R語言繪圖基礎(chǔ)教程(新手入門推薦!)
一、R語言繪圖初階
首先下載包，繪制一張圖：
#install.packages(c("Hmisc", "RColorBrewer"))
#install.packages(c("vcd", "plotrix", "sm", "vioplot"))
library(ggplot2, lib.loc=""~/R/lib"")
#生存一個可以修改的當(dāng)前圖形參數(shù)列表
par(ask=TRUE)
opar <- par(no.readonly=TRUE)
#載入數(shù)據(jù)集
attach(mtcars) # mtcars是R中自帶的數(shù)據(jù)集，包含多種汽車的數(shù)據(jù)
plot(wt, mpg)
abline(lm(mpg~wt)) #abline是畫一條或多條直線，lm是線性模型
title("Regression of MPG on Weight")
#不用了一定要detach
detach(mtcars)
1、圖形參數(shù)
字體、顏色、坐標(biāo)軸、標(biāo)簽等通過**函數(shù)par()**來指定選項。以這種方式設(shè)定的參數(shù)值除非被再次修改，否則將在
會話結(jié)束前一直有效。其調(diào)用格式為：
par(optionname=value,optionname=name,...)
不加參數(shù)地執(zhí)行par()將生成一個含有當(dāng)前圖形參數(shù)設(shè)置的列表。添加參數(shù)no.readonly=TRUE可以生成一個可以修改的當(dāng)前圖形參數(shù)列表
例如一個藥品的例子：
# Input data for drug example dose <- c(20, 30, 40, 45, 60) drugA <- c(16, 20, 27, 40, 60) drugB <- c(15, 18, 25, 31, 40) plot(dose, drugA, type="b") opar <- par(no.readonly=TRUE) #很重要
2、符號和線條
對上面的例子，現(xiàn)修改一些參數(shù)：
par(lty=2, pch=17) # change line type and symbol plot(dose, drugA, type="b") # generate a plot par(opar) # restore the original settings，恢復(fù)原設(shè)置 plot(dose, drugA, type="b", lty=3, lwd=3, pch=17, cex=2)
3、顏色
# choosing colors library(RColorBrewer) n <- 7 mycolors <- brewer.pal(n, "Set1") barplot(rep(1,n), col=mycolors)
n <- 10 mycolors <- rainbow(n) pie(rep(1, n), labels=mycolors, col=mycolors)
把餅圖改成灰色：
mygrays <- gray(0:n/n) pie(rep(1, n), labels=mygrays, col=mygrays)
4、文本屬性
# View font families opar <- par(no.readonly=TRUE) par(cex=1.5) plot(1:7,1:7,type="n") text(3,3,"Example of default text") text(4,4,family="mono","Example of mono-spaced text") text(5,5,family="serif","Example of serif text") par(opar)
仍用上方藥物例子：
par(lwd=2, cex=1.5) par(cex.axis=.75, font.axis=3) plot(dose, drugA, type="b", pch=19, lty=2, col="red") plot(dose, drugB, type="b", pch=23, lty=6, col="blue", bg="green") par(opar)
5、圖形尺寸與邊界尺寸
par(pin=c(2, 3))#圖形大小
6、添加文本、自定義坐標(biāo)軸和圖例
可使用title()函數(shù)為圖形添加標(biāo)題和坐標(biāo)軸標(biāo)簽，調(diào)用格式：
title(main="maintitle", sub="subtitle", xlab="x-axis label", ylab="y-axis label")
plot(dose, drugA, type="b",
col="red", lty=2, pch=2, lwd=2,
main="Clinical Trials for Drug A",
sub="This is hypothetical data",
xlab="Dosage", ylab="Drug Response",
xlim=c(18, 60), ylim=c(0, 70)) #x軸刻度大小
你可以使用函數(shù)axis()來創(chuàng)建自定義的坐標(biāo)軸，而非使用R中的默認(rèn)坐標(biāo)軸，其格式為：
axis(side, at=, labels=, pos=, lty=, col=, las=, tck=, ...) #例子在下面
函數(shù)**abline()**可以用來為圖形添加參考線，其使用格式為：
dose <- c(20, 30, 40, 45, 60)
drugA <- c(16, 20, 27, 40, 60)
drugB <- c(15, 18, 25, 31, 40)
opar <- par(no.readonly=TRUE)
par(lwd=2, cex=1.5, font.lab=2)
plot(dose, drugA, type="b",
pch=15, lty=1, col="red", ylim=c(0, 60),
main="Drug A vs. Drug B",
xlab="Drug Dosage", ylab="Drug Response")
lines(dose, drugB, type="b",
pch=17, lty=2, col="blue")
abline(h=c(30), lwd=1.5, lty=2, col="gray")
abline(h=yvalues,v=xvalues)
我們可以使用**函數(shù)legend()**來添加圖例，其使用格式為：
legend(location,title, legend, ...)
也可以這樣理解：先繪制drugA的圖，在這基礎(chǔ)上加一天B的線，接下來添加圖例：
library(Hmisc)
minor.tick(nx=3, ny=3, tick.ratio=0.005) #自己加一些小的刻度線
legend("topleft", inset=.005, title="Drug Type", c("A","B"),
lty=c(1, 2), pch=c(15, 17), col=c("red", "blue"))
par(opar)
函數(shù)text()和mtext()將文本添加到圖形上。 text()可向繪圖區(qū)域內(nèi)部添加文本，而mtext()則向圖形的四個邊界之一添加文本，使用格式分別為：
text(location, "text to place", pos, ...)
mtext("text to place", side, line=n, ...)
x <- c(1:10)
y <- x
z <- 10/x
opar <- par(no.readonly=TRUE) # make a copy of current settings
par(mar=c(5, 4, 4, 8) + 0.1)
plot(x, y, type="b",
pch=21, col="red",
yaxt="n",lty=3, ann=FALSE)
#yaxt指y軸類型，“n”指阻止y軸畫出，ann指注釋，此處為了下方自己添加，所以都去掉了
lines(x, z, type="b", pch=22, col="blue", lty=2)
axis(2, at=x, labels=x, col.axis="red", las=2) #坐標(biāo)軸另一種加法
axis(4, at=z, labels=round(z, digits=2),
col.axis="blue", las=2, cex.axis=0.7, tck=-.01)
mtext("y=1/x", side=4, line=3, cex.lab=1, las=2, col="blue")
title("An Example of Creative Axes",
xlab="X values",
ylab="Y=X")
par(opar)
又如：
attach(mtcars)
plot(wt, mpg,
main="Mileage vs. Car Weight",
xlab="Weight", ylab="Mileage",
pch=18, col="blue")
text(wt, mpg,
row.names(mtcars),
cex=0.6, pos=4, col="red")
detach(mtcars)
7、圖形的組合
par()函數(shù)中使用圖形參數(shù) mfrow=c(nrows, ncols) 來創(chuàng)建按行填充的、行數(shù)為nrows、列數(shù)為ncols的圖形矩陣。另外，可以使用 mfcol=c(nrows, ncols) 按列填充矩陣
可以自己選擇布局大小：
attach(mtcars) opar <- par(no.readonly=TRUE) par(mfrow=c(2,2)) plot(wt,mpg, main="Scatterplot of wt vs. mpg") plot(wt,disp, main="Scatterplot of wt vs. disp") hist(wt, main="Histogram of wt") boxplot(wt, main="Boxplot of wt") par(opar) detach(mtcars)
也可以嘗試下三行一列：
attach(mtcars) opar <- par(no.readonly=TRUE) par(mfrow=c(3,1)) hist(wt) hist(mpg) hist(disp) par(opar) detach(mtcars)
填充矩陣：
attach(mtcars)
layout(matrix(c(1,1,2,3), 2, 2, byrow = TRUE))
hist(wt)
hist(mpg)
hist(disp)
detach(mtcars)
attach(mtcars)
layout(matrix(c(1, 1, 2, 3), 2, 2, byrow = TRUE),
widths=c(3, 1), heights=c(1, 2))
hist(wt)
hist(mpg)
hist(disp)
detach(mtcars)
還可以這樣布局：
opar <- par(no.readonly=TRUE)
par(fig=c(0, 0.8, 0, 0.8))
plot(mtcars$wt, mtcars$mpg,
xlab="Miles Per Gallon",
ylab="Car Weight")
par(fig=c(0, 0.8, 0.55, 1), new=TRUE)
boxplot(mtcars$wt, horizontal=TRUE, axes=FALSE)
par(fig=c(0.65, 1, 0, 0.8), new=TRUE)
boxplot(mtcars$mpg, axes=FALSE)
mtext("Enhanced Scatterplot", side=3, outer=TRUE, line=-3)
par(opar)
二、R語言基本圖形繪制
1、條形圖
1.1 簡單條形圖
若height是一個向量，則它的值就確定了各條形的高度，并將繪制一幅垂直的條形圖。使用選項horiz=TRUE則會生成一幅水平條形圖。你也可以添加標(biāo)注選項。選項main可添加一個圖形標(biāo)題，而選項xlab和ylab則會分別添加x軸和y軸標(biāo)簽
par(ask=TRUE)
opar <- par(no.readonly=TRUE) # save original parameter settings
library(vcd)
counts <- table(Arthritis$Improved) #自帶的
counts
#大致查看一下數(shù)據(jù)前幾行
head(Arthritis)
barplot(counts,
main="Simple Bar Plot",
xlab="Improvement", ylab="Frequency")
# 水平條形圖
barplot(counts,
main="Horizontal Bar Plot",
xlab="Frequency", ylab="Improvement",
horiz=TRUE)
1.2 堆砌條形圖和分組條形圖
如果height是一個矩陣而不是一個向量，則繪圖結(jié)果將是一幅堆砌條形圖或分組條形圖。若beside=FALSE（默認(rèn)值），則矩陣中的每一列都將生成圖中的一個條形，各列中的值將給出堆砌的“子條”的高度。若beside=TRUE，則矩陣中的每一列都表示一個分組，各列中的值將并列而不是堆砌
堆砌條形圖
library(vcd)
counts <- table(Arthritis$Improved, Arthritis$Treatment)
counts
barplot(counts,
main="Stacked Bar Plot",
xlab="Treatment", ylab="Frequency",
col=c("red", "yellow","green"),
legend=rownames(counts))
#調(diào)整下圖例大?。喝绻麍D例過大遮住圖形，可以設(shè)置一下電腦的顯示比例，調(diào)小
分組條形圖
barplot(counts,
main="Grouped Bar Plot",
xlab="Treatment", ylab="Frequency",
col=c("red", "yellow", "green"),
legend=rownames(counts), beside=TRUE)
1.3 均值條形圖
條形圖并不一定要基于計數(shù)數(shù)據(jù)或頻率數(shù)據(jù)。你可以使用數(shù)據(jù)整合函數(shù)并將結(jié)果傳遞給barplot()函數(shù)，來創(chuàng)建表示均值、中位數(shù)、標(biāo)準(zhǔn)差等的條形圖
states <- data.frame(state.region, state.x77) #本身有的數(shù)據(jù)集
means <- aggregate(states$Illiteracy, by=list(state.region), FUN=mean)
means
means <- means[order(means$x),]
means
barplot(means$x, names.arg=means$Group.1)
title("Mean Illiteracy Rate")
1.4 條形圖的微調(diào)
有若干種方式可以微調(diào)條形圖的外觀。例如，隨著條數(shù)的增多，條形的標(biāo)簽可能會開始重疊。你可以使用參數(shù)cex.names來減小字號。將其指定為小于1的值可以縮小標(biāo)簽的大小?？蛇x的參數(shù)names.arg允許你指定一個字符向量作為條形的標(biāo)簽名，你同樣可以使用圖形參數(shù)輔助調(diào)整文本間隔
# Listing 6.4 - Fitting labels in bar plots
par(las=2) # set label text perpendicular to the axis
par(mar=c(5,8,4,2)) # increase the y-axis margin
counts <- table(Arthritis$Improved) # get the data for the bars
# produce the graph
barplot(counts,
main="Treatment Outcome", horiz=TRUE, cex.names=0.8,
names.arg=c("No Improvement", "Some Improvement", "Marked Improvement")
)
par(opar)
2、棘狀圖
是一種特殊的條形圖，它稱為棘狀圖（spinogram）。棘狀圖對堆砌條形圖進(jìn)行了重縮放，這樣每個條形的高度均為1，每一段的高度即表示比例。棘狀圖可由vcd包中的函數(shù) spine() 繪制
library(vcd) attach(Arthritis) counts <- table(Treatment,Improved) spine(counts, main="Spinogram Example") detach(Arthritis)
3、餅圖
餅圖可由以下函數(shù)創(chuàng)建： pie(x, labels)，其中x是一個非負(fù)數(shù)值向量，表示每個扇形的面積，而labels則是表示各扇形標(biāo)簽的字符型向量
par(mfrow=c(2,2)) #畫布的位置
slices <- c(10, 12, 4, 16, 8) #對應(yīng)下方5個國家位置
lbls <- c("US", "UK", "Australia", "Germany", "France")
pie(slices, labels = lbls,
main="Simple Pie Chart")
#更復(fù)雜一點(diǎn)
pct <- round(slices/sum(slices)*100) #算百分比比例
lbls <- paste(lbls, pct)
lbls <- paste(lbls,"%",sep="")
pie(slices,labels = lbls, col=rainbow(length(lbls)),
main="Pie Chart with Percentages")
#畫立體餅圖
library(plotrix)
pie3D(slices, labels=lbls,explode=0.1,
main="3D Pie Chart ") #設(shè)置explode立體效果
mytable <- table(state.region)
lbls <- paste(names(mytable), "\n", mytable, sep="")
pie(mytable, labels = lbls,
main="Pie Chart from a dataframe\n (with sample sizes)")
par(opar)
在醫(yī)學(xué)中，餅圖與扇形圖用的都不多
下面列出扇形圖：
library(plotrix)
slices <- c(10, 12,4, 16, 8)
lbls <- c("US", "UK", "Australia", "Germany", "France")
fan.plot(slices, labels = lbls, main="Fan Plot")
4、直方圖
直方圖通過在x軸上將值域分割為一定數(shù)量的組，在y軸上顯示相應(yīng)值的頻數(shù)，展示了連續(xù)型變量的分布?？梢允褂萌缦潞瘮?shù)創(chuàng)建直方圖： hist(x)
其中的x是一個由數(shù)據(jù)值組成的數(shù)值向量。參數(shù) freq=FALSE 表示根據(jù)概率密度而不是頻數(shù)繪制圖形。參數(shù)breaks用于控制組的數(shù)量。在定義直方圖中的單元時，默認(rèn)將生成等距切分
hist(mtcars$mpg)
調(diào)整下間隔：
#頻數(shù)分布直方圖
hist(mtcars$mpg,
breaks=12,
col="red",
xlab="Miles Per Gallon",
main="Colored histogram with 12 bins")
#密度直方圖，根據(jù)概率密度繪圖
hist(mtcars$mpg,
freq=FALSE,
breaks=12,
col="red",
xlab="Miles Per Gallon",
main="Histogram, rug plot, density curve")
rug(jitter(mtcars$mpg)) #添加對應(yīng)的線
lines(density(mtcars$mpg), col="blue", lwd=2) #畫一條曲線
我們往往希望加入正態(tài)分布曲線：
# histogram with superimposed normal curve (Thanks to Peter Dalgaard)
x <- mtcars$mpg
h<-hist(x,
breaks=12,
col="red",
xlab="Miles Per Gallon",
main="Histogram with normal curve and box")
xfit<-seq(min(x),max(x),length=40)
yfit<-dnorm(xfit,mean=mean(x),sd=sd(x))
yfit <- yfit*diff(h$mids[1:2])*length(x)
lines(xfit, yfit, col="blue", lwd=2)
box()
5、核密度圖
用術(shù)語來說，核密度估計是用于估計隨機(jī)變量概率密度函數(shù)的一種非參數(shù)方法。雖然其數(shù)學(xué)細(xì)節(jié)已經(jīng)超出了本書
的范疇，但從總體上講，核密度圖不失為一種用來觀察連續(xù)型變量分布的有效方法。繪制密度圖的方法（不疊加到另一幅圖上方）為： plot(density(x))
其中的x是一個數(shù)值型向量。由于plot()函數(shù)會創(chuàng)建一幅新的圖形，所以要向一幅已經(jīng)存在的圖形上疊加一條密度曲線，可以使用lines()函數(shù)
使用sm包中的sm.density.compare()函數(shù)可向圖形疊加兩組或更多的核密度圖，使用格式為：
sm.density.compare(x, factor)
d <- density(mtcars$mpg) # returns the density data plot(d) # plots the results d <- density(mtcars$mpg) plot(d, main="Kernel Density of Miles Per Gallon") polygon(d, col="red", border="blue") #填充顏色 rug(mtcars$mpg, col="brown")
par(lwd=2)
library(sm)
attach(mtcars)
# create value labels
cyl.f <- factor(cyl, levels= c(4, 6, 8),
labels = c("4 cylinder", "6 cylinder", "8 cylinder")) #設(shè)置一個因子與它的水平
# plot densities
sm.density.compare(mpg, cyl, xlab="Miles Per Gallon")
title(main="MPG Distribution by Car Cylinders")
#加圖例
colfill<-c(2:(2+length(levels(cyl.f))))
cat("Use mouse to place legend...","\n\n")
legend(locator(1), levels(cyl.f), fill=colfill)
detach(mtcars)
6、箱式圖
箱線圖（又稱盒須圖）通過繪制連續(xù)型變量的五數(shù)總括，即最小值、下四分位數(shù)（第25百分位數(shù)）、中位數(shù)（第50百分位數(shù)）、上四分位數(shù)（第75百分位數(shù)）以及最大值，描述了連續(xù)型變量的分布。箱線圖能夠顯示出可能為離群點(diǎn)（范圍±1.5*IQR以外的值， IQR表示四分位距，即上四分位數(shù)與下四分位數(shù)的差值）的觀測，如：
boxplot(mtcars$mpg, main="Box plot", ylab="Miles per Gallon")
boxplot(mpg~cyl,data=mtcars,
main="Car Milage Data",
xlab="Number of Cylinders",
ylab="Miles Per Gallon")
# notched box plots凹槽箱式圖
boxplot(mpg~cyl,data=mtcars,
notch=TRUE,
varwidth=TRUE,
col="red",
main="Car Mileage Data",
xlab="Number of Cylinders",
ylab="Miles Per Gallon")
7、使用并列箱線圖進(jìn)行跨組比較
箱線圖可展示單個變量或分組變量。使用格式：
boxplot(formula,data=dataframe)
其中的formula是一個公式， dataframe代表提供數(shù)據(jù)的數(shù)據(jù)框（或列表）。一個示例公式為y ~A，這將為類別型變量A的每個值并列地生成數(shù)值型變量y的箱線圖。公式y(tǒng) ~ A*B則將為類別型變量A和B所有水平的兩兩組合生成數(shù)值型變量y的箱線圖
添加參數(shù)varwidth=TRUE 將使箱線圖的寬度與其樣本大小的平方根成正比。參數(shù)horizontal=TRUE可以反轉(zhuǎn)坐標(biāo)軸的方向
箱線圖靈活多變，通過添加notch=TRUE，可以得到含凹槽的箱線圖。若兩個箱的凹槽互不重疊，則表明它們的中位數(shù)有顯著差異
# Listing 6.9 - Box plots for two crossed factors
# create a factor for number of cylinders
mtcars$cyl.f <- factor(mtcars$cyl,
levels=c(4,6,8),
labels=c("4","6","8"))
# create a factor for transmission type
mtcars$am.f <- factor(mtcars$am,
levels=c(0,1),
labels=c("auto","standard"))
# generate boxplot
boxplot(mpg ~ am.f *cyl.f,
data=mtcars,
varwidth=TRUE,
col=c("gold", "darkgreen"),
main="MPG Distribution by Auto Type",
xlab="Auto Type")
8、小提琴圖
小提琴圖是箱線圖與核密度圖的結(jié)合。你可以使用vioplot包中的vioplot()函數(shù)繪制它。請在第一次使用之前安裝vioplot包，vioplot()函數(shù)的使用格式為：
vioplot(x1, x2, ... , names=, col=)
其中x1, x2, …表示要繪制的一個或多個數(shù)值向量（將為每個向量繪制一幅小提琴圖）。參數(shù)names是小提琴圖中標(biāo)簽的字符向量，而col是一個為每幅小提琴圖指定顏色的向量
x1 <- mtcars$mpg[mtcars$cyl==4] #是一個向量，包含mpg與所有cy1為4的值
x2 <- mtcars$mpg[mtcars$cyl==6]
x3 <- mtcars$mpg[mtcars$cyl==8]
vioplot(x1, x2, x3,
names=c("4 cyl", "6 cyl", "8 cyl"),
col="gold")
title("Violin Plots of Miles Per Gallon")
9、點(diǎn)圖與散點(diǎn)圖
點(diǎn)圖提供了一種在簡單水平刻度上繪制大量有標(biāo)簽值的方法。你可以使用dotchart()函數(shù)創(chuàng)建點(diǎn)圖，格式為：
dotchart(x, labels=)
其中的x是一個數(shù)值向量，而labels則是由每個點(diǎn)的標(biāo)簽組成的向量。你可以通過添加參數(shù)groups來選定一個因子，用以指定x中元素的分組方式。如果這樣做，則參數(shù)gcolor可以控制不同組標(biāo)簽的顏色， cex可以控制標(biāo)簽的大小
dotchart(mtcars$mpg,labels=row.names(mtcars),cex=.7, #每加侖跑的里程
main="Gas Mileage for Car Models",
xlab="Miles Per Gallon")
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,
pch=19,
groups = x$cyl,
gcolor = "black",
color = x$color,
main = "Gas Mileage for Car Models\ngrouped by cylinder",
xlab = "Miles Per Gallon")
R中創(chuàng)建散點(diǎn)圖的基礎(chǔ)函數(shù)是plot(x, y)，其中， x和y是數(shù)值型向量，代表著圖形的(x, y)點(diǎn)
# install.packages(c("car", "scatterplot3d", "gclus", "hexbin", "IDPmisc", "Hmisc", #
# "corrgram", "vcd", "rld"))
par(ask=TRUE)
opar <- par(no.readonly=TRUE) # record current settings
# Listing 11.1 - A scatter plot with best fit lines
attach(mtcars)
plot(wt, mpg,
main="Basic Scatterplot of MPG vs. Weight",
xlab="Car Weight (lbs/1000)",
ylab="Miles Per Gallon ", pch=19)
abline(lm(mpg ~ wt), col="red", lwd=2, lty=1)
lines(lowess(wt, mpg), col="blue", lwd=2, lty=2)
detach(mtcars)
10、折線圖
如果將散點(diǎn)圖上的點(diǎn)從左往右連接起來，就會得到一個折線圖。以基礎(chǔ)安裝中的Orange數(shù)據(jù)集為例，它包含五種橘樹的樹齡和年輪數(shù)據(jù)
library(car)
scatterplot(mpg ~ wt | cyl, data=mtcars, lwd=2,
main="Scatter Plot of MPG vs. Weight by # Cylinders",
xlab="Weight of Car (lbs/1000)",
ylab="Miles Per Gallon", id.method="identify",
legend.plot=TRUE, labels=row.names(mtcars),
boxplots="xy")
# Listing 11.2 - Creating side by side scatter and line plots
opar <- par(no.readonly=TRUE)
par(mfrow=c(1,2)) #設(shè)置畫布，一行兩列
t1 <- subset(Orange, Tree==1) #自帶的數(shù)據(jù)集
plot(t1$age, t1$circumference,
xlab="Age (days)",
ylab="Circumference (mm)",
main="Orange Tree 1 Growth")
plot(t1$age, t1$circumference,
xlab="Age (days)",
ylab="Circumference (mm)",
main="Orange Tree 1 Growth",
type="b")
par(opar)
t | cyl, data=mtcars, lwd=2,
main=“Scatter Plot of MPG vs. Weight by # Cylinders”,
xlab=“Weight of Car (lbs/1000)”,
ylab=“Miles Per Gallon”, id.method=“identify”,
legend.plot=TRUE, labels=row.names(mtcars),
boxplots=“xy”)
Listing 11.2 - Creating side by side scatter and line plots
opar <- par(no.readonly=TRUE)
par(mfrow=c(1,2)) #設(shè)置畫布，一行兩列
t1 <- subset(Orange, Tree==1) #自帶的數(shù)據(jù)集
plot(t1 a g e , t 1 age, t1 age,t1circumference,
xlab=“Age (days)”,
ylab=“Circumference (mm)”,
main=“Orange Tree 1 Growth”)
plot(t1 a g e , t 1 age, t1 age,t1circumference,
xlab=“Age (days)”,
ylab=“Circumference (mm)”,
main=“Orange Tree 1 Growth”,
type=“b”)
par(opar)
總結(jié)
到此這篇關(guān)于R語言繪圖基礎(chǔ)教程的文章就介紹到這了,更多相關(guān)R語言繪圖教程內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
R語言編程數(shù)學(xué)分析重讀微積分理解極限算法
這篇文章主要為大家介紹了R語言編程重讀微積分?jǐn)?shù)學(xué)分析理解極限算法的詳細(xì)過程，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步2021-10-10
R語言實現(xiàn)將分類變量轉(zhuǎn)換為啞變量(dummy vairable)
這篇文章主要介紹了R語言實現(xiàn)將分類變量轉(zhuǎn)換為啞變量(dummy vairable)，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
這篇文章主要介紹了R語言的下載安裝圖文教程講解,本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-03-03
R語言數(shù)據(jù)類型轉(zhuǎn)換的實現(xiàn)(向量,列表,矩陣)
我們在使用R語言做數(shù)據(jù)分析時,會一直對數(shù)據(jù)進(jìn)行不同類型的轉(zhuǎn)換,本文主要介紹了R語言數(shù)據(jù)類型轉(zhuǎn)換的實現(xiàn),具有一定的參考價值,感興趣的可以了解一下2024-04-04
這篇文章主要介紹了R語言 使用ggplot2繪制好看的分組散點(diǎn)圖操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
在本篇文章里小編給大家整理的是一篇關(guān)于R語言繪制餅狀圖代碼實例內(nèi)容，有興趣的朋友們可以學(xué)習(xí)下。2021-04-04
這篇文章主要介紹了R語言刪除/添加數(shù)據(jù)框中的某一行/列，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
R語言 實現(xiàn)將1對多數(shù)據(jù)與1對1數(shù)據(jù)互換
這篇文章主要介紹了R語言 實現(xiàn)將1對多數(shù)據(jù)與1對1數(shù)據(jù)互換的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03
使用R語言繪制散點(diǎn)圖結(jié)合邊際分布圖教程
這篇文章主要介紹了使用R語言利用ggplot繪制散點(diǎn)圖，并且在圖像的兩邊繪制邊際分布圖（包括邊際直方圖與邊際密度函數(shù)）我們這里介紹兩種方法進(jìn)行繪制2021-11-11
這篇文章主要介紹了用R語言繪制ROC曲線的實例講解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04