R in action读书笔记（14）第十一章 中级绘图 之一：散点图（高能预警）

第十一章中级绘图

本章内容：

二元变量和多元变量关系的可视化

绘制散点图和折线图

理解相关图

学习马赛克图和关联图

本章用到的函数有：

plot	hexbin
ablines	iplot
scatterplot	scatterplot3d
pairs	plot3d
scatterplotMatrix	scatter3d
cpairs	symbols
smoothScatter

 

11.1散点图

添加了最佳拟合曲线的散点图

> attach(mtcars)
> plot(wt,mpg,main="Basic Scatter plot of MPGvs.weight",xlab="car weight (lbs/1000",ylab="miles pergallon",pch=19)
>abline(lm(mpg~wt),col="red",lwd=2,lty=1)#添加最佳拟合的线性直线
>lines(lowess(wt,mpg),col="blue",lwd=2,lty=2)#添加一条平滑曲线

　　

car包中的scatterplot()函数增强了散点图的许多功能，它可以很方便地绘制散点图，并

能添加拟合曲线、边界箱线图和置信椭圆，还可以按子集绘图和交互式地识别点。

> library(car)
> scatterplot(mpg~wt|cyl,data=mtcars,lwd=2,
+ main="scatter plot of pmg \n vs. weight by #cylinders",
+ xlab="car weight (lbs/1000)",
+ ylab="miles per gallon",
+ legend.plot=TRUE,#左上边界添加图例
+ id.method="identify",
+ labels=row.names(mtcars),#可通过点的行名称来识别点
+ boxplots="xy")

 

11.1.1 散点图矩阵

pairs()函数可以创建基础的散点图矩阵。

> pairs(~mpg+disp+drat+wt,data=mtcars,
+ main="basic scatter plot matrix")

主对角线的上方和下方的六幅散点图是相同的，选项upper.panel =NULL将只生成下三角的图形。

car包中的scatterplotMatrix()函数也可以生成散点图矩阵，并有以下可选操作：

以某个因子为条件绘制散点图矩阵；

包含线性和平滑拟合曲线；

在主对角线放置箱线图、密度图或者直方图；

在各单元格的边界添加轴须图。

> library(car)
> scatterplotMatrix(~mpg+disp+drat+wt,data=mtcars,spread=FALSE,
+ lty.smooth=2,main="scatter plot matrix via car package")

　　

线性和平滑（loess）拟合曲线被默认添加，主对角线处添加了核密度曲线和轴须图。spread = FALSE选项表示不添加展示分散度和对称信息的直线，lty.smooth =2设定平滑（loess）拟合曲线使用虚线而不是实线。

scatterplotMatrix()函数的另一个用法

> library(car)#主对角线的核密度曲线改成了直方图，并且直方图是以各车的气缸数为条件绘制的。
> scatterplotMatrix(~mpg+disp+drat+wt|cyl,data=mtcars,spread=FALSE,
+ diagonal="histogram",main="scatter plot matrix via carpackage")

　　

 

主对角线的核密度曲线改成了直方图，并且直方图是以各车的气缸数为条件绘制的。图形包含主对角线中的直方图以及其他部分的线性和平滑拟合曲线。另外，子群（根据气缸数）通过符号类型和颜色来区分标注默认地，回归直线拟合整个样本，包含选项by.groups = TRUE将可依据各子集分别生成拟合曲线。

gclus包中的cpairs()函数提供了一个有趣的散点图矩阵变种。它含有可以重排矩阵中变量位置的选项，可以让相关性更高的变量更靠近主对角线。该函数还能对各单元格进行颜色编码来展示变量间的相关性大小。首先考察相关性：

>cor(mtcars[c("mpg","wt","disp","drat")])

mpg wt disp drat

mpg 1.0000000 -0.8676594-0.8475514 0.6811719

wt -0.8676594 1.0000000 0.8879799 -0.7124406

disp -0.8475514 0.8879799 1.0000000 -0.7102139

drat 0.6811719 -0.7124406-0.7102139 1.0000000

gclus包生成的散点图矩阵

> library(gclus)
> mydata<-mtcars[c(1,3,5,6)]
> mydata.corr<-abs(cor(mydata))#相关系数的绝对值
> mycolors<-dmat.color(mydata.corr)#获取绘图的颜色
> myorder<-order.single(mydata.corr)#重排对象，可使得相似的对象更为靠近
> cpairs(mydata, myorder,panel.colors=mycolors,gap=.5,main="variablesordered and colored by correlation")

散点图矩阵将根据新的变量顺序（myorder）和颜色列表（mycolors）绘图、上色，gap选项

使矩阵各单元格间的间距稍微增大一点。相关性最高的变量对是车重与排量，以及每加仑英里数与车重（标了红色，并且离主对角线最近）

11.1.2 高密度散点图

当数据点重叠很严重时，用散点图来观察变量关系就显得“力不从心”了。

> set.seed(1234)
> n<-10000
> c1<-matrix(rnorm(n,mean=0,sd=.5),ncol=2)
> c2<-matrix(rnorm(n,mean=3,sd=2),ncol=2)
> mydata<-rbind(c1,c2)
> mydata<-as.data.frame(mydata)
> names(mydata)<-c("x","y")
> with(mydata,plot(x,y,pch=19,main="scatter plot with 10000 observations"))

smoothScatter()函数可利用核密度估计生成用颜色密度来表示点分布的散点图，利用光平滑密度估计绘制的散点图。此处密度易读性更强：

> with(mydata, smoothScatter(x,y,main="scatter plot with 10000observations"))

hexbin包中的hexbin()函数将二元变量的封箱放到六边形单元格中（图形比名称更直观）

> library(hexbin)
> with(mydata,{bin<-hexbin(x,y,xbins=50)plot(bin,main="hexagonalbinning with \n 10000 boservations")})

IDPmisc包中的iplot()函数也可通过颜色来展示点的密度（在某特定点上数据点的

数目）

> library(IDPmisc)
> with(mydata,{ iplot(x,y,main="imagescatter plot with\n color indicating density") })

11.1.3 三维散点图

假使你对汽车英里数、车重和排量间的关系感兴趣，可用scatterplot3d中的

scatterplot3d()函数来绘制它们的关系。Scatterplot3d(x,y,z) x被绘制在水平轴上，y被绘制在竖直轴上，z被绘制在透视轴上。

> library(scatterplot3d)
> attach(mtcars)
> scatterplot3d(wt,disp,mpg,main="basic 3d scatter plot")

注：如出现Error in plot.new() : figure margins too large 重启Rstudio即可

satterplot3d()函数提供了许多选项，包括设置图形符号、轴、颜色、线条、网格线、突

出显示和角度等功能

> scatterplot3d(wt,disp,mpg, pch=16,highlight.3d=TRUE,type="h",main="3dscatter plot with vertical lines")

添加一个回归面

> s3d<-scatterplot3d(wt,disp,mpg,pch=16, highlight.3d=TRUE, type="h", main="3dscatter plot with vertical lines")
> fit<-lm(mpg~wt+disp)
> s3d$plane3d(fit)

旋转三维散点图

用rgl包中的plot3d()函数创建可交互的三维散点图。你能通过鼠标对图形进

行旋转。函数格式为：plot3d(x,y,z)

其中x、y和z是数值型向量，代表着各个点。你还可以添加如col和size这类的选项来分别控制

点的颜色和大小。

> library(rgl)
> attach(mtcars)
> plot3d(wt,disp,mpg,col="red",size=5)

 

也可以使用Rcmdr包中类似的函数scatter3d()：

> library(Rcmdr)
> attach(mtcars)
> scatter3d(wt,disp,mpg)

 

scatter3d()函数可包含各种回归曲面，比如线性、二次、平滑和附加等类型。图形默认添

加线性平面。另外，函数中还有可用于交互式识别点的选项。

11.1.4 气泡图

三维散点图来展示三个定量变量间的关系。现在介绍另外一种思路：先创建一个二维散点图，然后用点的大小来代表第三个变量的值。这便是气泡图（bubble plot）。

你可用symbols()函数来创建气泡图。该函数可以在指定的(x, y)坐标上绘制圆圈图、方形

图、星形图、温度计图和箱线图。以绘制圆圈图为例：

Symbols（x,y,circle=radius）

其中x、y和radius是需要设定的向量，分别表示x、y坐标和圆圈半径。

用面积而不是半径来表示第三个变量，那么按照圆圈半径的公式（r = A / π ）变

换即可：Symbols（x,y,circle=sqrt(z/pi)）z即第三个要绘制的变量。

> attach(mtcars)
> r<-sqrt(disp/pi)
> symbols(wt,mpg,circle=r,inches=.3,#比例因子，控制着圆圈大小（默认最大圆圈为1英寸）
+ fg="white",bg="lightblue", main="bubble plotwith point size\n proportional to displacement", ylab="miles pergallon", xlab="weight of car(lbs/1000")
> text(wt,mpg,rownames(mtcars),cex=.6)#可选函数，此处用来添加各个汽车的名称
> detach(mtcars)

求关注 求扩散亲朋好友