
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
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04