一，布局
Ｒ绘图所占的区域，被分成两大部分，一是外围边距，一是绘图区域。
外围边距可使用par()函数中的oma来进行设置。比如oma=c(4,3,2,1)，就是指外围边距分别为下边距：4行，左边距3行，上边距2行，右边距1行。很明显这个设置顺序是从x轴开始顺时针方向。这里的行是指可以显示1行普通字体。所以当我们使用mtext中的line参数时，设置的大小就应该是[0,行数)的开区间。当我们使用mtext在外围边距上书写内容时，设置mtext中的outer=TRUE即可。
绘图区域可使用par()函数中的mfrow, mfcol来进行布局。mfrow和mfcol可以使用绘图区域被区分为多个区域。默认值为mfrow(1,1)。
比如mfrow(2,3)就是指将绘图区域分成2行3列，并按行的顺序依次绘图填充；
比如mfcol(3,2)就是指将绘图区域分成3行2列，并按列的顺序依次绘图填充；
我们将每一个细分的绘图区域分为两个部分，一是绘图边距，一是主绘图。
绘图边距需要容纳的内容有坐标轴，坐标轴标签，标题。通常来讲，我们都只需要一个x轴，一个y轴，所以在设置时，一般的下边距和左边距都会大一些。如果多个x轴或者y轴，才考虑将上边距或者右边距放大一些。绘图边距可以使用par()函数中mar来设置。比如mar=c(4,3,2,1)，与外围边距的设置类似，是指绘图边距分别为下边距：4行，左边距3行，上边距2行，右边距1行。很明显这个设置顺序是从x轴开始顺时针方向。行的概念与之前的相同。也可以使用mai来设置。mai与mar唯一不同之处在于mai不是以行为单位，而是以inch为单位。
SOUTH<-1; WEST<-2; NORTH<-3; EAST<-4;
GenericFigure <- function(ID, size1, size2)
{
plot(0:10, 0:10, type="n", xlab="X", ylab="Y")
text(5,5, ID, col="red", cex=size1)
box("plot", col="red")
mtext(paste("cex",size2,sep=""), SOUTH, line=3, adj=1.0, cex=size2, col="blue")
title(paste("title",ID,sep=""))
}
MultipleFigures <- function()
{
GenericFigure("1", 3, 0.5)
box("figure", lty="dotted", col="blue")
GenericFigure("2", 3, 1)
box("figure", lty="dotted", col="blue")
GenericFigure("3", 3, 1.5)
box("figure", lty="dotted", col="blue")
GenericFigure("4", 3, 2)
box("figure", lty="dotted", col="blue")
}
par(mfrow=c(2,2),mar=c(6,4,2,1),oma=c(4,3,2,1))
MultipleFigures()
box("inner", lty="dotted", col="green")
box("outer", lty="solid", col="green")
mtext("Outer Margin Area (oma) of South: 6", SOUTH, line=1, cex=1, outer=TRUE)
plotline<-function(n,direc){
for(i in 0:n){
mtext(paste("line",i,sep=""), direc, line=i, cex=1, col="black", adj=1, outer=TRUE)
}
}
plotline(4,SOUTH)
|
Ｒ绘图布局
但是，使用mfrow,mfcol只能是矩阵似的布局，如果我们需要简单地实际不规则的布局，那该怎么办呢？还有强大的layout()专门用于布局。
layout(mat, widths = rep(1, ncol(mat)), heights = rep(1,nrow(mat)),respect = FALSE)
其中，mat就是一个距阵，假设我们要画N个图，那么，mat就要描述每个图所在的位置，其中1…N-1都必须至少出现过一次。比如有三个图，我们希望的布局是第一排有一个图，第二排有两个图，那么mat<-matrix(c(1,1,2,3), nrow=2, ncol=2, byrow = TRUE)；如果希望第一排有两个图，第二排有一个图，那么就是mat<-matrix(c(1,2,3,3),nrow=2,ncol=2,byrow=TRUE)。很明显，还是将画布分成许多小格矩阵，这里就是2Ｘ2的，如果希望第1个图放入第一排的1，2格，那就在矩阵的第1，2的位置写入1，如果是希望第2个图放在第一排的1，2格，那就在矩阵的第1，2的位置写入2。
> attach(mtcars) > layout(matrix(c(1,1,2,3), 2, 2, byrow = TRUE)) > hist(wt) > hist(mpg) > hist(disp) |
layout不规则布局0
那么参数中的widths和heights又是做什么用的呢？它们就是用来指定每行或者每列的宽度和高度的。我们可以做以下的比较：
> attach(mtcars) > layout(matrix(c(1,1,1,1,2,2,2,3,2,2,2,3),3,4,byrow=TRUE)) > hist(wt) > hist(mpg) > hist(disp) > 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) |
layout不规则布局1
我们发现，这两种方法得到的是相同的结果，在代码的书写上，第2种方法要更清晰一些。
想象一下，似乎每个图的位置必须是连在一起的小矩阵，如果，不构成连在一起小矩阵，会成为怎么样的一个结果呢？
> attach(mtcars) > layout(matrix(c(1,1,2,1,1,1),nrow=2,ncol=3,byrow=T)) > hist(wt) > hist(mpg) |
layout内嵌图布局
如果需要大图，小图，内嵌图这layout()虽然很容易实现，但多少有点麻烦，不是那么随心所欲。还是回过头来使用par()吧。使用par()的中fig=在画布任意位置上画图。在使用fig参数时，需要把画布理解成左下角为坐标(0,0)，右上角为(1,1)的一个坐标系。fig=c(x1,x2,y1,y2)来设置该参，x1<x2,y1<y2，x1,y1定位绘图区的左下角，x2,y2定位绘图区的右上角。使用new=TRUE参数来确认是否在原画布上继续画，还重新在一张新画布上开始画。
> par(fig=c(0,0.85,0,0.85), new=F)
> 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(fig=c(0.4,0.75,0.4,0.7),new=TRUE,mar=c(2,2,0,0),mgp=c(1,.4,0),cex=1,cex.lab=0.7,cex.axis=0.7)
> hist(mtcars$mpg, main="")
|
par实现内嵌图
二，颜色
计算机保存及还原颜色时有多种方案，较为常用的是两个，RGB和HSV。R预设了657种颜色，可以通过colors()函数调用（或者英式拼写colours()）。比如我们常用的红，绿，蓝，
> colors()[c(552,254,26)] [1] "red" "green" "blue" |
我们可以使用grep来调取我们感兴趣的颜色，
> grep("red",colors())
[1] 100 372 373 374 375 376 476 503 504 505 506 507 524 525 526 527 528 552 553
[20] 554 555 556 641 642 643 644 645
> colors()[grep("red",colors())]
[1] "darkred" "indianred" "indianred1" "indianred2"
[5] "indianred3" "indianred4" "mediumvioletred" "orangered"
[9] "orangered1" "orangered2" "orangered3" "orangered4"
[13] "palevioletred" "palevioletred1" "palevioletred2" "palevioletred3"
[17] "palevioletred4" "red" "red1" "red2"
[21] "red3" "red4" "violetred" "violetred1"
[25] "violetred2" "violetred3" "violetred4"
> colors()[grep("sky",colors())]
[1] "deepskyblue" "deepskyblue1" "deepskyblue2" "deepskyblue3"
[5] "deepskyblue4" "lightskyblue" "lightskyblue1" "lightskyblue2"
[9] "lightskyblue3" "lightskyblue4" "skyblue" "skyblue1"
[13] "skyblue2" "skyblue3" "skyblue4"
> SetTextContrastColor <- function(color)
+ {
+ ifelse( mean(col2rgb(color)) > 127, "black", "white")
+ }
> # Define this array of text contrast colors that correponds to each
> # member of the colors() array.
> TextContrastColor <- unlist( lapply(colors(), SetTextContrastColor) )
> # 1a. Plot matrix of R colors, in index order, 25 per row.
> # This example plots each row of rectangles one at a time.
> colCount <- 25 # number per row
> rowCount <- 27
> plot( c(1,colCount), c(0,rowCount), type="n", ylab="", xlab="",
+ axes=FALSE, ylim=c(rowCount,0))
> title("R colors")
>
> for (j in 0:(rowCount-1))
+ {
+ base <- j*colCount
+ remaining <- length(colors()) - base
+ RowSize <- ifelse(remaining < colCount, remaining, colCount)
+ rect((1:RowSize)-0.5,j-0.5, (1:RowSize)+0.5,j+0.5,
+ border="black",
+ col=colors()[base + (1:RowSize)])
+ text((1:RowSize), j, paste(base + (1:RowSize)), cex=0.7,
+ col=TextContrastColor[base + (1:RowSize)])
+ }
|
Ｒ颜色表
对于大多数理工出身的人来讲，理解颜色并不难，难的是如何选择一种或者多种理想的颜色，让绘图很漂亮。Ｒ当中有一个包RColorBrewer就可以为我们解决这个难题，其中预设了很多种颜色组合以供我们使用。
> library(RColorBrewer) > display.brewer.all() |
RColorBrewer中预设的颜色表
我们看到其中Set3和Paired设定了12种颜色，其余的有多有少，以9种居多。在使用其颜色时，使用brewer.pal(n, name)调用即可，其中n最小值为3最大值为每组预设值数组的长度。比如brewer.pal(12,Paired)
在绘图时，有如下颜色参数
| 参数 | 描述 |
| col | 绘图使用的颜色，许多函数接受一组颜色，并对不同的数据依次使用颜色。 |
| col.axis | 坐标轴字符颜色 |
| col.lab | x,y坐标标记颜色 |
| col.main | 标题颜色 |
| col.sub | 副标题颜色 |
| fg | 绘图前景色，包括坐标轴，各类boxes |
| bg | 绘图背景色 |
> require(graphics) > par(col.axis="green",col.lab="blue",col.main="darkred",fg="white",bg="black") > plot(cars,main="speed vs dist") |
颜色设置示例
三，字体
字体参数如下：
| 参数 | 描述 |
| font | 字体描述，1正常，2加粗，3斜体，4加粗，斜体，5符号 |
| font.axis | 坐标轴字符描述 |
| font.lab | 坐标轴标记字体描述 |
| font.main | 标题字体描述 |
| font.sub | 副标题字体描述 |
| ps | 字体点阵大小，大约为1/72英寸。在使用时text size=ps*cex |
| cex | 字体放大或者缩小多少倍 |
| cex.axis | 坐标轴字符大小 |
| cex.lab | 坐标轴标记字体大小 |
| cex.main | 标题字体大小 |
| cex.sub | 副标题字体大小 |
| family | 绘图字体。标准字体是”serif”,”sans”,”mono”,”symbol”。当然可以指定任何自己已有的字体库。但它是设备依赖的。 |
> fonts<-names(pdfFonts())
> cnt<-length(fonts)
> x<-cnt+10
> x<-1:x
> y<-x
> pdf("font.pdf")
> plot(x,y,type="n")
> for(i in 1:cnt){text(i,i*1.3,family=fonts[i],paste("font",fonts[i]),adj=0)}
> dev.off()
|
字体
四，符号与线形
画图中的符号由pch参数来控制。其描边色由col控制，填充色由bg控制。
> pchShow <-
+ function(extras = c("*",".", "o","O","0","+","-","|","%","#"),
+ cex = 3, ## good for both .Device=="postscript" and "x11"
+ col = "red3", bg = "gold", coltext = "brown", cextext = 1.2,
+ main = paste("plot symbols : points (... pch = *, cex =",
+ cex,")"))
+ {
+ nex <- length(extras)
+ np <- 26 + nex
+ ipch <- 0:(np-1)
+ k <- floor(sqrt(np))
+ dd <- c(-1,1)/2
+ rx <- dd + range(ix <- ipch %/% k)
+ ry <- dd + range(iy <- 3 + (k-1)- ipch %% k)
+ pch <- as.list(ipch) # list with integers & strings
+ if(nex > 0) pch[26+ 1:nex] <- as.list(extras)
+ plot(rx, ry, type="n", axes = FALSE, xlab = "", ylab = "",
+ main = main)
+ abline(v = ix, h = iy, col = "lightgray", lty = "dotted")
+ for(i in 1:np) {
+ pc <- pch[[i]]
+ ## 'col' symbols with a 'bg'-colored interior (where available) :
+ points(ix[i], iy[i], pch = pc, col = col, bg = bg, cex = cex)
+ if(cextext > 0)
+ text(ix[i] - 0.3, iy[i], pc, col = coltext, cex = cextext)
+ }
+ }
>
> pchShow()
|
符号
线形主要由lty和lwd来控制。lty: line type. lwd: line width.顾名思意，lty控制线的形状，而lwd控制线的粗细，默认值为1。设计成2表示两倍线宽。
线形
五，坐标轴，图例，标记与标题
相关参数来控制，它们有
| 参数 | 描述 |
| main | 主标题 |
| sub | 副标题 |
| xlab | x轴标记 |
| ylab | y轴标记 |
| xlim | x轴上下限（范围） |
| ylim | y轴上下限 |
| mgp | 坐标轴标记，坐标字符，坐标刻度线距离坐标轴的行数，默认值为c(3,1,0) |
增加一个新的坐标轴使用axis()函数。
| 参数 | 描述 |
| side | 坐标轴所在的位置，1:下,2:左,3:上,4:右 |
| at | 坐标轴具体位置，通常由自动给出。 |
| labels | 坐标字符串 |
| pos | 坐标轴线所在的行，默认值为重绘所在位置上的原坐标 |
| lty | 线型 |
| col | 颜色 |
| las | 坐标标记与坐标轴方位关系，＝0为平等，＝2为垂直 |
| lwd.ticks | 坐标刻度线宽度 |
| col.ticks | 坐标刻度线颜色 |
| (…) | 其它par()中可用的参数 |
> # A Silly Axis Example
>
> # specify the data
> x <- c(1:10); y <- x; z <- 10/x
>
> # create extra margin room on the right for an axis
> par(mar=c(5, 4, 4, 8) + 0.1)
>
> # plot x vs. y
> plot(x, y,type="b", pch=21, col="red",
+ yaxt="n", lty=3, xlab="", ylab="")
>
> # add x vs. 1/x
> lines(x, z, type="b", pch=22, col="blue", lty=2)
>
> # draw an axis on the left
> axis(2, at=x,labels=x, col.axis="red", las=2)
>
> # draw an axis on the right, with smaller text and ticks
> axis(4, at=z,labels=round(z,digits=2),
+ col.axis="blue", las=2, cex.axis=0.7, tck=-.01)
>
> # add a title for the right axis
> mtext("y=1/x", side=4, line=3, cex.lab=1,las=2, col="blue")
>
> # add a main title and bottom and left axis labels
> title("An Example of Creative Axes", xlab="X values",
+ ylab="Y=X")
|
坐标轴
图例使用legend()函数控制
| 参数 | 描述 |
| x,y | 图例所在位置，可以使用”bottom”,”bottomleft”,”left”,”topleft”,”top”,”topright”,”right”,”bottomleft”,”center”来指定。 |
| inset | 设置在主绘图边距 |
| title | 图例的标题 |
| legend | 图例的内容 |
| … | 其它par()可用的参数 |
> attach(mtcars)
> boxplot(mpg~cyl, main="Milage by Car Weight",
+ yaxt="n", xlab="Milage", horizontal=TRUE,
+ col=terrain.colors(3))
> legend("topright", inset=.05, title="Number of Cylinders",
+ c("4","6","8"), fill=terrain.colors(3), horiz=TRUE)
|
图例
文本框使用text或者mtext函数。text可以在主绘图区内加文本框，mtext在边距或者外边距上加文本框。
text(location, “text to place”, pos, …)
mtext(“text to place”, side, line=n, …)
| 参数 | 描述 |
| location | 图例所在位置 |
| pos | 所在的相对位置，1:下面,2:左边,3:上面,4:右边 |
| side | 所在边距的位置，1:下,2:左,3:上,4:右 |
| … | 其它par()可用的参数 |
> attach(mtcars) > plot(wt, mpg, main="Milage vs. Car Weight", + xlab="Weight", ylab="Mileage", pch=18, col="blue") > text(wt, mpg, row.names(mtcars), cex=0.6, pos=4, col="red") |
文本框
六，各类图型
点，线，面
点：points，线：abline,lines,segments，面：box,polygon,polypath,rect，特殊的：arrows,symbols
points不仅仅可以画前文中pch所设定的任意一个符号，还可以以字符为符号。
> ## ------------ test code for various pch specifications -------------
> # Try this in various font families (including Hershey)
> # and locales. Use sign=-1 asserts we want Latin-1.
> # Standard cases in a MBCS locale will not plot the top half.
> TestChars <- function(sign=1, font=1, ...)
+ {
+ if(font == 5) { sign <- 1; r <- c(32:126, 160:254)
+ } else if (l10n_info()$MBCS) r <- 32:126 else r <- 32:255
+ if (sign == -1) r <- c(32:126, 160:255)
+ par(pty="s")
+ plot(c(-1,16), c(-1,16), type="n", xlab="", ylab="",
+ xaxs="i", yaxs="i")
+ grid(17, 17, lty=1)
+ for(i in r) try(points(i%%16, i%/%16, pch=sign*i, font=font,...))
+ }
> TestChars()
> try(TestChars(sign=-1))
|
画点
abline可以由斜率和截距来确定一条直线，lines可以连接两个或者多个点，segments可以按起止位置画线。
> require(stats) > sale5 <- c(6, 4, 9, 7, 6, 12, 8, 10, 9, 13) > plot(sale5,new=T) > abline(lsfit(1:10,sale5)) > abline(lsfit(1:10,sale5, intercept = FALSE), col= 4) > abline(h=6, v=8, col = "gray60") > text(8,6, "abline( h = 6 )", col = "gray60", adj = c(0, -.1)) > abline(h = 4:8, v = 6:12, col = "lightgray", lty=3) > abline(a=1, b=2, col = 2) > text(5,11, "abline( 1, 2 )", col=2, adj=c(-.1,-.1)) > segments(6,4,9,5,col="green") > text(6,5,"segments(6,4,9,5)") > lines(sale5,col="pink") |
线段
box画出当前盒子的边界,polygon画多边形,polypath画路径,rect画距形。
> x <- c(1:9,8:1)
> y <- c(1,2*(5:3),2,-1,17,9,8,2:9)
> op <- par(mfcol=c(3,1))
> for(xpd in c(FALSE,TRUE,NA)) {
+ plot(1:10, main = paste("xpd =", xpd))
+ box("figure", col = "pink", lwd=3)
+ polygon(x,y, xpd=xpd, col="orange", lty=2, lwd=2, border="red")
+ }
> par(op)
> plotPath <- function(x, y, col = "grey", rule = "winding") {
+ plot.new()
+ plot.window(range(x, na.rm = TRUE), range(y, na.rm = TRUE))
+ polypath(x, y, col = col, rule = rule)
+ if (!is.na(col))
+ mtext(paste("Rule:", rule), side = 1, line = 0)
+ }
>
> plotRules <- function(x, y, title) {
+ plotPath(x, y)
+ plotPath(x, y, rule = "evenodd")
+ mtext(title, side = 3, line = 0)
+ plotPath(x, y, col = NA)
+ }
>
> op <- par(mfrow = c(5, 3), mar = c(2, 1, 1, 1))
>
> plotRules(c(.1, .1, .9, .9, NA, .2, .2, .8, .8),
+ c(.1, .9, .9, .1, NA, .2, .8, .8, .2),
+ "Nested rectangles, both clockwise")
> plotRules(c(.1, .1, .9, .9, NA, .2, .8, .8, .2),
+ c(.1, .9, .9, .1, NA, .2, .2, .8, .8),
+ "Nested rectangles, outer clockwise, inner anti-clockwise")
> plotRules(c(.1, .1, .4, .4, NA, .6, .9, .9, .6),
+ c(.1, .4, .4, .1, NA, .6, .6, .9, .9),
+ "Disjoint rectangles")
> plotRules(c(.1, .1, .6, .6, NA, .4, .4, .9, .9),
+ c(.1, .6, .6, .1, NA, .4, .9, .9, .4),
+ "Overlapping rectangles, both clockwise")
> plotRules(c(.1, .1, .6, .6, NA, .4, .9, .9, .4),
+ c(.1, .6, .6, .1, NA, .4, .4, .9, .9),
+ "Overlapping rectangles, one clockwise, other anti-clockwise")
>
> par(op)
> require(grDevices)
> ## set up the plot region:
> op <- par(bg = "thistle")
> plot(c(100, 250), c(300, 450), type = "n", xlab="", ylab="",
+ main = "2 x 11 rectangles; 'rect(100+i,300+i, 150+i,380+i)'")
> i <- 4*(0:10)
> ## draw rectangles with bottom left (100, 300)+i
> ## and top right (150, 380)+i
> rect(100+i, 300+i, 150+i, 380+i, col=rainbow(11, start=.7,end=.1))
> rect(240-i, 320+i, 250-i, 410+i, col=heat.colors(11), lwd=i/5)
> ## Background alternating ( transparent / "bg" ) :
> j <- 10*(0:5)
> rect(125+j, 360+j, 141+j, 405+j/2, col = c(NA,0),
+ border = "gold", lwd = 2)
> rect(125+j, 296+j/2, 141+j, 331+j/5, col = c(NA,"midnightblue"))
> mtext("+ 2 x 6 rect(*, col = c(NA,0)) and col = c(NA,"m..blue"))")
|
多边形
路径
矩形
arrows用于画箭头，symbols用于画符号
> ## Note that example(trees) shows more sensible plots!
> N <- nrow(trees)
> with(trees, {
+ ## Girth is diameter in inches
+ symbols(Height, Volume, circles = Girth/24, inches = FALSE,
+ main = "Trees' Girth") # xlab and ylab automatically
+ ## Colours too:
+ op <- palette(rainbow(N, end = 0.9))
+ symbols(Height, Volume, circles = Girth/16, inches = FALSE, bg = 1:N,
+ fg = "gray30", main = "symbols(*, circles = Girth/16, bg = 1:N)")
+ palette(op)
+ })
|
符号
画圆
> library(plotrix)
> plot(1:5,seq(1,10,length=5),type="n",xlab="",ylab="",main="Test draw.circle")
> draw.circle(2,4,c(1,0.66,0.33),border="purple",
+ col=c("#ff00ff","#ff77ff","#ffccff"),lty=1,lwd=1)
> draw.circle(2.5,8,0.6,border="red",lty=3,lwd=3)
> draw.circle(4,3,0.7,border="green",lty=1,lwd=1)
> draw.circle(3.5,7,0.8,border="blue",lty=2,lwd=2)
|
圆
散点图及趋势线
一维点图使用dotchart函数。
> # Dotplot: Grouped Sorted and Colored > # Sort by mpg, group and color by cylinder > x <- mtcars[order(mtcars$mpg),] # sort by mpg > x$cyl <- factor(x$cyl) # it must be a factor > x$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$cyl, + main="Gas Milage for Car Models grouped by cylinder", + xlab="Miles Per Gallon", gcolor="black", color=x$color) |
一维点图
二维散点图使用plot函数。直趋势线使用abline函数，拟合曲线在拟合后使用line函数绘制。
> attach(mtcars) > plot(wt, mpg, main="Scatterplot Example", + xlab="Car Weight ", ylab="Miles Per Gallon ", pch=19) > # Add fit lines > abline(lm(mpg~wt), col="red") # regression line (y~x) > lines(lowess(wt,mpg), col="blue") # lowess line (x,y) |
点阵图
曲线
曲线使用lines函数。其type参数可以使用”p”,”l”,”o”,”b,c”,”s,S”,”h”,”n”等。
> x <- c(1:5); y <- x # create some data
> par(pch=22, col="blue") # plotting symbol and color
> par(mfrow=c(2,4)) # all plots on one page
> opts = c("p","l","o","b","c","s","S","h")
> for(i in 1:length(opts)){
+ heading = paste("type=",opts[i])
+ plot(x, y, main=heading)
+ lines(x, y, type=opts[i])
+ }
|
曲线
柱状图
普通的柱状图使用barplot函数。其参数horiz=TRUE表示水平画图，beside=TRUE表示如果是多组数据的话，在并排画图，否则原位堆叠画图。
> par(mfrow=c(1,2))
> counts <- table(mtcars$vs, mtcars$gear)
> barplot(counts, main="Car Distribution by Gears and VS",
+ xlab="Number of Gears", col=c("darkblue","red"),
+ legend = rownames(counts),horiz=TRUE)
> barplot(counts, main="Car Distribution by Gears and VS",
+ xlab="Number of Gears", col=c("darkblue","red"),
+ legend = rownames(counts), beside=TRUE)
|
bar图
柱状统计图使用hist函数。其breaks参数设置每组的范围。使用density函数可以拟合曲线。
> hist(mtcars$mpg, breaks=12) > dens<-density(mtcars$mpg) > lines(dens$x,dens$y*100,col="red") |
柱状图
饼图
饼图使用pie函数。
> x<-table(mtcars$gear)
> pie(x,label=paste("gear=",rownames(x),sep=""))
|
饼图
3维饼图使用plotrix库中的pie3D函数。
> x<-table(mtcars$gear)
> pie3D(x,labels=paste("gear=",rownames(x),sep=""),explode=0.1)
|
3Ｄ饼图
箱线图
箱线图使用boxplot函数。boxplot中参数x为公式。R中的公式如何定义呢？最简单的 y ~ x 就是y是x的一次函数。好了，下面就是相关的符号代表的意思：
| 符号 | 示例 | 意义 |
| + | +x | 包括该变量 |
| – | -x | 不包括该变量 |
| : | x:z | 包括两变量的相互关系 |
| * | x*z | 包括两变量，以及它们之间的相互关系 |
| / | x/z | nesting: include z nested within x |
| | | x|z | 条件或分组：包括指定z的x |
| ^ | (u+v+w)^3 | include these variables and all interactions up to three way |
| poly | poly(x,3) | polynomial regression: orthogonal polynomials |
| Error | Error(a/b) | specify the error term |
| I | I(x*z) | as is: include a new variable consisting of these variables multiplied |
| 1 | -1 | 截距：减去该截距 |
> boxplot(mpg~cyl,data=mtcars, main="Car Milage Data",
+ xlab="Number of Cylinders", ylab="Miles Per Gallon")
> boxplot(len~supp*dose, data=ToothGrowth, notch=TRUE,
+ col=(c("gold","darkgreen")),
+ main="Tooth Growth", xlab="Suppliment and Dose")
|
箱线图
如果我想在箱线图上叠加样品点，即所谓的蜂群图，如何做呢？
> source("http://bioconductor.org/biocLite.R")
> biocLite(c("beeswarm","ggplot2"))
> library(beeswarm)
> library(ggplot2)
> data(breast)
> beeswarm <- beeswarm(time_survival ~ event_survival,
+ data = breast, method = 'swarm',
+ pwcol = ER)[, c(1, 2, 4, 6)]
> colnames(beeswarm) <- c("x", "y", "ER", "event_survival")
>
> beeswarm.plot <- ggplot(beeswarm, aes(x, y)) +
+ xlab("") +
+ scale_y_continuous(expression("Follow-up time (months)"))
> beeswarm.plot2 <- beeswarm.plot + geom_boxplot(aes(x, y,
+ group = round(x)), outlier.shape = NA)
> beeswarm.plot3 <- beeswarm.plot2 + geom_point(aes(colour = ER)) +
+ scale_colour_manual(values = c("black", "red")) +
+ scale_x_continuous(breaks = c(1:2),
+ labels = c("Censored", "Metastasis"), expand = c(0, 0.5))
> print(beeswarm.plot3)
|
蜂群图
> require(beeswarm)
> data(breast)
>
> beeswarm(time_survival ~ event_survival, data = breast,
+ method = 'swarm',
+ pch = 16, pwcol = as.numeric(ER),
+ xlab = '', ylab = 'Follow-up time (months)',
+ labels = c('Censored', 'Metastasis'))
>
> boxplot(time_survival ~ event_survival,
+ data = breast, add = T,
+ names = c("",""), col="#0000ff22")
|
蜂群图
分枝树
> require(graphics) > opar<-par(mfrow=c(2,1),mar=c(4,3,0.5,0.5)) > hc <- hclust(dist(USArrests), "ave") > plot(hc,main="") > plot(hc, hang = -1,main="") > par(opar) |
分枝树
文氏图
> library(limma)
> Y <- matrix(rnorm(100*6),100,6)
> Y[1:10,3:4] <- Y[1:10,3:4]+3
> Y[1:20,5:6] <- Y[1:20,5:6]+3
> design <- cbind(1,c(0,0,1,1,0,0),c(0,0,0,0,1,1))
> fit <- eBayes(lmFit(Y,design))
> results <- decideTests(fit)
> a <- vennCounts(results)
> print(a)
x1 x2 x3 Counts
[1,] 0 0 0 89
[2,] 0 0 1 11
[3,] 0 1 0 0
[4,] 0 1 1 0
[5,] 1 0 0 0
[6,] 1 0 1 0
[7,] 1 1 0 0
[8,] 1 1 1 0
attr(,"class")
[1] "VennCounts"
> vennDiagram(a)
> vennDiagram(results,include=c("up","down"),counts.col=c("red","green"))
|
文氏图
七，综合应用
点阵图加两方向柱状图
> def.par <- par(no.readonly = TRUE) # save default, for resetting... > > x <- pmin(3, pmax(-3, rnorm(50))) > y <- pmin(3, pmax(-3, rnorm(50))) > xhist <- hist(x, breaks=seq(-3,3,0.5), plot=FALSE) > yhist <- hist(y, breaks=seq(-3,3,0.5), plot=FALSE) > top <- max(c(xhist$counts, yhist$counts)) > xrange <- c(-3,3) > yrange <- c(-3,3) > nf <- layout(matrix(c(2,0,1,3),2,2,byrow=TRUE), c(3,1), c(1,3), TRUE) > #layout.show(nf) > > par(mar=c(3,3,1,1)) > plot(x, y, xlim=xrange, ylim=yrange, xlab="", ylab="") > par(mar=c(0,3,1,1)) > barplot(xhist$counts, axes=FALSE, ylim=c(0, top), space=0) > par(mar=c(3,0,1,1)) > barplot(yhist$counts, axes=FALSE, xlim=c(0, top), space=0, horiz=TRUE) > > par(def.par) |
点阵＋柱状
带误差的点线图
> # Clustered Error Bar for Groups of Cases.
> # Example: Experimental Condition (Stereotype Threat Yes/No) x Gender (Male / Female)
> # The following values would be calculated from data and are set fixed now for
> # code reproduction
>
> means.females <- c(0.08306698, -0.83376319)
> stderr.females <- c(0.13655378, 0.06973371)
>
> names(means.females) <- c("No","Yes")
> names(stderr.females) <- c("No","Yes")
>
> means.males <- c(0.4942997, 0.2845608)
> stderr.males <- c(0.07493673, 0.18479661)
>
> names(means.males) <- c("No","Yes")
> names(stderr.males) <- c("No","Yes")
>
> # Error Bar Plot
>
> library (gplots)
>
> # Draw the error bar for female experiment participants:
> plotCI(x = means.females, uiw = stderr.females, lty = 2, xaxt ="n", xlim = c(0.5,2.5), ylim = c(-1,1), gap = 0, ylab="Microworld Performance (Z Score)", xlab="Stereotype Threat", main = "Microworld performance over experimental conditions")
>
> # Add the males to the existing plot
> plotCI(x = means.males, uiw = stderr.males, lty = 1, xaxt ="n", xlim = c(0.5,2.5), ylim = c(-1,1), gap = 0, add = TRUE)
>
> # Draw the x-axis (omitted above)
> axis(side = 1, at = 1:2, labels = names(stderr.males), cex = 0.7)
>
> # Add legend for male and female participants
> legend(2,1,legend=c("Male","Female"),lty=1:2)
|
误差图
误差绘图plotCI加强版是plotmeans,具体可使用?plotmeans来试用它。这里就不多讲了。
带误差的柱状图。还是使用gplots包
> library(gplots)
> # Example with confidence intervals and grid
> hh <- t(VADeaths)[, 5:1]
> mybarcol <- "gray20"
> ci.l <- hh * 0.85
> ci.u <- hh * 1.15
> mp <- barplot2(hh, beside = TRUE,
+ col = c("lightblue", "mistyrose",
+ "lightcyan", "lavender"),
+ legend = colnames(VADeaths), ylim = c(0, 100),
+ main = "Death Rates in Virginia", font.main = 4,
+ sub = "Faked 95 percent error bars", col.sub = mybarcol,
+ cex.names = 1.5, plot.ci = TRUE, ci.l = ci.l, ci.u = ci.u,
+ plot.grid = TRUE)
> mtext(side = 1, at = colMeans(mp), line = 2,
+ text = paste("Mean", formatC(colMeans(hh))), col = "red")
> box()
|
带误差的柱状图
漂亮的箱线图
> require(gplots) #for smartlegend
>
> data(ToothGrowth)
> boxplot(len ~ dose, data = ToothGrowth,
+ boxwex = 0.25, at = 1:3 - 0.2,
+ subset= supp == "VC", col="yellow",
+ main="Guinea Pigs' Tooth Growth",
+ xlab="Vitamin C dose mg",
+ ylab="tooth length", ylim=c(0,35))
> boxplot(len ~ dose, data = ToothGrowth, add = TRUE,
+ boxwex = 0.25, at = 1:3 + 0.2,
+ subset= supp == "OJ", col="orange")
>
> smartlegend(x="left",y="top", inset = 0,
+ c("Ascorbic acid", "Orange juice"),
+ fill = c("yellow", "orange"))
|
箱线图
基因芯片热图，具体参考http://www2.warwick.ac.uk/fac/sci/moac/students/peter_cock/r/heatmap/
> library("ALL")
> data("ALL")
> eset <- ALL[, ALL$mol.biol %in% c("BCR/ABL", "ALL1/AF4")]
> library("limma")
> f <- factor(as.character(eset$mol.biol))
> design <- model.matrix(~f)
> fit <- eBayes(lmFit(eset,design))
> selected <- p.adjust(fit$p.value[, 2]) <0.005
> esetSel <- eset [selected, ]
> color.map <- function(mol.biol) { if (mol.biol=="ALL1/AF4") "#FF0000" else "#0000FF" }
> patientcolors <- unlist(lapply(esetSel$mol.bio, color.map))
> library("gplots")
> heatmap.2(exprs(esetSel), col=redgreen(75), scale="row", ColSideColors=patientcolors,
+ key=TRUE, symkey=FALSE, density.info="none", trace="none", cexRow=0.5)
|
点柱图(dothistogram)
| 英文名称 | 中文名称 |
| bar | 条形图 |
| line | 线图 |
| area | 面积图 |
| pie | 饼图 |
| high-low | 高低图 |
| pareto | 帕累托图 |
| control | 控制图 |
| boxplot | 箱线图 |
| error bar | 误差条图 |
| scatter | 散点图 |
| P-P | P-P正态概率图 |
| Q-Q | Q-Q正态概率图 |
| sequence | 序列图 |
| ROC Curve | ROC分类效果曲线图 |
| Time Series | 时间序列图 |
好了，言归正传。那么什么又是点柱图(dot histogram)呢？之前我又称之为蜂群图(beeswarm)。还有称之为抖点图(jitter plots)。总之无论如何，在糗世界里我都称之为点柱图吧。
我们先看点柱图效果：
点柱图
以下是代码
> require(beeswarm)
> data(breast)
> head(breast)
ER ESR1 ERBB2 time_survival event_survival
100.CEL.gz neg 8.372133 13.085894 39 1
103.CEL.gz pos 10.559356 9.491683 97 0
104.CEL.gz pos 12.299905 9.599574 11 1
105.CEL.gz pos 10.776632 9.681747 99 0
106.CEL.gz pos 10.505124 9.436763 40 1
107.CEL.gz neg 10.377741 8.695576 94 0
> require(plotrix)
> cluster<-cluster.overplot(breast$event_survival, breast$time_survival)
> png("dothist.png",width=1000,height=1000)
> opar<-par(mfrow=c(3,3))
> plot (breast$event_survival, breast$time_survival, main="Multiple points on coordinate",col=as.numeric(breast$ER),xaxt="n",xlim=c(-1,2))
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
> plot(jitter(breast$event_survival), breast$time_survival, main="Using Jitter on x-axis",col=as.numeric(breast$ER),xaxt="n",xlim=c(-0.5,1.5))
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
> plot(jitter(breast$event_survival), jitter(breast$time_survival), main="Using Jitter on x and y-axis",col=as.numeric(breast$ER),xaxt="n",xlim=c(-0.5,1.5))
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
> sunflowerplot(breast$event_survival, breast$time_survival, main="Using Sunflowers",xaxt="n",xlim=c(-0.5,1.5))
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
> plot(cluster, main="Using cluster.overplot",col=as.numeric(breast$ER),xaxt="n",xlim=c(-0.5,1.5))
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
> count.overplot(jitter(breast$event_survival), jitter(breast$time_survival), main="Using cout.overplot",col=as.numeric(breast$ER),xaxt="n")
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
> sizeplot(breast$event_survival, breast$time_survival, main="Using sizeplot",col=as.numeric(breast$ER),xaxt="n",xlim=c(-0.5,1.5))
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
> beeswarm(time_survival ~ event_survival, data = breast,
+ method = 'swarm',
+ pch = 16, pwcol = as.numeric(ER),
+ xlab = '', ylab = 'Follow-up time (months)',
+ labels = c('Censored', 'Metastasis'))
> dev.off()
quartz
2
> par(opar)
|
以下是解释
在很多情况下，我们画散点图的时候，有许多点拥有相同的横坐标，如果我们简单的使用plot(x,y)的方式，会显得这些点拥挤在一起，象图中左上角一样，非常的不舒服。我们需要把这些点分散开。
最基本的思路是，把横坐标抖散(jitter)，使本来都拥有相同坐标的点的横坐标稍有不同。jitter是基类函数{base}，无需调用任何包。
> plot(jitter(breast$event_survival), breast$time_survival, main="Using Jitter on x-axis",col=as.numeric(breast$ER),xaxt="n",xlim=c(-0.5,1.5))
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
> plot(jitter(breast$event_survival), jitter(breast$time_survival), main="Using Jitter on x and y-axis",col=as.numeric(breast$ER),xaxt="n",xlim=c(-0.5,1.5))
> axis(1,at=c(0,1),labels=c("Censored","Metastasis"))
|
我们比较图中上边靠右的两个图，我们发现，如果只抖散x坐标的话，还是有些点会粘在一起，所以同时抖散y坐标会好一些。我们可以使用factor参数来控制jitter抖散的强度。
> plot(rep(c(1,5,10),each=5),c(jitter(rep(100,5),factor=1),jitter(rep(100,5),factor=5),jitter(rep(100,5),factor=10)),col=c("red","blue","green","gray","black"),xlim=c(-2,13),xlab="",ylab="y",xaxt="n",main="jitter(rep(100,5)) with different factor")
> axis(1,at=c(1,5,10),labels=c(paste("factor=",c(1,5,10),sep="")))
|
不同强度的jitter
在graphics包中提供了一个sunflowerplot的函数。它的目的是用花瓣数目多少来显示落在同一坐标上的点的数目。但是从中左图看来，点多的时候效果并非总是那么好。
在plotrix包中提供了一些有意思的函数来解决点挤在一起的这个问题，它们分别是cluster.overplot, count.overplot, sizeplot。这三个函数的效果如图中及下靠左的两个。cluster.overplot的方法类似抖散，count overplot的方法是使用数字来显示落在同一坐标上的点的数目，sizeplot的方法是使用不同大小是点来显示落在同一坐标上的点的数目。从效果来看，点多的时候效果也并非理想。
而上一次提到过的蜂群图似乎是解决这一问题的最佳方案。
我们得出结论，在点数不同的情况下，使用plotrix包及sunflowerplot是不错的。但点数较多的情况下，还是使用jitter和beeswarm较为稳妥。
我们也可以使用ggplot2包中的geom来绘制点柱图
> require(beeswarm)
> data(breast)
> library(ggplot2)
> p<-ggplot(breast, aes(event_survival,time_survival))
> print(p+geom_jitter(aes(color=ER))+scale_colour_manual(value = c("black", "red"))+scale_x_continuous(breaks = c(0:1),labels = c("Censored", "Metastasis")))
|
ggplot点柱图
还有一种图，名称为Engelmann-Hecker-Plot， 由plotrix的ehplot来实现。
> data(iris);library(plotrix) > ehplot(iris$Sepal.Length, iris$Species, + intervals=20, cex=1.8, pch=20, main="pch=20") > ehplot(iris$Sepal.Width, iris$Species, + intervals=20, box=TRUE, median=FALSE, main="box=TRUE") > ehplot(iris$Petal.Length, iris$Species, + pch=17, col="red", log=TRUE, main="pch=17") > ehplot(iris$Petal.Length, iris$Species, + offset=0.06, pch=as.numeric(iris$Species), main="pch=as.numeric(iris$Species)") > rnd <- sample(150) > plen <- iris$Petal.Length[rnd] > pwid <- abs(rnorm(150, 1.2)) > spec <- iris$Species[rnd] > ehplot(plen, spec, pch=19, cex=pwid, + col=rainbow(3, alpha=0.6)[as.numeric(spec)], main="cex and col changes") |
坐标中断(axis breaks)
R当中的坐标中断一般都使用plotrix库中的axis.break(), gap.plot(), gap.barplot(), gap.boxplot()等几个函数来实现，例：
gap plot
> library(plotrix) > opar<-par(mfrow=c(3,2)) > plot(sample(5:7,20,replace=T),main="Axis break test",ylim=c(2,8)) > axis.break(axis=2,breakpos=2.5,style="gap") > axis.break(axis=2,breakpos=3.5,style="slash") > axis.break(axis=2,breakpos=4.5,style="zigzag") > twogrp<-c(rnorm(5)+4,rnorm(5)+20,rnorm(5)+5,rnorm(5)+22) > gap.plot(twogrp,gap=c(8,16,25,35), + xlab="X values",ylab="Y values",xlim=c(1,30),ylim=c(0,25), + main="Test two gap plot with the lot",xtics=seq(0,30,by=5), + ytics=c(4,6,18,20,22,38,40,42), + lty=c(rep(1,10),rep(2,10)), + pch=c(rep(2,10),rep(3,10)), + col=c(rep(2,10),rep(3,10)), + type="b") > gap.plot(21:30,rnorm(10)+40,gap=c(8,16,25,35),add=TRUE, + lty=rep(3,10),col=rep(4,10),type="l") > gap.barplot(twogrp,gap=c(8,16),xlab="Index",ytics=c(3,6,17,20), + ylab="Group values",main="Barplot with gap") > gap.barplot(twogrp,gap=c(8,16),xlab="Index",ytics=c(3,6,17,20), + ylab="Group values",horiz=TRUE,main="Horizontal barplot with gap") > twovec<-list(vec1=c(rnorm(30),-6),vec2=c(sample(1:10,40,TRUE),20)) > gap.boxplot(twovec,gap=list(top=c(12,18),bottom=c(-5,-3)), + main="Show outliers separately") > gap.boxplot(twovec,gap=list(top=c(12,18),bottom=c(-5,-3)),range=0, + main="Include outliers in whiskers") > par(opar) |
从图像效果上来看，这样的坐标中断只能说实现了坐标中断，但效果上是非常一般的。甚至远不如excel, openoffice当中出图效果好。为此，我们需要对plotrix库中的gap.plot做出修改，以达到满意的效果。
最简单的修改办法就是在使用了gap.plot, gap.barplot, gap.boxplot之后重新使用axis.break来修改中断类型，使得看上去美一点。
> axis.break(2,from,breakcol="snow",style="gap") > axis.break(2,from*(1+0.02),breakcol="black",style="slash") > axis.break(4,from*(1+0.02),breakcol="black",style="slash") > axis(2,at=from) |
使用上面的办法可以绘制出双反斜线中断，并可以视实际情况加油断点起止位置。
改进的gap.plot
> library(plotrix) > x<-c(1:5,6.9,7) > y<-2^x > from<-33 > to<-110 > opar<-par(mfrow=c(2,2)) > plot(x,y,type="b",main="normal plot") > gap.plot(x,y,gap=c(from,to),type="b",main="gap plot") > axis.break(2,from,breakcol="snow",style="gap") > axis.break(2,from*(1+0.02),breakcol="black",style="slash") > axis.break(4,from*(1+0.02),breakcol="black",style="slash") > axis(2,at=from) > gap.barplot(y,gap=c(from,to),col=as.numeric(x),main="barplot with gap") > axis.break(2,from,breakcol="snow",style="gap") > axis.break(2,from*(1+0.02),breakcol="black",style="slash") > axis.break(4,from*(1+0.02),breakcol="black",style="slash") > axis(2,at=from) > gap.barplot(y,gap=c(from,to),col=as.numeric(x),horiz=T,main="Horizontal barplot with gap") > axis.break(1,from,breakcol="snow",style="gap") > axis.break(1,from*(1+0.02),breakcol="black",style="slash") > axis.break(3,from*(1+0.02),breakcol="black",style="slash") > axis(1,at=from) > par(opar) |
来源：http://blog.qiubio.com:8080/rbioconductor-2