plot(x,main = "Forecast Results",xlab = "Month",ylab = "Production",col=c("red","black","green"))

plot 通用绘图函数

boxplot 创建箱线图

hist 创建直方图

qqnorm 创建QQ图

curve 绘制函数图形

points 添加点

lines 添加线

abline 添加直线

segments 添加线段

polygon 添加闭合多边形

text 添加文本

plot(cars)
plot(cars,ann=FALSE)

ann=FALSE，它要求不绘制注释内容，然后调用函数title添加需要的标题和标签

title(main="The title",xlab = "speed",ylab = "dist")
plot(cars,type="n")

调用函数plot时设置参数type=“n”,它将在不显示数据的情况下初始化图形框架

调用函数grid来绘制网格

grid()
points(cars)

在两个向量x和y中有成对观测值，还有一个平行因子f,可以为1，2,3,4,5,6,7,8,9.。。用来表示不同的形状

plot(x,y,pch=as.integer(f))

with(iris,plot(Petal.Length,Petal.Width))

with(iris,plot(Petal.Length,Petal.Width,pch=as.integer(Species)))

添加图例

点的图例

legend(x,y,labels,pch=c(pointtype1,pointtype2,....))

不同线型的线的图例

legend(x,y,labels,lty=c(linetype1,linetype2,...))

不同线宽的线的图例

legend(x,y,labels,lwd=c(width1,width2,...))

不同颜色的图例

legend(x,y,labels,col=c(color1,color2,...))

legend(1.5,2.4,c("setosa","versicolor","virginica"),pch=1:3)

两种方法画出图例

f<-factor(iris$Species)
with(iris,plot(Petal.Length,Petal.Width,pch=as.integer(f)))
legend(1.5,2.4,as.character(levels(f)),pch=1:length(levels(f)))

显示了根据线型（实线，虚线或点线）的线的图例

legend(0.5,95,c("Estimate","Lower conf lim","Upper conf lim"),lty=c("solid","dashed","dotted"))

绘制散点图的回归线

install.packages("faraway")
library("faraway")
data("strongx")
m<-lm(crossx~energy,data=strongx)
summary(m)
plot(crossx~energy,data=strongx)
abline(m)

多变量散点图的绘制

head(iris)
plot(iris[,1:4])

创建每个因子水平的散点图

coplot(y~x|f)#这将产生x对应于y的散点图，每幅图对应f一个水平
data("Cars93",package="MASS")
coplot(hormone~MPG.city|Origins,data=Cars93)

创建条状图

heights<-tapply(airqualityTemp,airqualityMonth,mean)
barplot(heights)

barplot(heights,main = "Mean Temp.by Month",names.arg = c("May","Jun","Jul","Aug","Sep"))

对条形图添加置信区间

library(gplots)
attach(airquality)
heights<-tapply(Temp,Month,mean)
lower<-tapply(Temp, Month, function(v) t.test(v)conf.int[1])upper<−tapply(Temp,Month,function(v)t.test(v)conf.int[2])
barplot2(heights,plot.ci = TRUE,ci.l = lower,ci.u = upper)#控制条形快的宽度用xpd，给条形快添加标签用names.arg
barplot2(heights,plot.ci = TRUE,ci.l = lower,ci.u = upper,ylim = c(50,90),xpd=FALSE,main="Mean Temp.By Month",names.arg = c("May","Jun","Jul","Aug","Sep"),ylab = "Temp(deg.F)")

给条形图上色

barplot(heights,col=colors)
barplot(c(3,4,5),col = c("red","white","blue"))
rel.hts<-rank(heights)/length(heights)
grays<-gray(1-rel.hts)
barplot(heights,col=grays)

完整的解决方案

rel.hts<-(heights-min(heights))/(max(heights)-min(heights))
grays<-gray(1-rel.hts)
barplot(heights,col=grays,ylim = c(50,90),xpd=FALSE,main="Mean Temp.By Month",names.arg = c("May","Jun","Jul","Aug","Sep"),ylab = "Temp(deg.F)")

如果想用彩色的，可以使用rainbow来代替gray

绘制过点x,y的直线

plot(x,y,type="l")
plot(dfrm,type = "l")

pressure是内置数据集

plot(pressure)
plot(pressure,type="l")

改变线的类型，宽度和颜色

线的类型

lty="solid"或者lty=1 默认

lty="dashed"或者lty=2

lty="dotted"或者lty=3

lty="dotdash"或者lty=4

lty="longdash"或者lty=5

lty="twodash"或者lty=6

lty="blank"或者lty=0

画虚线

plot(pressure,type="l",lty="dashed")
plot(pressure,type="l",lwd=2)
plot(pressure,type="l",col="red")

函数lines将线添加到现有的图形中并允许指定它们的类型、宽度和颜色

plot(x,y.democr,type = "l",col="blue")
lines(x,y.republ,col="red")

绘制多个数据集

使用高级的图形函数如plot,curve来初始化图形，使用低级函数如lines,points来添加额外的数据集

先使用range来计算极限值，然后使用xlim,ylim来设置他们

x1<-c(1,2,3,4,5,6,7,8,9)
x2<-c(5,4,5,6,9,8,7,1,2)
y1<-c(9,8,7,6,5,4,3,2,1)
y2<-c(10,2,0,4,5,8,7,5,6)
xlim<-range(c(x1,x2))
ylim<-range(c(y1,y2))
plot(x1,y1,type ="l",xlim = xlim,ylim = ylim)
lines(x2,y2,lty="dashed")

添加水平线

abline(v=x)
abline(h=y)

画出经过图形原点的轴

abline(v=0)
abline(h=0)

绘制这些点，然后绘制一条经过它们均值的实线

plot(samp)
m<-mean(samp)
abline(h=m)

想要用图形来说明样本标准差，所以我们计算它们并在距离均值正负1和正负2个标准差的地方绘制虚线

stdevs<-m+c(-2,-1,+1,+2)*sd(samp)
abline(h=stdevs,lty="dotted")

每个因子水平创建箱线图

boxplot(x~f)#x是数值型变量，f是因子
plot(f,x)#也可以调用函数plot的两个参数的形式，注意第一个参数是因子
library("MASS")
UScereal
boxplot(sugars~shelf,data=UScereal)
boxplot(sugars~shelf,data=UScereal,main="Sugar Content by Shelf",xlab="Shelf",ylab="Sugar(grams per portion)")

创建直方图hist()

data("Cars93",package="MASS")
hist(Cars93$MPG.city)

hist中包含了第二个参数，即建议的直方块的数量

hist(Cars93MPG.city,20)hist(Cars93MPG.city,20,main="City MPG（1993）",xlab="MPG")

对直方图添加密度估计

hist(Cars93MPG.city,20)lines(density(Cars93MPG.city))

从伽马分布抽取样本

samp<-rgamma(500,2,2)
hist(samp,20,prob=T)
lines(density(samp))

创建离散的直方图

调用函数table来对事件进行计数，然后调用包含参数type="h"的plot函数来将事件绘制成一个直方图

plot(table(x),type = "h")
plot(table(x),type="h",lwd=5,ylab = "Freq")
plot(table(x)/length(x),type="h",lwd=5,ylab = "Freq")#有相对频率的直方图，而不是计数

创建qq图

qqnorm(x)
qqline(x)

data(Cars93,package="MASS")
qqnorm(Cars93Price,main="Q−QPlot:Price")qqline(Cars93Price)#太多的点在对角线之上，表示大体向左偏的趋势

向左偏斜也许能够通过对数变换纠正

data(Cars93,package="MASS")
qqnorm(log(Cars93Price),main="Q−QPlot:Price")qqline(log(Cars93Price))

假设数据y有自由度为5的学生t分布，学生t分布的分位数函数是qt,第二个参数是自由度

plot(qt(ppoints(y),5),sort(y))
abline(a=0,b=1)

从均值为10（或比率为1/10）的指数分布中随机抽取

RATE<-1/10
Y<-rexp(N,rate=RATE)

对于指数分布的分位数函数是qexp，有一个参数rate

plot(qexp(ppoints(y),rate = RATE),sort(y),main = "QQ plot",xlab = "Theoretical Quantiles",ylab = "Sample Quantiles")
abline(a=0,b=1)

用各种颜色绘制变量

plot(x,col="blue")
plot(x,type="h",lwd=3)

对图形添加阴影

colors<-ifelse(x>=0,"black","gray")
plot(x,type="h",lwd=3,col=colors)
colors<-ifelse(x>=0,"green","red")

plot(x,type="l",col=c("blue","green"))

绘制函数

curve(sin,-3,+3)
curve(dnorm,-3.5,+3.5,main="Std. Normal Density")#显示了标准正太密度函数的图
f<-function(x){
exp(-abs(x))sin(2pi*x)
}
curve(f,-5,+5,main="Dampened Sine Wave")

图形间暂停

par(ask=TRUE)

当ask设定为TRUE时，R在开始一个新图形前会马上输出一下信息

Waiting to confirm page change...

当你准备好绘制新图形时，单击图形窗口，R会开始下一个图形

在一页中显示多个图形

par(mfrow=c(N,M))#N行M列
par(mfrow=c(2,2))

Quantile<-seq(from=0,to=1,length.out = 30)
plot(Quantile,dbeta(Quantile,2,4),type = "l",main="First")
plot(Quantile,dbeta(Quantile,4,2),type = "l",main="Second")
plot(Quantile,dbeta(Quantile,1,1),type = "l",main="Third")
plot(Quantile,dbeta(Quantile,0.5,0.5),type = "l",main="Fourth")

grid和lattice包含额外的显示多图形的工具

打开另一个图形窗口

win.graph()
dev.set()#此函数进行窗口切换

可以设置窗口大小

win.graph(width = 7.0,height = 5.5)

在文档中绘制图形

当需要把图形保存在一个文件中，例如PNG,JPEG或PostScript

savePlot(filename = "filename.ext",type = "type")

调用这个函数，该方案会如下执行并创建图形文件myPlot.png

png("myPlot.png",width = 648,height = 432)
plot(x,y,main = "Scatterplot of x, y")
dev.off()

改变图形参数

需要改变图形软件的一个全局参数，例如线型，背景颜色，或者字体大小

par(lwd=2)

par的参数

1、ask=logical 如果为TRUE，在每个新图前

2、bg="color" 背景色

3、cex=number 文字或者绘图点的高度，表示为标准尺寸的倍数

4、col="color" 默认绘图颜色

5、fg="color" 前景色

6、lty="linetype" 线型：实线，虚线等

7、lwd=number 线宽：1：正常，2：宽，3：更宽

8、mfcol=c(nr,nc)或者mfrow=c(nr,nc) 建立多图画布矩阵，nr行，nc列

9、new=logical 在一张图上绘制另外一张图形

10、pch=pointtype 默认点类型

11、xlog=logical 采用x轴的对数标度

12、ylog=logical 采用y轴的对数标度

breaks就是设置频率直方图中的分组
HIST函数是用来创建一个直方图的Matplotlib函数。需要传的参数包括直方图的区间数、颜色、normed。
参考例子如下：

> data<-mtcars$wt#mtcars是R的内置数据集，选择wt列画图。

> summary(data)#data最小值为1.513，最大值为5.424。

Min.1st Qu.Median Mean 3rd Qu.Max.  

1.513 2.581 3.325 3.217 3.610 5.424

> break1<-seq(1,6,1)#设置分组为(1,2) (2,3)...(5,6)

> hist(data,breaks=break1)

> break2<-seq(1,6,0.5)#设置分组为(1,1.5) (1.5,2) ...(5.5,6)

> hist(data,breaks=break2)

plot()函数在R语言画图中位置十分重要，现在就对其具体用法做一个总结，基本用法：

plot(x=x轴数据,y=y轴数据,main="标题",sub="子标题"，type="线型",xlab="x轴名称"，ylab="y轴名称"，xlim = c(x轴范围，x轴范围),ylim = c(y轴范围,y轴范围))

示例代码为：
plot(c(1:6),c(1:6),main="test",type="",xlim=c(0,7),ylim=c(0,7))

其中，线性分为：
type="p" 点
type="1"线
type="b"点线
type="o"覆盖性点线
type="c"点线去掉点
type="h"直方图的线
type="s"楼梯型
type="n"什么都没有