这里写目录标题
R语言中常见的图形函数：
| 函数 | 图形 | 功能 |
|---|---|---|
| hist | 直方图 | 分布 |
| sm.density.compare | 密度图 | 分布 |
| boxplot | 箱线图 | 分布 |
| xioplot | 小提琴图 | 分布 |
| barplot | 条形图 | 分布 |
| dotchart | Cleveland图 | 分布 |
| pie | 饼图 | 分布 |
| plot | 根据作图对象而异，最简单的是散点图 | 关系（对散点图），图形不同功能不同 |
| pairs | 散点图矩阵 | 关系 |
| corrgram | 相关图 | 关系 |
| 函数 | 图形 | 功能 |
|---|---|---|
| qqplot | QQ图 | 假设检验 |
| mosai | 马赛克图 | 假设检验 |
| stars | 星状图 | 突出特征 |
| sunflowerplot | 向日葵散点图 | 突出特征 |
| contour | 等高图 | 聚类 |
| heatmap | 热图 | 聚类 |
分析数据分布情况的图形绘制
直方图
hist(x, breaks = , freq = , ...)
| 参数 | 参数描述 |
|---|---|
| x | 数值向量 |
| breaks | 分段区间，取值一个向量（各区间端点）或者一个数字（拆分为多少段），或者一个字符串（计算划分区间的算法名称），或者一个函数（划分区间个数的方法） |
| freq | 是否以频数作图。默认TRUE，画出频数直方图 取值FALSE时画频率直方图 |
条形图
barplot(height, beside = , horiz = , ...)
| 参数 | 参数描述 |
|---|---|
| height | 数值，数据结构必须是向量或者矩阵 |
| beside | 默认值为FALSE，每一列都将给出堆砌的“子条”高度，若beside=TRUE，则每一列都表示一个分组并列 |
| horiz | 逻辑值，默认为FALSE，改成TRUE图形变为横向条形图 |
饼图
pie(x, labels = names(x), radius = 0.8, ...)
| 参数 | 参数描述 |
|---|---|
| x | 非负的数值向量，x中的值表示饼图切片的区域 |
| labels | 标签，一个或多个给切片命名的表达式或者字符串 |
| radius | 半径，取值从-1到1，其中数字表示饼图的半径大小，负数表示从180°开始绘制饼图，正数表示从0°开始绘制饼图 |
分析数据间关系的图形绘制
分析数据间的关系时，常用散点图和多变量相关矩阵图查看数据间的相关情况。这两种图形都能分析不同数值型特征间的关系。
- 散点图主要通过查看数据分布情况来分析特征间的相关关系
- 多变量相关矩阵图根据两两之间的相关系数来分析两两间的相关关系
散点图
plot(x, y, ...)
| 参数名称 | 参数解释 |
|---|---|
| x, y | 接收类似向量类型的一维数据。 表示x和y轴对应的数据。无默认值。 |
多变量相关矩阵图
corrgram(x, order = , lower.panel = , upper.panel = , text.panel = ,diag.panel = , ...)
| 参数名称 | 参数解释 |
|---|---|
| x | 每行作为一个观测值的数据框或者相关系数矩阵 |
| order | 变量排序，默认FALSE，相关矩阵按数据框名对变量排序，当order为TRUE时，相关矩阵将使用主成分分析法对变量重排序，这将使得二元变量的关系模式更为明显 |
| lower.panel | 主对角线下方的元素类型 |
| upper.panel | 主对角线上方的元素类型 |
| text.panel | 取值panel.txt输出的变量名字 |
| diag.panel | 控制着主对角线元素类型panel.minmax输出变量的最大最小值 |