)       #以坐标添加城市名为标识点

3.相关系数散点图

> panel.cor <- function(x, y, ...) 
+ {
+ par(usr = c(0, 1, 0, 1))               #自定义每个坐标系范围
+ txt <- as.character(format(cor(x,      #cor计算相关系数，as.character转换为字符串
+ y), digits=2))                         #digits=2保留两位小数
+ text(0.5, 0.5, txt, cex = 6*           #以(0.5,0.5)的坐标标识相关系数
+ abs(cor(x, y)))                        #数字大小为相关系数的六倍
+ } 
> pairs(iris[1:4],                       #以iris数据集的1到4列两两组合画散点图
+ upper.panel=panel.cor)                 #右上方的三角形区域画相关系数代替散点图

4.误差条  #arrows()函数

> plot(mpg~disp,data=mtcars)
> arrows(x0=mtcars$disp,        #设置起始点
+ y0=mtcars$mpg*0.95,           #设置向下的终点
+ x1=mtcars$disp, 
+ y1=mtcars$mpg*1.05,           #设置向上的终点
+ angle=90,                     #设置角度
+ code=3,                       #设置样式
+ length=0.04,                  #设置长度
+ lwd=0.4)                      #设置宽度
> arrows(x0=mtcars$disp*0.95,   #设置向左的终点
+ y0=mtcars$mpg,                #设置起始点
+ x1=mtcars$disp*1.05, 
+ y1=mtcars$mpg, 
+ angle=90, 
+ code=3, 
+ length=0.04, 
+ lwd=0.4) 

5.密集散点图  #jitter()函数：给向量加上少许噪音

> x <- rbinom(1000, 10, 0.25)    #随机生成1000个均值为10*0.25=2.5的数
> y <- rbinom(1000, 10, 0.25) 
> plot(x,y) 
> plot(jitter(x), jitter(y)) 

       

6.三维散点图   #scatterplot3d()函数

> library(scatterplot3d) 
> scatterplot3d(x=mtcars$wt, 
+ y=mtcars$disp, 
+ z=mtcars$mpg) 

> scatterplot3d(mtcars$wt,mtcars$disp,mtcars$mpg, 
+ pch=16,                                              #实心散点
+ highlight.3d=TRUE,                                   #设置渐变颜色
+ angle=20,                                            #X和Y轴的夹角
+ xlab="Weight",
+ ylab="Displacement",
+ zlab="Fuel Economy (mpg)", 
+ type="h",                                            #画散点垂直线
+ main="Relationships between car specifications") 

7.QQ图（检验数据是否服从正态分布）

> qqnorm(mtcars$mpg)        #画散点
> qqline(mtcars$mpg)        #画线（如果为一条直线，则数据服从正态分布）

8.密度表示  #rug()函数

> metals<-read.csv("metals.csv") 
> plot(Ba~Cu,data=metals,xlim=c(0,100))  #画散点图
> rug(metals$Cu)                         #密度表示（默认画在X轴方向）
> rug(metals$Ba,
+ side=2,                                #在Y轴方向表示
+ col="red",
+ ticksize=0.02)                         #设置长度

9.雾化散点图   #smoothScatter()函数

> n <- 10000 
> x <- matrix(rnorm(n), ncol=2) 
> y <- matrix(rnorm(n, mean=3,sd=1.5), ncol=2) 
> smoothScatter(x,y)