京公网安备 11010802034615号
经营许可证编号:京B2-20210330
R语言绘图之页面布局
par()、layout()、split.screen()函数
1. par()函数的参数详解
函数par()可以用来设置或者获取图形参数,par()本身(括号中不写任何参数)返回当前的图形参数设置(一个list);若要设置图形参数,则可用par(tag = value)的形式,其中tag的详细说明参见下面的列,value就是参数值,例如:
par(mar = c(4, 4, 1, 0.5), bg = "yellow") # 设置边距参数和背景色
par(pin=c(2,3)) #定义图形为2英寸宽,3英寸高
par(lwd=2,cex=1.5) #线条为默认的2倍宽,符号为默认的1.5倍
par(cex.axis=0.75,font.axis=3) #坐标轴文字缩放为原来的75%,斜体
col, pch, cex, lty, lwd 这些参数的意思与par()中的参数基本相同,有所区别的是,par()中这些参数只能设置一个单值,而这里可以对它们设置一个向量,这个向量的值将依次运用到各个元素上,若向量长度短于元素个数,那么向量会被循环使用,直到所有的元素都被画出来,事实上,向量的循环使用也是R图形参数的一大特点。
2. layout():mat用矩阵设置窗口的划分,矩阵的0元素表示该位置不画图,非0元素必须包括从1开始的连续的整数值,比如:1……N,按非0元素的大小设置图形的顺序。widths用来设置窗口不同列的宽度,heights设置不同行的高度。par()的mfcol,和mfrow参数也有类似layout的功能。layout()函数的一般形式为layout(mat),mat为一矩阵,mat元素的数量决定了一个output device被等分成几份相同元素为一块。
layout(matrix(c(1,2,3,0,2,3,0,0,3),nr=3)) matrix有9个元素,具有这样的形式:
[,1] [,2] [,3]
[1,] 1 0 0
[2,] 2 2 0
[3,] 3 3 3
把这个矩阵传入layout函数,我们就能得到这样的output device
如此,figure1占据了左上角的一个格子,第二行的前两个格子属于figure2,figure3占满最下一行的三个格子。
layout(matrix(1:4,2,2)) #将当前装置分割为矩阵2行2列的布局
[,1] [,2]
[1,] 1 3
[2,] 2 4
layout.show(4) #显示绘图装置分割好的1到4部分;
查看下面代码的不同之处:
layout(matrix(1:6,3,2)) #将当前装置分割为3行2列的布局
[,1] [,2]
[1,] 1 4
[2,] 2 5
[3,] 3 6
layout.show(6) #显示布局的编号
layout(matrix(1:6,2,3))#将当前装置分割为2行3列布局
[,1] [,2] [,3]
[1,] 1 3 5
[2,] 2 4 6
layout.show(6)#显示布局编号
layout(matrix(c(1:3,3),2,2)) #建立矩阵,将装置分割为3部分
[,1] [,2]
[1,] 1 3
[2,] 2 3
layout.show(3) #显示布局编号
m<-matrix(1:4,2,2);m #建立矩阵m,2列2行
layout(m,widths=c(1,3),heights=c(3,1)) #将当时装置按照m进行划分,宽度之比为1:3,高度之比为3:1
layout.show(4)
m<-matrix(c(1,1,2,1),2,2);m #建立矩阵
layout(m,widths=c(2,1),heights=c(1,2)) #按照矩阵编号进行分割,编号相同的为同一块,宽度为2:1,高度为1:2
layout.show(2)
m<-matrix(0:3,2,2)#,注意,此矩阵中有0,0是不绘图的,可以查看一下效果
layout(m,c(1,3),c(1,3)) #行为1:3,列为1:3
layout.show(3)
2. 案例一:
attach(mtcars)
opar<-par(no.readonly=TRUE)#保存默认设置
par(mfrow=c(2,2))#将画布分割为2*2格局
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,mian="Boxplot of wt")
par(opar)
detach(mtcars)
案例二:
attach(mtcars)
opar<-par(no.readonly=TRUE)
par(mfrow=c(3,1))# 将画布分割为3行,1列格局
hist(wt)
hist(mpg)
hist(disp)
par(opar)
detach(mtcars)
案例三:
attach(mtcars)
layout(matrix(c(1,1,2,3),2,2,byrow = TRUE))
hist(wt)
hist(mpg)
hist(disp)
detach(mtcars)
3. split.screen函数
split.screen(c(1,2)):将当前的绘画装置分割为2块,分别为1号2号,可以通过screen(1)或screen(2)进行选择,但此时的分割通常是按水平分割的,如果进行进详细的分割,可以用layout函数。
screen()选择绘图区域,screen(n = , new = TRUE)
eraser.screen() 清除选中的绘图区域,erase.screen(n = )
close.screen() 移除特定的选区,close.screen(n, all.screens = FALSE)
screen Figs中的数字
split.screen()分割后,其余的函数才能使用。若无参数,则返回分割后小区域的编号,以向量的形式出现
close.screen退出分割,如果关闭当前的区域(即分割后的小区域),则进入下一个小区域,close.screen(all = TRUE)表示退出分割状态
例子:
par(bg = "white") # 白色背景
split.screen(c(2, 1)) # 分为上下两个屏,2行1列
split.screen(c(1, 3), screen = 2) # 将2屏再细分为3个小屏,即2屏分为1行3列
screen(1) # 选中1屏
plot(10:1)
screen(4) # 选4屏
plot(10:1)
close.screen(all = TRUE) # 退出分屏模式
split.screen(c(2, 1)) # 分为上下2个屏
split.screen(c(1, 2), 2) # 将下屏分为2个屏
plot(1:10) # 在第3屏绘图,此时为当前激活的屏
erase.screen() # 清除当前屏
plot(1:10, ylab = "ylab 3")
screen(1) # 选1屏
plot(1:10)
screen(4) # 激活4屏
plot(1:10, ylab = "ylab 4")
screen(1, FALSE) # 返回1屏,但不清空1屏,如果为screen(1,TRUE),则清空1屏
plot(10:1, axes = FALSE, lty = 2, ylab = "") # 加点
axis(4) # 右边加坐标轴
title("Plot 1")
close.screen(all = TRUE) # 退出分屏模式
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27