京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16