京公网安备 11010802034615号
经营许可证编号:京B2-20210330
R语言画数据图形
plot是一般的画图函数,hist是直方图,boxplot是箱型图。这些函数会覆盖前面的图形,如何创建多个图形便于同时查看呢?方法有三:
1、创建新图形之前先打开一个新的图形窗口,每一幅新图形会出现在最近的图形窗口中。
dev.new() 语句1 dev.new() 语句2 ……
上面的语句,每显现一幅图形之前会新开一个窗口。
2、运用图形界面上的前进后退按钮即可。
3、可以使用dev.new,dev.next,dev.prev,dev.set等函数同时打开多个窗口,并选择将哪个输出到哪个窗口中。使用help(dev.cur)查看说明。这个貌似比较麻烦。
如果将不同的图形放在一个窗口中,可以先用par(mfrow = c(2,3))类似语句创建一个2行3列的图形集合,然后用plot一个一个画图就行了,结果见下图:
3.2一个简单的例子
3.3图形参数
可以通过图形参数自定义一幅图的多个特征(字体、颜色、坐标轴、标题、图例等)。par函数可以对图形参数进行设置,执行par()可以查看各种参数,添加参数no.readonly = TRUE,可以查看可修改的参数列表。需要说明的是,设置par之后在关闭软件前(会话结束前)一直有效。
可以先记录原始参数,然后结束一段语句之后再进行还原。比如:
opar <- par(no.readonly=TRUE) #记录初始设置 par(lty=2,pch =17) ... par(opar) #进行还原
当然可以在plot函数的后面直接设置参数。并不是所有的参数都是可以指定的,用help函数可以查看具体函数。下面介绍一些图形参数。
3.3.1符号和线条
开启截图模式:
具体的见下面截图:
上图中的21-25可以指定边框的颜色(col=)和填充的颜色(bg=).
上面是线型的设置。
3.3.2下面是颜色的设置
上面是颜色的设置说明,需要在具体的函数上进行实现和验证。col函数后面可以用编号、颜色名称、十六进制颜色值、RGB、HSV等进行设置。RGB是三原色,HSV是基于色相、饱和度、亮度来生成函数。colors可以查看所有颜色名称,嗯,657种。
可以由很多函数来生成连续的颜色,rainrow(),heat.colors(),terrain.colors()topo.colors(),cm.colors()等,gray函数可以产生多阶灰度,后面加一个0-1之间的向量。
pie函数用来画饼图,下面是一个例子:
par(mfrow = c(1,2))下面是结果:
3.3.3文本属性
图形参数可以指定字号、字体和字样。下面是相关的参数说明:
字体族是比较难以设置的。family这里的衬线、无衬线字体和等宽字体等可以设置,windo下分别映射为TT Times New Roman、TT Arial和TT Courier New。如果想用其他映射,可以用windoFonts函数进行设置。用pdf输出图形,字体设置会简单一些,用names(pdfFonts())查看可用字体,输出是只需要在pdf函数中增加参数 family = “fontname”就可以了。PostScript格式(一种用来打印的格式字体)也是类似的道理。
3.3.4图形尺寸与边界尺寸
下面写一个例子:
dose <- c(20,30,40,45,60)
dragA <- c(16,20,27,40,60)
dragB <- c(15,18,25,31,40)
opar <- par(no.readonly = TRUE)
par(pin = c(2,3))
par(lwd = 2,cex = 1.5)
par(cex.axis = .75,font.axis = 3)
plot(dose,dragA,type = "b",pch = 19,lty = 2,
col = "red")
plot(dose,dragB,type = "b",pch = 23,lty = 6,
col = "blue",bg = "green")#这里的col和bg是对pch=23的图形进行的设置,当然这里的col也对线条颜色进行了设置
par(opar)数据分析师培训
下面是结果:
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31