皇上,还记得我吗?我就是1999年那个Linux伊甸园啊-----24小时滚动更新开源资讯,全年无休!

R 语言绘制数据:图表篇

R 语言有非常多的绘图和数据可视化的包,比如 graphicslatticeggplot2 等。这是 R 语言系列的第 9 篇文章,我们会介绍 R 中用来绘图的各种函数。

本文使用的 R 是 4.1.2 版本,运行环境为 Parabola GNU/Linux-libre (x86-64)。

  1. $ R --version
  2. R version 4.1.2 (2021-11-01) -- "Bird Hippie"
  3. Copyright (C) 2021 The R Foundation for Statistical Computing
  4. Platform: x86_64-pc-linux-gnu (64-bit)

R 是自由软件,没有任何担保责任。只要遵守 GNU 通用公共许可证的版本 2 或者版本 3,你就可以对它进行(修改和)再分发。详情见 https://www.gnu.org/licenses/

折线图

我们以印度全境消费者物价指数(CPI — 乡村/城市)数据集为研究对象,它可以从 https://data.gov.in/catalog/all-india-consumer-price-index-ruralurban-0 下载。选择“截止到 2021 年 11 月” 的版本,用 read.csv 函数读取下载好的文件,如下所示:

  1. > cpi <- read.csv(file="CPI.csv", sep=",")
  2. > head(cpi)
  3. Sector Year Name Andhra.Pradesh Arunachal.Pradesh Assam Bihar
  4. 1 Rural 2011 January 104 NA 104 NA
  5. 2 Urban 2011 January 103 NA 103 NA
  6. 3 Rural+Urban 2011 January 103 NA 104 NA
  7. 4 Rural 2011 February 107 NA 105 NA
  8. 5 Urban 2011 February 106 NA 106 NA
  9. 6 Rural+Urban 2011 February 105 NA 105 NA
  10. Chattisgarh Delhi Goa Gujarat Haryana Himachal.Pradesh Jharkhand Karnataka
  11. 1 105 NA 103 104 104 104 105 104
  12. 2 104 NA 103 104 104 103 104 104
  13. 3 104 NA 103 104 104 103 105 104
  14. 4 107 NA 105 106 106 105 107 106
  15. 5 106 NA 105 107 107 105 107 108
  16. 6 105 NA 104 105 106 104 106 106
  17. ...

以 Punjab 州为例,对每年各月份的 CPI 值求和,然后用 plot 函数画一张折线图:

  1. > punjab <- aggregate(x=cpi$Punjab, by=list(cpi$Year), FUN=sum)
  2. > head(punjab)
  3. Group.1 x
  4. 1 2011 3881.76
  5. 2 2012 4183.30
  6. 3 2013 4368.40
  7. 4 2014 4455.50
  8. 5 2015 4584.30
  9. 6 2016 4715.80
  10. > plot(punjab$Group.1, punjab$x, type="l", main="Punjab Consumer Price Index upto November 2021", xlab="Year", ylab="Consumer Price Index")

plot 函数可以传入如下参数:

参数 描述
x 向量类型,用于绘制 x 轴的数据
y 向量或列表类型,用于绘制 y 轴的数据
type 设置绘图类型:p 画点;l 画线;o 同时画点和线,且相互重叠;s 画阶梯线;h 画铅垂线
xlim x 轴范围
ylim y 轴范围
main 标题
sub 副标题
xlab x 轴标题
ylab y 轴标题
axes 逻辑型,是否绘制坐标轴

结果如图 1。

R 语言绘制数据:图表篇

Figure 1: Line chart

自相关图

自相关图能在时序分析中展示一个变量是否具有自相关性,可以用 R 中的 acf 函数绘制。acf 函数可以设置三种自相关类型:correlationcovariance 或 partial。图 2 是 Punjab 州 CPI 值的自相关图,x 表示 CPI。

  1. acf(punjab$x,main='x')

R 语言绘制数据:图表篇

Figure 2: ACF chart

acf 函数可以传入以下参数:

参数 描述
x 一个单变量或多变量的时序对象,或者一个数值向量或数值矩阵
lag.max 最大滞后阶数
type 字符型,设置所计算的自相关类型:correlationcovariance 或 partial
plot 逻辑性,若 TRUE 则绘制图像,若 FALSE 则打印传入数据的描述信息
i 一组要保留的时差滞后
j 一组要保留的名称或数字

柱状图

R 中画柱状图的函数是 barplot。下面的代码用来画 Punjab 州 CPI 的柱状图,如图3:

  1. > barplot(punjab$x, main="Punjab Consumer Price Index", sub="Upto November 2021", xlab="Year", ylab="Consumer Price Index", col="navy")

R 语言绘制数据:图表篇

Figure 3: Line chart of Punjab’s CPI

barplot 函数的使用方法非常灵活,可以传入以下参数:

参数 描述
height 数值向量或数值矩阵,包含用于绘图的数据
width 数值向量,用于设置柱宽
space 柱间距
beside 逻辑型,若 FALSE 则绘制堆积柱状图,若 TRUE 则绘制并列柱状图
density 数值型,设置阴影线的填充密度(条数/英寸),默认为 NULL,即不填充阴影线
angle 数值型,填充线条的角度,默认为 45
border 柱形边缘的颜色
main 标题
sub 副标题
xlab x 轴标题
ylab y 轴标题
xlim x 轴范围
ylim y 轴范围
axes 逻辑型,是否绘制坐标轴

用 help 命令可以查看 barplot 函数的详细信息:

  1. > help(barplot)
  2. barplot package:graphics R Documentation
  3. Bar Plots
  4. Description:
  5. Creates a bar plot with vertical or horizontal bars.
  6. Usage:
  7. barplot(height, ...)
  8. ## Default S3 method:
  9. barplot(height, width = 1, space = NULL,
  10. names.arg = NULL, legend.text = NULL, beside = FALSE,
  11. horiz = FALSE, density = NULL, angle = 45,
  12. col = NULL, border = par("fg"),
  13. main = NULL, sub = NULL, xlab = NULL, ylab = NULL,
  14. xlim = NULL, ylim = NULL, xpd = TRUE, log = "",
  15. axes = TRUE, axisnames = TRUE,
  16. cex.axis = par("cex.axis"), cex.names = par("cex.axis"),
  17. inside = TRUE, plot = TRUE, axis.lty = 0, offset = 0,
  18. add = FALSE, ann = !add && par("ann"), args.legend = NULL, ...)
  19. ## S3 method for class 'formula'
  20. barplot(formula, data, subset, na.action,
  21. horiz = FALSE, xlab = NULL, ylab = NULL, ...)

饼图

绘制饼图时要多加注意,因为饼图不一定能展示出各扇形间的区别。(LCTT 译注:根据统计学家和一些心理学家的调查结果,这种以比例展示数据的统计图形 实际上是很糟糕的可视化方式,因此,R 关于饼图的帮助文件中清楚地说明了并不推荐使用饼图,而是使用条形图或点图作为替代。) 用 subset 函数获得 Gujarat 州在 2021 年 1 月 Rural、Urban、Rurual+Urban 的 CPI 值:

  1. > jan2021 <- subset(cpi, Name=="January" & Year=="2021")
  2. > jan2021$Gujarat
  3. [1] 153.9 151.2 149.1
  4. > names <- c('Rural', 'Urban', 'Rural+Urban')

使用 pie 函数为 Gujarat 州的 CPI 值生成饼图,如下所示:

  1. > pie(jan2021$Gujarat, names, main="Gujarat CPI Rural and Urban Pie Chart")

R 语言绘制数据:图表篇

Figure 4: Pie chart

pie 函数可以传入以下参数:

参数 描述
`x 元素大于 0 的数值向量
label 字符向量,用于设置每个扇形的标签
radius 饼图的半径
clockwise 逻辑型,若 TRUE 则顺时针绘图,若 FALSE 则逆时针绘图
density 数值型,设置阴影线的填充密度(条数/英寸),默认为 NULL,即不填充阴影线
angle 数值型,填充线条的角度,默认为 45
col 数值向量,用于设置颜色
lty 每个扇形的线条类型
main 标题

箱线图

(LCTT 译注:箱线图主要是 从四分位数的角度出发 描述数据的分布,它通过最大值(Q4)、上四分位数(Q3)、中位数(Q2)、下四分位数(Q1) 和最小值(Q0)五处位置来获取一维数据的分布概况。我们知道,这五处位置之间依次包含了四段数据,每段中数据量均为总数据量的 1/4。通过每一段数据占据的长度,我们可以大致推断出数据的集中或离散趋势。长度越短,说明数据在该区间上越密集,反之则稀疏。)

箱线图能够用“须线whisker” 展示一个变量的四分位距Interquartile Range(简称 IQR=Q3-Q1)。用上下四分位数分别加/减内四分位距,再乘以一个人为设定的倍数 range(见下面的参数列表),得到 range * c(Q1-IQR, Q3+IQR),超过这个范围的数据点就被视作离群点,在图中直接以点的形式表示出来。

boxplot 函数可以传入以下参数:

参数 描述
data 数据框或列表,用于参数类型为公式的情况
x 数值向量或者列表,若为列表则对列表中每一个子对象依次作出箱线图
width 设置箱子的宽度
outline 逻辑型,设置是否绘制离群点
names 设置每个箱子的标签
border 设置每个箱子的边缘的颜色
range 延伸倍数,设置箱线图末端(须)延伸到什么位置
plot 逻辑型,设置是否生成图像,若 TRUE 则生成图像,若 FALSE 则打印传入数据的描述信息
horizontal 逻辑型,设置箱线图是否水平放置

用 boxplot 函数绘制部分州的箱线图:

  1. > names <- c ('Andaman and Nicobar', 'Lakshadweep', 'Delhi', 'Goa', 'Gujarat', 'Bihar')
  2. > boxplot(cpi$Andaman.and.Nicobar, cpi$Lakshadweep, cpi$Delhi, cpi$Goa, cpi$Gujarat, cpi$Bihar, names=names)

R 语言绘制数据:图表篇

Figure 5: Box plot

QQ 图

QQ 图Quantile-Quantile plot可以用来对比两个数据集,也可以用来检查数据是否服从某种理论分布。qqnorm 函数能绘制正态分布 QQ 图,可以检验数据是否服从正态分布,用下面的代码绘制 Punjab 州 CPI 数据的 QQ 图:

  1. > qqnorm(punjab$x)

R 语言绘制数据:图表篇

Figure 6: Q-Q plot

qqline 函数可以向正态分布 QQ 图上添加理论分布曲线,它可以传入以下参数:

参数 描述
x 第一个数据样本
y 第二个数据样本
datax 逻辑型,设置是否以 x 轴表示理论曲线的值,默认为 FALSE
probs 长度为 2 的数值向量,代表概率
xlab x 轴标题
ylab y 轴标题
qtype [1,9] 内的整数,设置分位计算类型,详情见 help(quantile) 的类型小节

等高图

等高图可以描述三维数据,在 R 中对应的函数是 contour,这个函数也可以用来向已有的图表添加等高线。等高图常与其他图表一起使用。我们用 contour 对 R 中的 volcano 数据集(奥克兰的火山地形信息)绘制等高图,代码如下:

  1. > contour(volcano)

R 语言绘制数据:图表篇

Figure 7: Volcano

contour 函数的常用参数如下:

参数 描述
x,y z 中数值对应的点在平面上的位置
z 数值向量
nlevels 设置等高线的条数,调整等高线的疏密
labels 等高线上的标记字符串,默认是高度的数值
xlim 设置 x 轴的范围
ylim 设置 y 轴的范围
zlim 设置 z 轴的范围
axes 设置是否绘制坐标轴
col 设置等高线的颜色
lty 设置线条的类型
lwd 设置线条的粗细
vfont 设置标签字体

等高线之间的区域可以用颜色填充,每种颜色表示一个高度范围,如下所示:

  1. > filled.contour(volcano, asp = 1)
  2. # asp 为图形纵横比,即 y 轴上的 1 单位长度和 x 轴上 1 单位长度的比率

填充结果见图 8。

R 语言绘制数据:图表篇

Figure 8: Filled volcano

掌握上述内容后,你可以尝试 R 语言 graphics 包中的其他函数和图表(LCTT 译注:用 help(package=graphics) 可以查看 graphics 包提供的函数列表)。


via: https://www.opensourceforu.com/2022/05/plotting-data-in-r-graphs/

作者:Shakthi Kannan 选题:lkxed 译者:tanloong 校对:wxy

本文由 LCTT 原创编译,Linux中国 荣誉推出

转自 https://linux.cn/article-14830-1.html