写在前面

前面第六章的图形主要是展示单分类变量或连续型变量的分布情况。本章主要研究二元变量或多元变量关系的可视化。更多教程可参考：

R语言基础学习手册

图片集锦：

r语言中用excel数据绘图 r语言表格绘图_开发语言

11.1 散点图

1）添加最佳拟合曲线的散点图： 绘制汽车重量与燃油效率之间的关系图(mtcars包)：

head(mtcars)
##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1
library(ggplot2)
ggplot(mtcars,aes(x=wt,y=mpg))+
  geom_point()+
  geom_smooth(method = "lm",se=FALSE,color="red")+
  geom_smooth(method = "loess",se=FALSE,
              color="blue",linetype="dashed")+
  labs(title = "Basic Scatter Plot of MPG vs. Weight",
       x="Car weight",
       y="Miles per gallon")+
  theme_bw()
## `geom_smooth()` using formula = 'y ~ x'
## `geom_smooth()` using formula = 'y ~ x'

r语言中用excel数据绘图 r语言表格绘图_ci_02

注：

1.将 se=FALSE 设置为geom_smooth()函数的参数，可以禁用置信区间的显示，使拟合曲线仅显示其基本形状，而不显示任何不确定性范围（阴影）。

2.LOESS 是一种非参数的回归方法，它通过在数据周围的局部区域内进行加权拟合来估计变量之间的关系。它在拟合过程中考虑了数据的局部特征，因此可以更好地适应非线性关系。

2）添加单独的最佳拟合曲线的散点图： 分别绘制四缸、六缸和八缸汽车的汽车重量与燃油效率之间的关系图(mtcars包)：

library(ggplot2)
ggplot(mtcars,aes(x=wt,y=mpg,color=factor(cyl),shape=factor(cyl)))+
  geom_point()+
  geom_smooth(method = "lm",se=FALSE)+
  geom_smooth(method = "loess",se=FALSE,linetype="dashed")+
  labs(title = "Basic Scatter Plot of MPG vs. Weight",
       subtitle = "By numberof cylinders",
       x="Car weight",
       y="Miles per gallon")+
  theme_bw()
## `geom_smooth()` using formula = 'y ~ x'
## `geom_smooth()` using formula = 'y ~ x'

r语言中用excel数据绘图 r语言表格绘图_r语言中用excel数据绘图_03

散点图可以一次对两个定量变量间的关系进行可视化，但当变量超过2个时，可以用散点图矩阵展示。

11.1.1 散点图矩阵（Scatterplot Matrix）

散点图矩阵在R中被用来同时展示多个变量之间的关系。它是一种多变量可视化方法，通过在一个图形中显示多个散点图，可以帮助我们观察和理解变量之间的相互关系，特别是在探索性数据分析中非常有用。

主要用于：

1.变量关系的可视化

2.变量之间的相关性分析

3.特征选择和变量筛选

之前在8.2.4中展示了car包中的ScatterplotMatrix函数创建方法，这里学习GGally包中的ggpairs()函数创建ggplot2版本的散点图矩阵。

11.1.1.1 基础ggpairs()函数（GGally包中的）

观察mtcars数据集中，汽车里程(mpg)、汽车重量(wt)、排量(disp)和后轴比(drat)间的二元关系：

library(GGally)
## Warning: 程辑包'GGally'是用R版本4.3.2 来建造的
## Registered S3 method overwritten by 'GGally':
##   method from   
##   +.gg   ggplot2
ggpairs(mtcars[c("mpg","disp","drat","wt")])

r语言中用excel数据绘图 r语言表格绘图_r语言中用excel数据绘图_04

11.1.1.2 添加拟合线、直方图和相关系数的散点图矩阵

library(GGally)
library(ggplot2)
diagplots <- function(data,mapping){
  ggplot(data = data,mapping = mapping)+
    geom_histogram(fill="lightblue",color="black")
}
lowerplots <- function(data,mapping){
  ggplot(data = data,mapping = mapping)+
    geom_point(color="darkgrey")+
    geom_smooth(method = "lm",color="steelblue",se=FALSE)+
    geom_smooth(method = "loess",color="red",se=FALSE,linetype="dashed")
}
upperplots <- function(data,mapping){
  ggally_cor(data = data,mapping = mapping,
             display_grid = FALSE,size=3,color="black")
}

mytheme <- theme(strip.background = element_blank(),
                 panel.grid = element_blank(),
                 panel.background = element_blank(),
                 panel.border = element_rect(color = "grey20",fill = NA))

ggpairs(mtcars,
        columns = c("mpg","disp","drat","wt"),
        columnLabels = c("MPG","Displacement","R Axle Ratio","Weight"),
        lower = list(continuous=lowerplots),
        diag = list(continuous=diagplots),
        upper = list(continuous=upperplots))+
  mytheme
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `geom_smooth()` using formula = 'y ~ x'
## `geom_smooth()` using formula = 'y ~ x'
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `geom_smooth()` using formula = 'y ~ x'
## `geom_smooth()` using formula = 'y ~ x'
## `geom_smooth()` using formula = 'y ~ x'
## `geom_smooth()` using formula = 'y ~ x'
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `geom_smooth()` using formula = 'y ~ x'
## `geom_smooth()` using formula = 'y ~ x'
## `geom_smooth()` using formula = 'y ~ x'
## `geom_smooth()` using formula = 'y ~ x'
## `geom_smooth()` using formula = 'y ~ x'
## `geom_smooth()` using formula = 'y ~ x'
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

r语言中用excel数据绘图 r语言表格绘图_3d_05

知识点补充：

  • 1.theme()函数

theme() 函数是 ggplot2 包中用于设置图表外观的函数。它可以用于修改和自定义图表的各个元素，如标题、轴标签、网格线、背景颜色等。以下是 theme() 函数的一些常用参数和用法：

theme(...)

1)通过 theme() 函数可以设置的图表元素包括：

title：图表标题的样式。

plot.title：绘图区域的标题样式。

axis.title：坐标轴标题的样式。

axis.text：坐标轴刻度标签的样式。

axis.line：坐标轴线的样式。

axis.ticks：坐标轴刻度线的样式。

legend.title：图例标题的样式。

legend.text：图例标签的样式。

panel.background：面板背景的样式。

panel.grid：面板网格线的样式。

panel.border：面板边框的样式。

strip.background：面板标题背景的样式。

2)对于每个图表元素，可以使用不同的函数来设置样式，常用的函数包括：

element_text()：用于设置文本样式，如字体、大小、颜色等。

element_line()：用于设置线条样式，如颜色、线型、粗细等。

element_rect()：用于设置矩形样式，如颜色、填充、边框等。

element_blank()：用于设置为空，即不显示该元素。

  • 2.在 ggpairs() 函数中，lower、diag 和 upper参数

用于指定自定义绘图函数，以控制矩阵散点图矩阵中不同位置的图层绘制方式:

lower: 用于指定下三角部分的图层绘制方式;

diag:用于指定对角线部分的图层绘制方式;

upper:用于指定上三角部分的图层绘制方式。

list(continuous =)指定了一个连续型变量的图层设置.

  • 3. ggally_cor()函数 ggally_cor()函数用于创建变量之间相关性矩阵的可视化。

用法：

ggally_cor(data, mapping = NULL, method = "pearson", color = "RdYlBu"

display_grid是一个参数，用于控制是否显示相关性矩阵的网格线。

11.1.2 普通高密度散点图(当观测值较多时容易造成重叠)

set.seed(1234)
n <- 10000
c1 <- matrix(rnorm(n,mean=0,sd=0.5),ncol = 2)#用于生成一个具有 n 行和 2 列的矩阵 c1，其中矩阵的每个元素都是从均值为 0、标准差为 0.5 的正态分布中随机抽取的数字
c2 <- matrix(rnorm(n,mean = 3,sd=2),ncol = 2)
mydata <- rbind(c1,c2)
mydata <- data.frame(mydata)
names(mydata) <- c("x","y")#将mydata数据框原来的列名修改为x和y
library(ggplot2)
ggplot(mydata,aes(x=x,y=y))+
  geom_point()

r语言中用excel数据绘图 r语言表格绘图_开发语言_06

注：

rnorm(n, mean = 0, sd = 0.5) 是一个随机函数 rnorm()，用于生成符合正态分布的随机数。其中，n 是要生成的随机数的个数，mean 是正态分布的均值，sd 是正态分布的标准差。在这里，我们生成了 n 个均值为 0、标准差为 0.5 的正态分布随机数。

从该图看出，当观测值较多时，散点重叠后非常难看，可以用下面方法进行改进。

11.1.2.1 利用核密度估计生成用颜色密度来表示点分布的散点图SmoothScatter()

with(mydata,smoothScatter(x,y, main="Scatter Plot colored by smoothed dendities"))

r语言中用excel数据绘图 r语言表格绘图_3d_07

注：SmoothScatter() 函数是一个用于生成平滑散点图的函数，较高密度区域将以较亮的颜色表示，较低密度区域将以较暗的颜色表示，这有助于观察数据的分布模式和聚集情况。

11.1.2.2 方法2

利用hexbin包中的geom_hex()函数

library(ggplot2)
library(hexbin)
## Warning: 程辑包'hexbin'是用R版本4.3.2 来建造的
ggplot(mydata,aes(x=x,y=y))+
  geom_hex(bins=50)+#bins 参数用于指定六边形的数量或密度级别
  scale_fill_continuous(trans='reverse')#使颜色较深的表示较大的密度区域

r语言中用excel数据绘图 r语言表格绘图_3d_08

11.1.3 三维散点图

散点图和散点图矩阵都是二元变量关系，如需三元（三维）散点图需要使用scatterplot3d包中的scaterplot3d()函数：

scatterplot3d(x,y,z)

x:水平轴，y:竖直轴，z透视轴。

举例：观察mpg,wt,disp三者的关系：

library(scatterplot3d)
with(mtcars,scatterplot3d(wt,disp,mpg,
              main = "Basic 3D scatter plot"))

r语言中用excel数据绘图 r语言表格绘图_开发语言_09

scatterplot3d() 函数的设置包括：

color：用于指定数据点的颜色。

pch：用于指定数据点的形状。可以是一个整数或字符向量，对应于不同的形状选项。例如，pch = 16 表示实心圆点，pch = 3 表示倒三角形。

main：用于设置图表的标题。

xlab、ylab、zlab：用于设置 x、y、z 轴的标签。

xlim、ylim、zlim：用于设置 x、y、z 轴的显示范围。

theta、phi：用于设置视角的旋转。theta 控制水平旋转角度，phi 控制垂直旋转角度。

box：用于控制是否显示坐标轴框线。设定为 FALSE 可以隐藏框线。

type:“p”：绘制散点图（默认选项），即绘制数据点。“l”：绘制连线，将数据点按照它们在数据向量中的顺序连接起来，形成线条。“n”：不绘制任何内容，只创建一个空的 3D 坐标系。“h”绘制垂直于底部平面的线段。

11.1.3.1 设置一些scatterplot3d()的参数

library(scatterplot3d)
with(mtcars,scatterplot3d(wt,disp,mpg,
                          pch = 16,
                          type = "h",
              main = "Basic 3D scatter plot"))

r语言中用excel数据绘图 r语言表格绘图_ci_10

11.1.3.2 添加回归平面

library(scatterplot3d)
s3d <- with(mtcars,scatterplot3d(wt,disp,mpg,
                          pch = 16,
                          type = "h",
              main = "Basic 3D scatter plot"))
fit <- lm(mpg~wt+disp,mtcars)
s3d$plane3d(fit)#xxx$plane3d() 函数用于在三维散点图上添加一个平面，fit为一个回归分析，因此是建立回归平面

r语言中用excel数据绘图 r语言表格绘图_ci_11

回归面表示预测值，点为实际值，平面值到点的距离为残差值。若点在平面上，则表示预测值被低估；反之则高估。

11.1.4 旋转三维散点图

11.1.4.1 rgl包中的plot3d()函数

语法：

library(rgl)
plot3d(x,y,z)

参数包括：

1.type: 可选参数，指定绘图类型。常见的类型有：

“s”: 绘制散点图（默认值）。

“l”: 绘制线条。

“h”: 绘制线段，垂直于底部平面。

“n”: 不绘制任何内容，只创建一个空的 3D 坐标系。

2.col

3.size

举例：

library(rgl)
with(mtcars,plot3d(wt,disp,mpg,col="red",size=5))#注意这里用col而非color指定颜色

由于这个是交互式的，这里不展示，在rstudio中进行展示。

11.1.4.2 car包中的scatter3d()函数

与plot3d()相比，scatter3d()包含各种回归曲面，eg线性，二次，平滑和加性等类型的回归曲面。

语法：

library(car)
scatter3d(x,y,z)

举例：

library(car)
library(carData)
library(mgcv)
library(MASS)
library(nlme)
with(mtcars,scatter3d(wt,disp,mpg,color="red",size=5))

同样，这里不做展示，需要展示的去Rstudio中演示。

11.1.5 气泡图

先建立一个二维散点图，用点的大小代表第3个变量的值，即气泡图。

语法：

ggplot(data,
       aes(x=,y=,size=,fill=factor()))+
  geom_point(alpha=,
             color=,
             shape=)+
  labs()

size= 即是圆圈大小代表的变量，

fill=factor()按这个进行分组填充，

shape可以设置为数字值，0-25之间，也可以设置为字符型：“circle”(实心圆形)，“square”(实心正方形)，“triangle”(实心三角形)等。

举例：

ggplot(mtcars,
       aes(x=wt,y=mpg,size=disp,fill=factor(cyl)))+
  geom_point(alpha=0.6,
             shape="circle",
             aes(color=factor(cyl)))+
  labs(fill="Cylinders",color="Cylinders")+
  theme_minimal()

r语言中用excel数据绘图 r语言表格绘图_r语言_12

ggplot(mtcars,
       aes(x=wt,y=mpg,size=disp,color=factor(cyl)))+
  geom_point(alpha=0.6,
             shape="circle")+
  labs(fill="Cylinders",color="Cylinders")+
  theme_minimal()

r语言中用excel数据绘图 r语言表格绘图_开发语言_13

两种效果是一样的！

一般来说，统计人员会倾向避免使用气泡图，因为相对于长度，体积或者面积更困难。

11.2 折线图

11.2.1 语法

将散点图上的点连起来即折线图。即在原有基础上加geom_line(),可设置的参数有：

size:线条粗细；

color:线条颜色；

linetype:线型（1实线，2虚线）,另外，“solid”：实线（默认值）。“dashed”：虚线。“dotted”：点线。“dotdash”：点划线。“longdash”：长虚线。“twodash”：双划线。

11.2.2 散点图和折线图

用Orange数据集为例，包含5棵树的树龄和年轮数据。现要考察第一颗橘树的生长情况。

library(ggplot2)
tree1 <- subset(Orange,Tree==1)
tree1
## Grouped Data: circumference ~ age | Tree
##   Tree  age circumference
## 1    1  118            30
## 2    1  484            58
## 3    1  664            87
## 4    1 1004           115
## 5    1 1231           120
## 6    1 1372           142
## 7    1 1582           145
ggplot(tree1,aes(x=age,y=circumference))+
  geom_point(size=1)+
  geom_line()+
  theme_bw()

r语言中用excel数据绘图 r语言表格绘图_r语言_14

用Orange数据集为例，包含5棵树的树龄和年轮数据。现要考察5颗橘树的生长情况。

library(ggplot2)
Orange
## Grouped Data: circumference ~ age | Tree
##    Tree  age circumference
## 1     1  118            30
## 2     1  484            58
## 3     1  664            87
## 4     1 1004           115
## 5     1 1231           120
## 6     1 1372           142
## 7     1 1582           145
## 8     2  118            33
## 9     2  484            69
## 10    2  664           111
## 11    2 1004           156
## 12    2 1231           172
## 13    2 1372           203
## 14    2 1582           203
## 15    3  118            30
## 16    3  484            51
## 17    3  664            75
## 18    3 1004           108
## 19    3 1231           115
## 20    3 1372           139
## 21    3 1582           140
## 22    4  118            32
## 23    4  484            62
## 24    4  664           112
## 25    4 1004           167
## 26    4 1231           179
## 27    4 1372           209
## 28    4 1582           214
## 29    5  118            30
## 30    5  484            49
## 31    5  664            81
## 32    5 1004           125
## 33    5 1231           142
## 34    5 1372           174
## 35    5 1582           177
ggplot(Orange,aes(x=age,y=circumference,linetype=Tree,color=Tree))+
  scale_color_brewer(palette = "Set1")+#用于选择调色板
  geom_point(size=1)+
  geom_line()+
  theme_bw()

r语言中用excel数据绘图 r语言表格绘图_r语言中用excel数据绘图_15

11.3 相关图

11.3.1 corrgram()函数

来自corrgram()包（需要安装）

语法：

library(corrgram)
corrgram(x,order = ,panel = ,text.panel = ,diag.panel = )

x:是一行一个观测值的数据框

order=TRUE：相关矩阵将使用主成分分析法对变量重排序，这将使得二元变量的关系模式更为明显

panel:可以用lower.panel= 和upper.panel=分别设置主对角线下方和上方的元素类型

text.panel和diag.panel:控制主对角线元素类型。

可用的panel值见下表，其中非对角线的部分主要应用于lower.panel和upper.panel；主对角线部分主要应用于text.panel和diag.panel：

位置

面版选项

描述

非对角线

panel.pie

用饼图的填充比例来表示相关性大小

panel.shade

用阴影的深度来表示相关性大小

panel.ellipse

画一个置信椭圆和平滑曲线

panel.pts

画一个散点图

panel.conf

画出相关性并包含置信区间

panel.cor

画出相关性，不包含置信区间

主对角线

panel.txt

输出变量名

panel.minmax

输出变量的最大最小值和变量名

panel.density

输出核密度曲线和变量名

11.3.2 举例

数据集mtcars中变量相关性,共11个变量：

cor <- cor(mtcars,method = "pearson")
cor
##             mpg        cyl       disp         hp        drat         wt
## mpg   1.0000000 -0.8521620 -0.8475514 -0.7761684  0.68117191 -0.8676594
## cyl  -0.8521620  1.0000000  0.9020329  0.8324475 -0.69993811  0.7824958
## disp -0.8475514  0.9020329  1.0000000  0.7909486 -0.71021393  0.8879799
## hp   -0.7761684  0.8324475  0.7909486  1.0000000 -0.44875912  0.6587479
## drat  0.6811719 -0.6999381 -0.7102139 -0.4487591  1.00000000 -0.7124406
## wt   -0.8676594  0.7824958  0.8879799  0.6587479 -0.71244065  1.0000000
## qsec  0.4186840 -0.5912421 -0.4336979 -0.7082234  0.09120476 -0.1747159
## vs    0.6640389 -0.8108118 -0.7104159 -0.7230967  0.44027846 -0.5549157
## am    0.5998324 -0.5226070 -0.5912270 -0.2432043  0.71271113 -0.6924953
## gear  0.4802848 -0.4926866 -0.5555692 -0.1257043  0.69961013 -0.5832870
## carb -0.5509251  0.5269883  0.3949769  0.7498125 -0.09078980  0.4276059
##             qsec         vs          am       gear        carb
## mpg   0.41868403  0.6640389  0.59983243  0.4802848 -0.55092507
## cyl  -0.59124207 -0.8108118 -0.52260705 -0.4926866  0.52698829
## disp -0.43369788 -0.7104159 -0.59122704 -0.5555692  0.39497686
## hp   -0.70822339 -0.7230967 -0.24320426 -0.1257043  0.74981247
## drat  0.09120476  0.4402785  0.71271113  0.6996101 -0.09078980
## wt   -0.17471588 -0.5549157 -0.69249526 -0.5832870  0.42760594
## qsec  1.00000000  0.7445354 -0.22986086 -0.2126822 -0.65624923
## vs    0.74453544  1.0000000  0.16834512  0.2060233 -0.56960714
## am   -0.22986086  0.1683451  1.00000000  0.7940588  0.05753435
## gear -0.21268223  0.2060233  0.79405876  1.0000000  0.27407284
## carb -0.65624923 -0.5696071  0.05753435  0.2740728  1.00000000
library(corrgram)
## Warning: 程辑包'corrgram'是用R版本4.3.2 来建造的
corrgram(cor,order =TRUE ,lower.panel = panel.shade,upper.panel=panel.cor,text.panel =panel.txt ,diag.panel = panel.minmax)
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

r语言中用excel数据绘图 r语言表格绘图_r语言_16

11.3.3 可以用colorRampPallette()函数指定颜色

1.先用colorRampPallette()指定颜色

2.用col.regions选项引用前者的输出结果

library(corrgram)
cols <- colorRampPalette(c("darkgoldenrod4","burlywood1","darkkhaki","darkgreen"))
corrgram(cor,order =TRUE ,col.regions=cols,
         lower.panel=panel.shade,
         upper.panel=panel.cor,
         text.panel =panel.txt ,
         diag.panel = panel.minmax)
## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

## Warning in par(usr): argument 1 does not name a graphical parameter

r语言中用excel数据绘图 r语言表格绘图_开发语言_17

11.4 马赛克图（vcd包中的mosaic()函数）

马赛克图是一种用于可视化两个或多个分类变量之间关系的图形。它的特点是图形中的矩形区域的面积与数据频数成比例。通过颜色、阴影或边框等方式，可以进一步表示不同类别的条件概率或关联程度。

语法：

#用法1:
mosaic(table)#table为数组形式的列联表
#用法2
mosaic(formula, data, shade = TRUE, legend = TRUE)#shade = TRUE, legend = TRUE为可选项

#用法1: mosaic(table)#table为数组形式的列联表 #用法2 mosaic(formula, data, shade = TRUE, legend = TRUE)#shade = TRUE, legend = TRUE为可选项

formula：一个公式，用于指定变量之间的关系。

data：数据框，包含相关变量。

shade = TRUE：该参数指定是否对马赛克图的矩形区域进行填充。当shade = TRUE时，每个矩形区域将使用不同的颜色进行填充，以区分不同的类别。

legend = TRUE：该参数指定是否显示图例。当legend = TRUE时，会在马赛克图的边缘添加一个图例，用于解释不同的类别或颜色所代表的含义。图例通常包括颜色示例和对应的标签。

举例：

以Titanic数据集为例，包含存活或死亡的乘客数、乘客的船舱等级、性别以及年龄层（儿童或成人）。

library(vcd)
library(grid)
Titanic
## , , Age = Child, Survived = No
## 
##       Sex
## Class  Male Female
##   1st     0      0
##   2nd     0      0
##   3rd    35     17
##   Crew    0      0
## 
## , , Age = Adult, Survived = No
## 
##       Sex
## Class  Male Female
##   1st   118      4
##   2nd   154     13
##   3rd   387     89
##   Crew  670      3
## 
## , , Age = Child, Survived = Yes
## 
##       Sex
## Class  Male Female
##   1st     5      1
##   2nd    11     13
##   3rd    13     14
##   Crew    0      0
## 
## , , Age = Adult, Survived = Yes
## 
##       Sex
## Class  Male Female
##   1st    57    140
##   2nd    14     80
##   3rd    75     76
##   Crew  192     20
mosaic(~Class+Sex+Age+Survived,data = Titanic,shade=TRUE,legend=TRUE)

r语言中用excel数据绘图 r语言表格绘图_3d_18

11.5 补充s3d$plane3d() 函数

其中s3d指三维散点图，s3d$plane3d()则是在s3d的三维散点图中绘制平面。配合fit使用则生成回归平面。

11.6 补充scale_color_brewer(palette = )和调色板

scale_color_brewer(palette = )是用于设置调色板

调色板可用 RColorBrewer 包提供的函数 display.brewer.all() 来查看

library(RColorBrewer)
display.brewer.all()

r语言中用excel数据绘图 r语言表格绘图_ci_19

11.7 补充colors()函数

该函数可以返回所有657种颜色的名称

完整教程请查看

R语言基础学习手册