散点图用于描述两个连续性变量间的关系,三个变量之间的关系可以通过3D图形或气泡来展示,多个变量之间的两两关系可以通过散点图矩阵来展示。 一,添加了最佳拟合曲线的散点图 使用基础函数plot(x,y)来绘制散点图,其中x和y是数值型向量,代表着图形中的点(x,y) 复制代码 attach(mtcars) plot(wt,mpg, main='Basic Scatter plot of MPG vs Weight', xlab='Car Weight(1bs/1000)', ylab='Miles Per Gallon', pch=19) abline(lm(mpg~wt),col='red',lwd=2,lty=1) lines(lowess(wt,mpg),col='blue',lwd=2,lty=2) 复制代码 abline()函数用于添加最佳拟合的线性回归直线;lowess()函数用于添加一条平滑曲线。 car包中的scatterplot()函数增强了散点图的许多功能,它可以很方便地绘制散点图,并能添加拟合曲线,边界箱线图和置信椭圆,还可以按子集绘图和交互式地识别点。 复制代码 library(car) scatterplot(mpg~wt|cyl, data=mtcars,lwd=2,span=0.75, main='Scatter Plot of MPG vs Weight by # Cylinders', xlab='Weight of Car (lbs/1000)', ylab='Miles Per Gallon', legend.plot=TRUE, boxplots='xy') 复制代码 参数注释: formula: 在该参数中,分组使用 | group_variable 来表示。例如,mpg ~ wt| cyl,表示的含义是按照cyl的水平分别绘制mpg和wt的关系图 span:控制loess曲线中的平滑量,该参数值最大,拟合的效果越好。 legend.plot:设置为TRUE,表示在左上边界添加图例 boxplots:表示边界线箱图,有效值是x,y或xy,分别表示在x轴,y轴,或xy轴上绘制箱图。 二,散点图矩阵 基础函数paris()函数用于创建散点图矩阵,panel.cor()函数是自定义的面板函数(panel function),用于在矩阵的上三角显示相关度;下三角使用系统预定义的平滑函数,用于在矩阵的下三角显示散点图和平滑曲线。 复制代码 panel.cor <- function(x, y, digits = 2, prefix = "", cex.cor, ...) { usr <- par("usr") on.exit(par(usr)) par(usr = c(0, 1, 0, 1)) r <- abs(cor(x, y)) txt <- format(c(r, 0.123456789), digits = digits)[1] txt <- paste0(prefix, txt) if(missing(cex.cor)) cex.cor <- 0.8/strwidth(txt) text(0.5, 0.5, txt, cex = cex.cor * r) } pairs(~mpg+disp+drat+wt,data=mtcars, lower.panel=panel.smooth, upper.panel=panel.cor) 复制代码 car包中的scatterplotMatrix()函数,用于生成散点图矩阵,实际上,该函数是pairs()的封装器,用于产生增强的散点图矩阵,spm是该函数的别名。 复制代码 scatterplotMatrix(x, diagonal=c("density", "boxplot", "histogram", "oned", "qqplot", "none"), adjust=1, nclass, plot.points=TRUE, smoother=loessLine, smoother.args=list(), smooth, span, spread = !by.groups, reg.line=lm, transform=FALSE, family=c("bcPower", "yjPower"), ellipse=FALSE, levels=c(.5, .95), robust=TRUE, groups=NULL, by.groups=FALSE, use=c("complete.obs", "pairwise.complete.obs"), labels, id.method="mahal", id.n=0, id.cex=1, id.col=palette()[1], id.location="lr", col=if (n.groups == 1) palette()[3:1] else rep(palette(), length=n.groups), pch=1:n.groups, lwd=1, lty=1, cex=par("cex"), cex.axis=par("cex.axis"), cex.labels=NULL, cex.main=par("cex.main"), legend.plot=length(levels(groups)) > 1, legend.pos=NULL, row1attop=TRUE, ...) 复制代码 参数注释: diagonal:对角线面板显示的内容, adjust:用于密度估计的相对带宽(relative bandwidth),传递给density()函数 nclass:直方图的封箱的数量,传递给hist()函数 plot.points:是否在非对角线绘制点,默认值是TRUE smoother:用于制定函数,用于绘制平滑曲线,默认值是gamLine()函数,其他有效值是:loessLine,quantregLine smoother.args:传递给smoother函数的参数,是一个list类型,例如,smoother.args==list(lty=2) 表示设置平滑(loess)拟合曲线使用虚线,而不是实线 smooth,span:这两个参数是为了向后兼容,如果该参数设置为TRUE(默认值),那么smooter设置为LoessLine,使用LoessLine()函数绘制平滑曲线。如果设置span,那么该参数会被添加到smoother.args中。 spread:是否添加用于展示分散度和对称信息的直线,默认值是by.groups参数值取反。 reg.line:默认值是lm,用于制定绘制回归直线的函数 ellipse:在非对角线绘制数据密度椭圆 groups:对数据分组 by.groups:如果设置为TRUE,那么回归直线按照分组来拟合(fit) 例如:使用mtcars数据集来绘制散点图: 复制代码 library(car) scatterplotMatrix(~mpg+disp+drat+wt,data=mtcars, spread=FALSE,smoother.args=list(lty=2), main='Scatter Plot Matrix via car Package') 复制代码 主对角线上放置了核密度曲线和轴须: 三,高密度散点图 基础包中的smoothScatter()函数,可以利用核密度估计生成用颜色密度来表示点密度的散点图。 复制代码 set.seed(1234) n<-1000 c1 <- matrix(rnorm(n,mean=0,sd=1),ncol = 2) c2 <- matrix(rnorm(n,mean=3,sd=5),ncol = 2) mydata <- rbind(c1,c2) mydata <- as.data.frame(mydata) names(mydata) <- c('x','y') with(mydata,smoothScatter(x,y,main='Scatter Plot Colored by Smoothed Densities')) 复制代码 hexbin包中hexbin()函数,把二元变量的封箱放到六边形单元格中,xbins是水平封箱的数量: hexbin(x, y, xbins = 30) 该函数创建了一个hexbin对象,最基本的组成是一个cell和落入每个cell的点的数量count。 例如,使用hexbin()来绘制高密度散点图,六边形的颜色深度表示散点的密度。 复制代码 library(hexbin) with(mydata, {bin <- hexbin(x,y,xbins=50) plot(bin,main='Hex binning with 10000 Observations')}) 复制代码 四,三维散点图 三维散点图用于对三个变量之间的交互关系进行可视化,包scatterplot3d包中的函数scatterplot3d(),可以用于绘制三维散点图: 复制代码 scatterplot3d(x, y=NULL, z=NULL, color=par("col"), pch=par("pch"), main=NULL, sub=NULL, xlim=NULL, ylim=NULL, zlim=NULL, xlab=NULL, ylab=NULL, zlab=NULL, scale.y=1, angle=40, axis=TRUE, tick.marks=TRUE, label.tick.marks=TRUE, x.ticklabs=NULL, y.ticklabs=NULL, z.ticklabs=NULL, y.margin.add=0, grid=TRUE, box=TRUE, lab=par("lab"), lab.z=mean(lab[1:2]), type="p", highlight.3d=FALSE, mar=c(5,3,4,3)+0.1, bg=par("bg"), col.axis=par("col.axis"), col.grid="grey", col.lab=par("col.lab"), cex.symbols=par("cex"), cex.axis=0.8 * par("cex.axis"), cex.lab=par("cex.lab"), font.axis=par("font.axis"), font.lab=par("font.lab"), lty.axis=par("lty"), lty.grid=par("lty"), lty.hide=NULL, lty.hplot=par("lty"), log="", asp=NA, ...) 复制代码 参数注释: x,y,z:图形的三个坐标 color:点的颜色 main,sub:主标题和小标题 xlim,ylim,zlim:用于指定(min,max),用于限制坐标轴上点的范围。 xlab,ylab,zlab:各个坐标轴的标签 scale.y:y轴相对于x和z的标度 angle:x和y轴之间的角度 axis:是否绘制坐标轴 tick.marks, label.tick.marks, x.ticklabs, y.ticklabs, z.ticklabs:刻度,刻度值 type:用于指定点的类型,p是点,l是线,h是在x-y平面中的垂线 highlight.3d:当type = "p" 或 type = "h" 时,根据y坐标把点绘制成不同的颜色;其他情况下,使用color参数的值来绘制点的颜色。 例如,利用mtcars数据集,绘制wt,disp和mpg之间的三维散点图: 复制代码 library(scatterplot3d) with(mtcars, scatterplot3d(wt,disp,mpg, pch=16, highlight.3d = TRUE, type='h', main='3D Scatter Plot with Vertical Lines')) 复制代码 可旋转的3D散点图: 复制代码 library(rgl) with(mtcars, plot3d(wt,disp,mpg,col='red',size=5)) library(car) with(mtcars,scatter3d(wt,disp,mpg)) 复制代码 五,气泡图 使用气泡图来展示三个变量之间的关系,先创建一个二维散点图,然后用点的大小来代表第三个变量的值。 基础包中的symbols()函数用于绘制气泡图: 复制代码 symbols(x, y = NULL, circles=radius, squares, rectangles, stars, inches = TRUE, fg = par("col"), bg = NA, xlab = NULL, ylab = NULL, main = NULL, xlim = NULL, ylim = NULL, ...) 复制代码 参数注释: x,y,circles:circles用于指定气泡的半径 inches:比例因子,控制气泡的大小(默认最大圆圈为1 inch) 参考文档: scatterplotMatrix 作者:悦光阴 出处:http://www.cnblogs.com/ljhdo/ 本文版权归作者和博客园所有,欢迎转载,但未经作者同意,必须保留此段声明,且在文章页面醒目位置显示原文连接,否则保留追究法律责任的权利。https://www.cnblogs.com/ljhdo/p/5540237.html