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
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14