R语言实验四.docx
《R语言实验四.docx》由会员分享，可在线阅读，更多相关《R语言实验四.docx（60页珍藏版）》请在冰豆网上搜索。
R语言实验四
实验四绘制常用统计图形、对图形进行参数设置
【实验类型】验证性
【实验学时】2学时
【实验目的】
1、掌握基本统计图形的绘制方法和所表达的意义；
2、掌握图形参数的设置与多图环境设置；
3、了解ggplot2绘图包和其它绘图包的使用方法。
【实验内容】
1、绘制基本的统计图形，包括散点图、箱线图、Q-Q图和协同图等；
2、对图形进行参数设置，包括添加图题、标签、点、线和颜色等；
3、使用gglplot2和其它绘图包绘制常见统计图形。
【实验方法或步骤】
第一部分、课件例题：
4.1
data（cars）#调取数据集，用data（）可查看R所有数据集
cars#车速与制动距离的数据（R自带）
attach（cars）#连接数据集
par（mai=c（0.9,0.9,0.6,0.3））#图形边缘空白（边距）的宽度
for（iinc（"p","l","b","c","o","h","s","S","n"））#9种类型
{plot（speed,dist,type=i,
main=paste（"type=\"",i,"\"",sep=""））}#\"为双引号
detach（）#取消连接数据集
4.2
dfpairs（df）#多组图
pairs（~Age+Height+Weight,data=df）#与上述结果相
4.3
coplot（Weight~Height|Age,data=df）#年龄条件下的协同图
4.4点图
VADeaths#Virginia州在1940年的人口死亡率数据（R自带）
me1<-apply（VADeaths,1,mean）#矩阵的行向量的均值
me2<-apply（VADeaths,2,mean）#矩阵的列向量的均值
dotchart（VADeaths,gdata=me2,gpch=19,#按类型分类
main="DeathRatesinVirginia-1940"）
dotchart（t（VADeaths）,gdata=me1,gpch=19,#按年龄分类
main="DeathRatesinVirginia-1940"）
4.5饼图
pie.sales<-c（39,200,42,15,67,276,27,66）;
names（pie.sales）<-c（"EUL","PES","EFA","EDD","ELDR","EPP","UNE","other"）#各候选人的得票结果
##figure1，默认色彩，逆时针
pie（pie.sales,radius=0.9,main="Ordinarychart"）
##figure2，彩虹色彩，顺时针
pie（pie.sales,radius=0.9,col=rainbow（8）,clockwise=TRUE,main="Rainbowcolours"）
##figure3，灰度色彩，顺时针
pie（pie.sales,radius=0.9,clockwise=TRUE,col=gray（seq（0.4,1.0,length=8））,main="Greycolours"）
##figure4，阴影色彩，逆时针
pie（pie.sales,radius=0.9,density=10,angle=15+15*1:
8,main="Thedensityofshadinglines"）
4.6条形图
pie.sales<-c（39,200,42,15,67,276,27,66）;
par（mai=c（0.9,0.9,0.3,0.3））#定义图像边距
##figure1,添加一条线
r##figure2,用text（）添加平均值
mp<-barplot（VADeaths）;tot<-colMeans（VADeaths）;text（mp,tot+3,format（tot）,xpd=TRUE,col="blue"）#
##figure3,添加条形的颜色
barplot（VADeaths,space=0.5,col=c（"lightblue","mistyrose","lightcyan","lavender","cornsilk"））
##figure4,条形平行排列
barplot（VADeaths,beside=TRUE,col=c（"lightblue","mistyrose","lightcyan","lavender","cornsilk"）,legend=rownames（VADeaths）,ylim=c（0,100））
4.7直方图
dfpar（mai=c（0.9,0.9,0.6,0.3））#图形边距
attach（df）#连接数据框
##figure1，增加直方图和外框的颜色，以及相应的频数
hist（Height,col="lightblue",border="red",labels=TRUE,
ylim=c（0,7.2））
##figure2，使用线条阴影并利用text（）标出频数，用lines（）绘出数据的密度曲线（蓝色）和正态分布密度曲线（红色）
r<-hist（Height,breaks=12,freq=FALSE,density=10,angle=15+30*1:
6）;
text（r$mids,0,r$counts,adj=c（.5,-.5）,cex=1.2）;
lines（density（Height）,col="blue",lwd=2）;
x<-seq（from=130,to=190,by=0.5）;
lines（x,dnorm（x,mean（Height）,sd（Height））,col="red",lwd=2）
detach（）#取消连接数据框
4.8箱线图
（1）
xfivenum（x）#上、下四分位数,中位数,最大和最小值
boxplot（x）#绘制箱线图
（2）
InsectSprays#数据框，其中count为昆虫数目，spray为杀虫剂的类型
boxplot（count~spray,data=InsectSprays,col="lightgray"）
#矩形箱线图
boxplot（count~spray,data=InsectSprays,notch=TRUE,col=2:
7,add=TRUE）
4.9QQ图
df<-data.frame（Age=c（13,13,14,12,12,15,11,15,14,14,14,15,12,13,12,16,12,11,15）,Height=c（144,166,163,143,152,169,130,159,160,175,161,170,146,159,150,183,165,146,169）,Weight=c（38.1,44.5,40.8,34.9,38.3,50.8,22.9,51.0,46.5,51.0,46.5,60.3,37.7,38.1,45.1,68.0,58.1,38.6,50.8））#数据框
par（mai=c（0.9,0.9,0.6,0.3））
attach（df）
qqnorm（Weight）#数据的正态Q-Q图
qqline（Weight）#在Q-Q图上增加一条理论直线y=σx+μ
qqnorm（Height）
qqline（Height）
detach（）
4.10三维透视图—persp
y<-x<-seq（-7.5,7.5,by=0.5）#定义域
f<-function（x,y）{r<-sqrt（x^2+y^2）+2^{-52}#加上一个很小的量2^{-52}是为了避免在下一行运算时分母为零
z<-sin（r）/r};z<-outer（x,y,f）#对f作外积运算形成网格
par（mai=c（0.0,0.2,0.0,0.1））#图像边距
persp（x,y,z,theta=30,phi=15,expand=.7,col="lightblue",xlab="X",ylab="Y",zlab="Z"）#绘制三维图
4.11等值线—contour
y<-x<-seq（-3,3,by=0.125）#定义域
f<-function（x,y）{z<-3*（1-x）^2*exp（-x^2-（y+1）^2）-10*（x/5-x^3-y^5）*exp（-x^2-y^2）-1/3*exp（-（x+1）^2-y^2）};
z<-outer（x,y,f）#对函数f作外积运算形成网格
par（mai=c（0.8,0.8,0.2,0.2））#图像边距
contour（x,y,z,levels=seq（-6.5,8,by=0.75）,xlab="X",ylab="Y",col="blue"）#绘制等值线
4.12添加点、线、文字或符号
data（iris）#调用数据
op<-par（mai=c（1,1,0.3,0.3）,cex=1.1）#定义图形参数
x<-iris$Petal.Length;y<-iris$Petal.Width
plot（x,y,type="n",xlab="PetalLength",ylab="PetalWidth",cex.lab=1.3）
Species<-c（"setosa","versicolor","virginica"）
pch<-c（24,22,25）#图中点的形状
for（iin1:
3）{index<-iris$Sp
升级会员 