Линейные графики
Сначала создадим простой график, используя значения вектора car:
Сначала создадим простой график, используя значения вектора car:
# Define the cars vector with 5 values cars <- c(1, 3, 6, 4, 9) # Graph the cars vector with all defaults plot(cars)
Добавим название графика, линию, соединяющую точки, и раскрасим его:
# Define the cars vector with 5 values cars <- c(1, 3, 6, 4, 9) # Graph cars using blue points overlayed by a line plot(cars, type="o", col="blue") # Create a title with a red, bold/italic font title(main="Autos", col.main="red", font.main=4)
Теперь давайте добавим красную линию для грузовиков и зададим диапазон оси y, чтобы вместить данные по грузовикам:
<- 3="" 4="" 6="" 9="" c="" span=""><- 12="" 4="" 5="" c="" span=""># Define 2 vectors
cars <- c(1, 3, 6, 4, 9)
trucks <- c(2, 5, 4, 5, 12)
# Graph cars using a y axis that ranges from 0 to 12
plot(cars, type="o", col="blue", ylim=c(0,12))
# Graph trucks with red dashed line and square points
lines(trucks, type="o", pch=22, lty=2, col="red")
# Create a title with a red, bold/italic font
title(main="Autos", col.main="red", font.main=4)
Далее изменим подписи осей, чтобы они соответствовали данным, и добавим легенду. Также мы рассчитаем значения диапазона для оси y c помощью функции max, чтобы любые изменения в наших данных автоматически отражались бы на нашем графике.
# Define 2 vectors cars <- c(1, 3, 6, 4, 9) trucks <- c(2, 5, 4, 5, 12) # Calculate range from 0 to max value of cars and trucks g_range <- range(0, cars, trucks) # Graph autos using y axis that ranges from 0 to max # value in cars or trucks vector. Turn off axes and # annotations (axis labels) so we can specify them ourself plot(cars, type="o", col="blue", ylim=g_range, axes=FALSE, ann=FALSE) # Make x axis using Mon-Fri labels axis(1, at=1:5, lab=c("Mon","Tue","Wed","Thu","Fri")) # Make y axis with horizontal labels that display ticks at # every 4 marks. 4*0:g_range[2] is equivalent to c(0,4,8,12). axis(2, las=1, at=4*0:g_range[2]) # Create box around plot box() # Graph trucks with red dashed line and square points lines(trucks, type="o", pch=22, lty=2, col="red") # Create a title with a red, bold/italic font title(main="Autos", col.main="red", font.main=4) # Label the x and y axes with dark green text title(xlab="Days", col.lab=rgb(0,0.5,0)) title(ylab="Total", col.lab=rgb(0,0.5,0)) # Create a legend at (1, g_range[2]) that is slightly smaller # (cex) and uses the same line colors and points used by # the actual plots legend(1, g_range[2], c("cars","trucks"), cex=0.8, col=c("blue","red"), pch=21:22, lty=1:2);
Теперь давайте загрузим данные для графика напрямую из файла. В файле будут дополнительные данные для нашего набора, разделенные табуляцией, и он будет лежать в директории C:/R.
autos.dat
cars trucks suvs 1 2 4 3 5 4 6 4 6 4 5 6 9 12 16
Также для хранения цветов, использующихся в нашем графике, мы будем использовать вектор, поэтому если позже вы захотите поменять цвета, для этого необходимо будет отредактировать только одну строку. В конце мы сохраним график в файле PNG.
# Read car and truck values from tab-delimited autos.dat autos_data <- read.table("C:/R/autos.dat", header=T, sep="\t") # Compute the largest y value used in the data (or we could # just use range again) max_y <- max(autos_data) # Define colors to be used for cars, trucks, suvs plot_colors <- c("blue","red","forestgreen") # Start PNG device driver to save output to figure.png png(filename="C:/R/figure.png", height=295, width=300,
bg="white") # Graph autos using y axis that ranges from 0 to max_y. # Turn off axes and annotations (axis labels) so we can # specify them ourself plot(autos_data$cars, type="o", col=plot_colors[1], ylim=c(0,max_y), axes=FALSE, ann=FALSE) # Make x axis using Mon-Fri labels axis(1, at=1:5, lab=c("Mon", "Tue", "Wed", "Thu", "Fri")) # Make y axis with horizontal labels that display ticks at # every 4 marks. 4*0:max_y is equivalent to c(0,4,8,12). axis(2, las=1, at=4*0:max_y) # Create box around plot box() # Graph trucks with red dashed line and square points lines(autos_data$trucks, type="o", pch=22, lty=2, col=plot_colors[2]) # Graph suvs with green dotted line and diamond points lines(autos_data$suvs, type="o", pch=23, lty=3, col=plot_colors[3]) # Create a title with a red, bold/italic font title(main="Autos", col.main="red", font.main=4) # Label the x and y axes with dark green text title(xlab= "Days", col.lab=rgb(0,0.5,0)) title(ylab= "Total", col.lab=rgb(0,0.5,0)) # Create a legend at (1, max_y) that is slightly smaller # (cex) and uses the same line colors and points used by # the actual plots legend(1, max_y, names(autos_data), cex=0.8, col=plot_colors, pch=21:23, lty=1:3); # Turn off device driver (to flush output to png) dev.off()
В следующем примере мы сохраним файл в формате PDF и обрежем лишнее пространство вокруг графика, это полезно, если позже мы будем использовать его в документах LaTeX. Мы также увеличим толщину линий, уменьшим шрифт для подписей оси и наклоним подписи оси x под углом 45 градусов.
# Read car and truck values from tab-delimited autos.dat autos_data <- read.table("C:/R/autos.dat", header=T, sep="\t") # Define colors to be used for cars, trucks, suvs plot_colors <- c(rgb(r=0.0,g=0.0,b=0.9), "red", "forestgreen") # Start PDF device driver to save output to figure.pdf pdf(file="C:/R/figure.pdf", height=3.5, width=5) # Trim off excess margin space (bottom, left, top, right) par(mar=c(4.2, 3.8, 0.2, 0.2)) # Graph autos using a y axis that uses the full range of value # in autos_data. Label axes with smaller font and use larger # line widths. plot(autos_data$cars, type="l", col=plot_colors[1], ylim=range(autos_data), axes=F, ann=T, xlab="Days", ylab="Total", cex.lab=0.8, lwd=2) # Make x axis tick marks without labels axis(1, lab=F) # Plot x axis labels at default tick marks with labels at # 45 degree angle text(axTicks(1), par("usr")[3] - 2, srt=45, adj=1, labels=c("Mon", "Tue", "Wed", "Thu", "Fri"), xpd=T, cex=0.8) # Plot y axis with smaller horizontal labels axis(2, las=1, cex.axis=0.8) # Create box around plot box() # Graph trucks with thicker red dashed line lines(autos_data$trucks, type="l", lty=2, lwd=2, col=plot_colors[2]) # Graph suvs with thicker green dotted line lines(autos_data$suvs, type="l", lty=3, lwd=2, col=plot_colors[3]) # Create a legend in the top-left corner that is slightly # smaller and has no border legend("topleft", names(autos_data), cex=0.8, col=plot_colors, lty=1:3, lwd=2, bty="n"); # Turn off device driver (to flush output to PDF) dev.off() # Restore default margins par(mar=c(5, 4, 4, 2) + 0.1)
Гистограммы
Давайте начнем с простой гистораммы вектора cars:
Давайте начнем с простой гистораммы вектора cars:
# Define the cars vector with 5 values
cars <- c(1, 3, 6, 4, 9)
# Graph cars
barplot(cars)
Теперь возьмем данные из файла autos.dat, добавим подписи, синюю окантовку баров и штриховку переменной плотности:
# Read values from tab-delimited autos.dat autos_data <- read.table("C:/R/autos.dat", header=T, sep="\t") # Graph cars with specified labels for axes. Use blue # borders and diagnal lines in bars. barplot(autos_data$cars, main="Cars", xlab="Days", ylab="Total", names.arg=c("Mon","Tue","Wed","Thu","Fri"), border="blue", density=c(10,20,30,40,50))
Теперь построим график количества машин в день, используя разные цвета, и добавим легенду:
# Read values from tab-delimited autos.dat autos_data <- read.table("C:/R/autos.dat", header=T, sep="\t") # Graph autos with adjacent bars using rainbow colors barplot(as.matrix(autos_data), main="Autos", ylab= "Total", beside=TRUE, col=rainbow(5)) # Place the legend at the top-left corner with no frame # using rainbow colors legend("topleft", c("Mon","Tue","Wed","Thu","Fri"), cex=0.6, bty="n", fill=rainbow(5));
Давайте построим график общего количества машин в день, используя гистограмму с накоплением, и разместим легенду за пределами области графика:
# Read values from tab-delimited autos.dat autos_data <- read.table("C:/R/autos.dat", header=T, sep="\t") # Expand right side of clipping rect to make room for the legend par(xpd=T, mar=par()$mar+c(0,0,0,4)) # Graph autos (transposing the matrix) using heat colors, # put 10% of the space between each bar, and make labels # smaller with horizontal y-axis labels barplot(t(autos_data), main="Autos", ylab="Total", col=heat.colors(3), space=0.1, cex.axis=0.8, las=1, names.arg=c("Mon","Tue","Wed","Thu","Fri"), cex=0.8) # Place the legend at (6,30) using heat colors legend(6, 30, names(autos_data), cex=0.8, fill=heat.colors(3)); # Restore default clipping rect par(mar=c(5, 4, 4, 2) + 0.1)
Гистограммы распределений
Давайте построим простую гистограмму, отражающую распределение значений вектора suvs:
Давайте построим простую гистограмму, отражающую распределение значений вектора suvs:
# Define the suvs vector with 5 values suvs <- c(4,4,6,6,16) # Create a histogram for suvs hist(suvs)
Теперь возьмем данные из файла autos.dat и построим комбинированную цветную гистограмму для car, truck и suv:
# Read values from tab-delimited autos.dat autos_data <- read.table("C:/R/autos.dat", header=T, sep="\t") # Concatenate the three vectors autos <- c(autos_data$cars, autos_data$trucks, autos_data$suvs) # Create a histogram for autos in light blue with the y axis # ranging from 0-10 hist(autos, col="lightblue", ylim=c(0,10))
Теперь изменим разрывы, чтобы значения не группировались вместе, и развернем подписи оси y горизонтально.
# Read values from tab-delimited autos.dat autos_data <- read.table("C:/R/autos.dat", header=T, sep="\t") # Concatenate the three vectors autos <- c(autos_data$cars, autos_data$trucks, autos_data$suvs) # Compute the largest y value used in the autos max_num <- max(autos) # Create a histogram for autos with fire colors, set breaks # so each number is in its own group, make x axis range from # 0-max_num, disable right-closing of cell intervals, set # heading, and make y-axis labels horizontal hist(autos, col=heat.colors(max_num), breaks=max_num, xlim=c(0,max_num), right=F, main="Autos Histogram", las=1)
Далее создадим гистограмму распределения плотности вероятности с неравными интервалами.
# Read values from tab-delimited autos.dat
autos_data <- read.table("C:/R/autos.dat", header=T, sep="\t")
# Concatenate the three vectors
autos <- c(autos_data$cars, autos_data$trucks,
autos_data$suvs)
# Compute the largest y value used in the autos
max_num <- max(autos)
# Create uneven breaks
brk <- c(0,3,4,5,6,10,16)
# Create a histogram for autos with fire colors, set uneven
# breaks, make x axis range from 0-max_num, disable right-
# closing of cell intervals, set heading, make y-axis labels
# horizontal, make axis labels smaller, make areas of each
# column proportional to the count
hist(autos, col=heat.colors(length(brk)), breaks=brk,
xlim=c(0,max_num), right=F, main="Probability Density",
las=1, cex.axis=0.8, freq=F)
В этом примере мы построим гистограмму распределения 1000 случайных чисел, подчиняющихся логнормальному распределению.
# Get a random log-normal distribution
r <- rlnorm(1000)
hist(r)
Так как логнормальные распределения обычно лучше выглядят в логарифмических координатах, давайте воспользуемся функцией plot для того, чтобы показать распределение в виде точечного графика.
<- .1="" breaks="c(seq(0,max(r)+1," hist="" plot="F," r="" span=""># Get a random log-normal distribution
r <- rlnorm(1000)
# Get the distribution without plotting it using tighter breaks
h <- hist(r, plot=F, breaks=c(seq(0,max(r)+1, .1)))
# Plot the distribution using log scale on both axes, and use
# blue points
plot(h$counts, log="xy", pch=20, col="blue",
main="Log-normal distribution",
xlab="Value", ylab="Frequency")
Круговые диаграммы
Давайте начнем с простой диаграммы, отображающей вектор cars:
Давайте начнем с простой диаграммы, отображающей вектор cars:
# Define cars vector with 5 values cars <- c(1, 3, 6, 4, 9) # Create a pie chart for cars pie(cars)
Теперь добавим заголовок, изменим цвета и зададим собственные подписи:
# Define cars vector with 5 values cars <- c(1, 3, 6, 4, 9) # Create a pie chart with defined heading and # custom colors and labels pie(cars, main="Cars", col=rainbow(length(cars)), labels=c("Mon","Tue","Wed","Thu","Fri"))
Теперь давайте изменим цвета, подписи сделаем в процентах и добавим легенду:
<- black="" c="" grey50="" grey70="" grey90="" span="" white=""><- 100="" 1="" cars="" round="" span="" sum=""><- car_labels="" paste="" sep="" span=""># Define cars vector with 5 values
cars <- c(1, 3, 6, 4, 9)
# Define some colors ideal for black & white print
colors <- c("white","grey70","grey90","grey50","black")
# Calculate the percentage for each day, rounded to one
# decimal place
car_labels <- round(cars/sum(cars) * 100, 1)
# Concatenate a '%' char after each value
car_labels <- paste(car_labels, "%", sep="")
# Create a pie chart with defined heading and custom colors
# and labels
pie(cars, main="Cars", col=colors, labels=car_labels,
cex=0.8)
# Create a legend at the right
legend(1.5, 0.5, c("Mon","Tue","Wed","Thu","Fri"), cex=0.8,
fill=colors)
Точечные графики
Начнем с простого точечного графика, отображающего данные autos
Начнем с простого точечного графика, отображающего данные autos
# Read values from tab-delimited autos.dat autos_data <- read.table("C:/R/autos.dat", header=T, sep="\t") # Create a dotchart for autos dotchart(t(autos_data))
Сделаем точечный график более красочным:
# Read values from tab-delimited autos.dat autos_data <- read.table("C:/R/autos.dat", header=T, sep="\t") # Create a colored dotchart for autos with smaller labels dotchart(t(autos_data), color=c("red","blue","darkgreen"), main="Dotchart for Autos", cex=0.8)
Кое-что еще
В этом примере показывается 25 символов, которые вы можете использовать в в качестве точек в ваших графиках:
# Make an empty chart plot(1, 1, xlim=c(1,5.5), ylim=c(0,7), type="n", ann=FALSE) # Plot digits 0-4 with increasing size and color text(1:5, rep(6,5), labels=c(0:4), cex=1:5, col=1:5) # Plot symbols 0-4 with increasing size and color points(1:5, rep(5,5), cex=1:5, col=1:5, pch=0:4) text((1:5)+0.4, rep(5,5), cex=0.6, (0:4)) # Plot symbols 5-9 with labels points(1:5, rep(4,5), cex=2, pch=(5:9)) text((1:5)+0.4, rep(4,5), cex=0.6, (5:9)) # Plot symbols 10-14 with labels points(1:5, rep(3,5), cex=2, pch=(10:14)) text((1:5)+0.4, rep(3,5), cex=0.6, (10:14)) # Plot symbols 15-19 with labels points(1:5, rep(2,5), cex=2, pch=(15:19)) text((1:5)+0.4, rep(2,5), cex=0.6, (15:19)) # Plot symbols 20-25 with labels points((1:6)*0.8+0.2, rep(1,6), cex=2, pch=(20:25)) text((1:6)*0.8+0.5, rep(1,6), cex=0.6, (20:25))
Комментариев нет:
Отправить комментарий