
R语言 画图时常用命令
生成图片 存储图片 存储图片格式 存储位置的方式 画图的常用命令
第一种png格式
png(file="myplot.png", bg="transparent")
画图程序
dev.off()
第二种jpeg格式
jpeg(file="myplot.jpeg")
画图程序
dev.off()
文件都放在getwd()里了
第三种pdf格式
pdf(file="myplot.pdf")
画图程序
dev.off()
下面是一个具体的例子
png(file="myplot.png", bg="transparent")
plot(1:10)
rect(1, 5, 3, 7, col="white")
dev.off()
所有文件都放在getwd()里面了,你只需输入
getwd()
就可以看到文件所在位置
如果你想改变文件所在位置,可以用setwd()这个函数,举一个例子给大家演示就明白了
例子 把文件都放在c盘
setwd("c://")
png(file="myplot.png", bg="transparent")
plot(1:10)
rect(1, 5, 3, 7, col="white")
dev.off()
getwd()
当数据图很多时,记得用paste(),
for(i in genid){
pdf(file=paste(i,'.pdf',sep=''))
hist(get(i))
dev.off()
}
R 图形由点,线,文本和多边形(闭合区域)构成。图形参数就是用来控制这些
图形元素(graphical element)如何绘制:
pch="+" 用于显示点的符标。默认值会随图形驱动不同而有些差异,不过
常常是`±'。被显示的点稍稍高于或者低于适当的位置,除非你用
位于中心的"." 作为显示符标。
pch=4 当pch 设定一个0到25之间的整数,一个特定的符标将会产生。
为了查看各个符标的样子,可以采用下面的命令
> legend(locator(1), as.character(0:25), pch = 0:25)
这些位于21到25间的符标看上去是前面符标的重复,不过它们可以用不同的颜色显示:查看points 的帮助文档和例子。
此外,pch 可以是32:255 范围内的字符和数字。它们会以字符
的当前字体形式显示。
lty=2 线条类型。尽管不是所有的图形设备都支持图形类型(就是在支持的设备中,也有点差异),但是类型1常常是实线,类型0是不
可见的,类型2和其他常常是点线和虚线,或者是点划线。
lwd=2 线条宽度。以\标准"线条宽度的倍数设定线条宽度。坐标轴线条
和利用函数lines() 等产生的线条都会受影响。不是所有的设备
支持这种特性,而且一些设备会对线条宽度有所限制的。
col=2 点,线,文本,填充区域和图像的颜色设置。值可以是来自当前调色板的数字(见?palette)或者一个命名的颜色。
col.axis
col.lab
col.main
col.sub 分别用于轴标注,x 和y 轴的标签,主标题和次标题等的颜色设
置。
font=2 整数是用来指定用于文中的字体类型。一般情况下,设备驱动
设定的1 对应于纯文本,2 对应粗体,3 对应斜体,4 对应粗斜
体,5 对应符号体(包括希腊字母)。
font.axis
font.lab
font.main
font.sub 分别用于轴标注,x 和y 轴标签,主标题和次标题的字体设置。
adj=-0.1 调整文本对于图形的相对位置。0 表示左对齐,1 表示右对齐,0.5 表示图形位置的水平居中。实际值表示出现在图形位置左侧的文本宽度的比率,因此-0.1 表示将会在文本和图形位置间留下文本宽度的10%。
cex=1.5 字符扩张率。这个值表示期望字符(包括绘图字符)大小相对默认大小的比率。
ty=2 指定画线用的线型。缺省值lty=1是实线。从2开始是各种虚线。
lwd=2 指定线粗细,以标准线粗细为单位。这个参数影响数据曲线的线宽以及坐标轴的线宽。下例绘制正弦曲线图:
> oldpar <- par(lwd=2) > x <- (0:100)/100*2*pi > plot(x, sin(x), type="l", axes=F) > abline(h=0) > abline(v=0) > par(oldpar)
col=2 指定颜色,可应用于绘点、线、文本、填充区域、图象。颜色值也可以用象"red","blue" 这样的颜色名指定。
font=2 用来指定字体的整数。一般font=1是正体,2是 黑体,3是 斜体,4是 黑斜体。
font.axis font.lab font.main font.sub 分别用来指定坐标刻度、坐标轴标签、标题、小标题所用的字体。
adj=-0.1 指定文本相对于给定坐标的对齐方式。取0表示左对齐,取1表示右对齐,取0.5表示居中。此参数的值实际代表的是出现在给定坐标左边的文本的比例,所以adj=-0.1的效果是文本出现在给定坐标位置的右边并空出相当于文本10%长度的距离。
cex=1.5 指定字符放大倍数。
二、坐标轴与坐标刻度
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29