R in action读书笔记（15）第十一章 中级绘图 之二 折线图 相关图 马赛克图

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

第十一章 中级绘图

本节用到的函数有：

plot	legend
corrgram	mosaic

11.2折线图

如果将散点图上的点从左往右连接起来，那么就会得到一个折线图。

创建散点图和折线图：

1. > opar<-par(no.readonly=TRUE)
   
2. > par(mfrow=c(1,2))
   
3. > t1<-subset(Orange,Tree==1)
   
4. > plot(t1$age,t1$circumference,xlab="Age(days)",ylab="circumference (mm)",main="orange tree 1growth")
   
5. > plot(t1$age,t1$circumference,xlab="Age(days)",ylab="circumference (mm)",main="orange tree 1growth",type="b")
   
6. > par(opar)

复制代码

参数type =的可选值

p	只有点
l	只有线
o	实心点和线（即线覆盖在点上）
b、c	线连接点（c时不绘制点）
s、S	阶梯线
h	直方图式的垂直线
n	不生成任何点和线（通常用来为后面的命令创建坐标轴）

注意，plot()和lines()函数工作原理并不相同。plot()函数是被调用时即创建一幅新图，

而lines()函数则是在已存在的图形上添加信息，并不能自己生成图形。因此，lines()函数通常是在plot()函数生成一幅图形后再被调用。如果对图形有要求，可以先通过plot()函数中的type = n来创建坐标轴、标题和其他图形特征，然后再使用lines()函数添加各种需要绘制的曲线。

展示五种橘树随时间推移的生长状况的折线图：

1. > opar<-par(no.readonly=TRUE)
   
2. > par(mfrow=c(2,4))
   
3. > t1<-subset(Orange,Tree==1)
   
4. > plot(t1$age,t1$circumference,xlab="Age(days)",ylab="circumference(mm)",main="type=p",type="p")
   
5. > plot(t1$age,t1$circumference,xlab="Age(days)",ylab="circumference(mm)",main="type=l",type="l")
   
6. > plot(t1$age,t1$circumference,xlab="Age(days)",ylab="circumference(mm)",main="type=o",type="o")
   
7. > plot(t1$age,t1$circumference,xlab="Age(days)",ylab="circumference(mm)",main="type=b",type="b")
   
8. > plot(t1$age,t1$circumference,xlab="Age(days)",ylab="circumference(mm)",main="type=c",type="c")
   
9. > plot(t1$age,t1$circumference,xlab="Age(days)",ylab="circumference(mm)",main="type=s",type="s")
   
10. > plot(t1$age,t1$circumference,xlab="Age(days)",ylab="circumference(mm)",main="type=S",type="S")
    
11. > plot(t1$age,t1$circumference,xlab="Age(days)",ylab="circumference(mm)",main="type=h",type="h")

复制代码

展示五种橘树随时间推移的生长状况的折线图

1. > Orange$Tree<-as.numeric(Orange$Tree)
   
2. > ntrees<-max(Orange$Tree)
   
3. > xrange<-range(Orange$age)
   
4. > yrange<-range(Orange$circumference)
   
5. > plot(xrange,yrange,
   
6. +     type="n",
   
7. +     xlab="age(days)",
   
8. +     ylab="circumference(mm)"
   
9. + )
   
10. > colors<-rainbow(ntrees)
    
11. > linetype<-c(1:ntrees)
    
12. > plotchar<-seq(18,18+ntrees,1)
    
13. > for(i in 1:ntrees){
    
14. +  tree<-subset(Orange,Tree==i)
    
15. +  lines(tree$age,tree$circumference,
    
16. +        type="b",
    
17. +         lwd=2,
    
18. +        lty=linetype,
    
19. +        col=colors,
    
20. +        pch=plotchar
    
21. +         )
    
22. + }
    
23. > title("tree growth","example of lineplot")
    
24. > legend(xrange[1],yrange[2],
    
25. +        1:ntrees,
    
26. +        cex=.8,
    
27. +       pch=plotchar,
    
28. +       lty=linetype,
    
29. +       title="tree")

复制代码

11.3 相关图

利用corrgram包中的corrgram()函数，可以以图形方式展示该相关系数矩阵

1. > library(corrgram)
   
2. > corrgram(mtcars,order=TRUE,lower.panel=panel.shade,
   
3. +          upper.panel=panel.pie,text.panel=panel.txt,
   
4. +          main="correlogram of mtcarsintercorrelations")

复制代码

默认地，蓝色和从左下指向右上的斜杠表示单元格中的两个变量呈正相关。反过来，红色和从左上指向右下的斜杠表示变量呈负相关。色彩越深，饱和度越高，说明变量相关性越大。相关性接近于0的单元格基本无色。本图为了将有相似相关模式的变量聚集在一起，对矩阵的行和列都重新进行了排序（使用主成分法）。从图中含阴影的单元格中可以看到，gear、am、drat和mpg相互间呈正相关，wt、disp、hp和carb相互间也呈正相关。但第一组变量与第二组变量呈负相关。还可以看到carb和am、vs和gear、vs和am以及drat和qsec四组变量间的相关性很弱。上三角单元格用饼图展示了相同的信息。颜色的功能同上，但相关性大小由被填充的饼图块的大小来展示。正相关性将从12点钟处开始顺时针填充饼图，而负相关性则逆时针方向填充饼图。

corrgram()函数的格式如下：

corrgram(x, type=NULL, order = FALSE, labels,panel=panel.shade,

lower.panel=panel,upper.panel=panel,diag.panel=NULL,text.panel=textPanel,label.pos=c(0.5, 0.5), label.srt=0, cex.labels=NULL,font.labels=1,row1attop=TRUE, dir="",gap=0,abs=FALSE,col.regions=colorRampPalette(c("red","salmon","white","royalblue","navy")),cor.method="pearson", ...)

可以通过选项lower.panel 和upper.panel来分别设置主对角线下方和上方的元素类型。而text.panel和diag.panel选项控制着主对角线元素类型。

在下三角区域使用平滑拟合曲线和置信椭圆，上三角区域使用散点图:

1. > library(corrgram)
   
2. > corrgram(mtcars,order=TRUE,lower.panel=panel.ellipse,
   
3. +          upper.panel=panelNaNs,text.panel=panel.txt,
   
4. +          lwd=1.5,diag.panel=panel.minmax,
   
5. +          main="correlogram of mtcars using\nscatter plots and ellipse")

复制代码

mtcars数据框中变量的相关系数图。下三角区域包含平滑拟合曲线和置信椭圆，上三角区域包含散点图。主对角面板包含变量最小和最大值。矩阵的行和列利用主成分分析法进行了重排序

1. > library(corrgram)
   
2. > corrgram(mtcars,lower.panel=panel.shade,
   
3. +          upper.panel=NULL,text.panel=panel.txt,
   
4. +          lwd=1.5,
   
5. +          main="Car mileage data(unsorted)")

复制代码

下三角区域使用了阴影，并保持原变量顺序不变，上三角区域留白。下三角区域的阴影代表相关系数的大小和正负。变量按初始顺序排列.

11.4 马赛克图

若只观察单个类别型变量，可以使用柱状图或者饼图；若存在两个类别型变量，可以使用三维柱状图；若有两个以上的类别型变量，一种办法是绘制马赛克图（mosaic plot）。在马赛克图中，嵌套矩形面积正比于单元格频率，其中该频率即多维列联表中的频率。颜色和/或阴影可表示拟合模型的残差值。vcd包中的mosaic()函数可以绘制马赛克图

1. > ftable(Titanic)
   
2.                   Survived  No Yes
   
3. Class Sex   Age                  
   
4. 1st   Male   Child            0  5
   
5.             Adult          118  57
   
6.       FemaleChild            0   1
   
7.             Adult            4 140
   
8. 2nd   Male   Child            0 11
   
9.             Adult          154  14
   
10.       FemaleChild            0  13
    
11.              Adult           13 80
    
12. 3rd   Male   Child           35 13
    
13.             Adult          387  75
    
14.       FemaleChild           17  14
    
15.             Adult           89  76
    
16. Crew  Male   Child            0  0
    
17.             Adult          670 192
    
18.       FemaleChild            0   0
    
19.             Adult            3  20

复制代码

mosaic()函数可按如下方式调用

mosaic(table)

其中table是数组形式的列联表。另外，也可用：

1. > library(vcd)
   
2. > mosaic(Titanic,shade=TRUE,legend=TRUE)

复制代码

或

1. > library(vcd)
   
2. > mosaic(~Class+Sex+Age+Survived,data=Titanic,shade=TRUE,legend=TRUE)

复制代码

按船舱等级、乘客性别和年龄层绘制的泰坦尼克号幸存者的马赛克图

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Action 读书笔记 马赛克 相关图 CTI 读书笔记 action 马赛克 orange 连接点

谢谢分享。。。。。。。。。