原文链接：https://wklchris.github.io/R-plotting-basic.html
R 的绘图功能一直为业内所津津乐道。用了 Python 的 matplolibt 和 R 的 ggplot2 后，我再也不想用 MATLAB 画图了。
我现在这里先给出本博文用到的包：
library(Hmisc)
Loading required package: lattice
Loading required package: survival
Loading required package: Formula
Loading required package: ggplot2
Attaching package: 'Hmisc'
The following objects are masked from 'package:base':
format.pval, round.POSIXt, trunc.POSIXt, units
library(vioplot)
Loading required package: sm
Package 'sm', version 2.2-5.4: type help(sm) for summary information
基础命令
使用 dev.new() 命令新建一个图片视图，这样你可以输出多个图片到屏幕，而不是让之后输出的覆盖之前的图形。关于 dev.next(), dev.prev(), dev.set() 及 dev.off() 等内容，参考 help(dev.cur).
plot() 绘图类型
基本的绘图类型有以下几种，使用 type= 参数指定：
p：仅数据点，默认值。
l：仅线段
b：线段与点
c：仅线段，但点的位置留出空白
o：线段与点，但线段会延伸到点内部
h：直方图风格，即带竖直密度线
s：阶梯图
S：其他特殊情况
n；不绘制图形。用于指定标题、坐标轴名称的情况
输出到文件
将画图的内容输出到文件，可以指定路径，不指定就输出到当前工作目录。例如输出 pdf：
pdf('plot.pdf')
plot(c(1, 2, 3), c(3, 4, 2))
dev.off()
除了 pdf() 外，其他可用的输出格式对应函数：
wmf：win.metafile()，仅在 Windows 系统下使用
png: png()
jpeg: jpeg()
bmp: bmp()
tiff: tiff()
ps: postscript()
例子。详细的参数在下文讨论。
x <- 1:4y <- c(2, 4, 3, 1)plot(x, y, type='b')
绘图参数：par()
函数 par() 用来获取当前图形的参数。如果加入 no.readonly=TRUE, 表示该参数列表是非只读的，即用户可以进行修改。例如对于上图，我们获取其参数，进行更改后再传到新的图中（pch 参数可能有些费解，我们在下文讨论）：
# 方法一：类交互式的更改方法opar <- par(no.readonly=T)par(pch=17) # 更改点样式plot(x, y, type='b')par(opar)# 方法二：部分绘图参数支持直接传入参数# plot(x, y, type='b', pch=17)
点样式、线宽与线型
参数可选值
pch 点样式0空方块，1空圆，2空三角，3加号，4乘号，5斜空方块，6空倒三角，7叉方块，8星号，9斜叉方块，10圈加号，11六芒星，12田，13圈乘号，14加框尖角，15方块，16圆点，17三角，18斜方块，19带边线圆点，20带边线2/3圆点，21填充圆，22填充方块，23填充斜方块，24填充三角，25填充倒三角。
cex 点大小数字，例如 0.5。
lty 线型1实线，2短虚线，3点线，4点划线，5长虚线，6长短划线。
lwd 线宽数字。
注: pch = 19 相比 pch = 16，主要体现在 lwd 与 cex 不同时，带边线圆点的尺寸较大。
颜色
调整颜色的参数有：
col: 绘图颜色。
col.axis：坐标轴刻度颜色。
col.lab：坐标轴名称颜色。
col.main：图形标题颜色。
col.sub：副标题颜色。
fg：图形前景色。
bf：图形背景色。
指定颜色的方式有如下几种：
数字下标：col=1
名称：col=”white”
十六进制值：col=”#FFFFFF”
标准化RGB/HSV值：col=rgb(0,1,1)/hsv(0,0,1)
至于 R 支持的颜色名称，多达 600 余种，这里给出一些我认为常见的：
OutputColors <- function(color.names, titleStr='', showText=F) {
plot(1,1, axes=F, xlim=c(0, 6), ylim=c(0, 6), main=titleStr, xlab='', ylab='')
for (i in c(1:5)) {
for (j in c(1:5)) {
par(new=T)
plot(i, 6-j, cex=3, xlim=c(0, 6), ylim=c(0, 6), axes=F,
main='', xlab='', ylab='', pch=19,
col=color.names[(i-1)*5+j])
if (showText) {
text(i, 6-j-0.1, pos=1, color.names[(i-1)*5+j])
}
}
}}colorLst <- c('white', 'red', 'green', 'blue', 'brown',
'cyan', 'gold', 'gray', 'plum', 'magenta',
'orange', 'purple', 'yellow', 'black', 'violet',
'darkblue', 'darkgreen', 'darkred', 'darkgray', 'dimgray',
'lightblue', 'lightgreen', 'lightgray', 'orchid', 'pink')OutputColors(colorLst, '25 Useful Colors', T)
R 中还有其他方式可以生成一系列的颜色，比如：
par(mfrow=c(2 ,3))OutputColors(rainbow(25), 'Rainbow')OutputColors(heat.colors(25), 'HeatMap')OutputColors(terrain.colors(25), 'TerrainMap')OutputColors(topo.colors(25), 'Topo')OutputColors(cm.colors(25), 'CM')# 灰度：需要标准化OutputColors(gray(1/25*c(0:25)), 'Gray')
标签和标题文本
从上文可以看出端倪，标签与标题参数有：
标题/副标题：title/sub
坐标轴标题：xlab/ylab
在标题中使用上文介绍的参数：
title(main='My Title', col.main='red',
sub='My Subtitle', col.sub='blue',
xlab='My X label', ylab='My Y label',
col.lab='green', cex.lab=0.75)
要定义它们的字体，可添加的参数有：
参数含义
cex基础缩放倍数
cex.axis坐标轴刻度的缩放倍数
cex.lab坐标轴标题的缩放倍数
cex.main图形标题的缩放倍数
cex.sub图形副标题的缩放倍数
font字体样式。1常规，2加粗，3加斜，4加粗加斜，5符号字体
font.axis坐标轴刻度的字体样式
font.lab/ main/ sub类推
ps字体磅值。文字的最终大小为 cex * ps
family字族。例如 serif衬线, sans无衬线, mono等宽
字族的使用需要注意：Windows 中，等宽映射为 Courier New，衬线 Times New Roman，无衬线 Arial。你可以使用 windowsFonts() 函数来更改或者创建映射，例如我个人常用的 DejaVu 等宽字体：
windowsFonts(
M=windowsFont('DejaVu Sans Mono'))plot(1, 1, type='n')# 字体示例text(1, 1.05, paste('DejaVu Sans Mono\n',
'0123456789!@#$%^&*()[]{}:;,.<>'/?`~',
'abcdefghijklmnopqrstuvwxyz',
'ABCDEFGHIJKLMNOPQRSTUVWXYZ',
sep='\n'), pos=1, family='M')
如果你需要将图片输出到 pdf，这个参数也是可以使用的：
pdf(file='filename.pdf', family='M')
图形尺寸与边距
参数 pin 用于指定图形尺寸（英寸），例如 pin=c(4, 3) 表示 4 英寸宽 3 英寸高。
用 mai()/mar() 依次指定下左上右四个方向的边距，单位分别是英寸与英分。默认是 mar(c(5, 4, 4, 2)) + 0.1
自定义其他元素
坐标轴
函数 side() 用于自定义坐标轴：
axis(side, at=, labels=, pos=, lty=, col=, las=, tck=, ...)
side: 指定在哪绘制坐标轴：1下2左3上4右
at：刻度线位置
labels：刻度线旁的标签，缺省时使用 at 中的值
pos：坐标轴与另一坐标轴相交位置的值
lty/col：线型/线与刻度的颜色
las：标签平行于（=0）或垂直于（=2）坐标轴
tck：刻度线。负值表示在图形外侧，0表示禁用刻度，1表示全长（即网格线）；默认 -0.01
网格线：abline() 与次要刻度
如果想使用次要刻度，请安装 Hmisc 包。次要刻度的长度将会是主刻度的 tick.ratio 倍。
网格线使用 abline() 命令，并分别用 h/v 指定网格线是竖直还是水平。
# 需要加载：library(Hmisc)plot(1:3, 1:3, type='b', xlim=c(0, 4), ylim=c(0, 4))minor.tick(nx=2, ny=4, tick.ratio=0.5)abline(v=seq(0, 4, 0.5), h=seq(0, 4, 0.25), lty=2, col='darkred')
图例
命令 legend() 用于添加图例。
legend(location, legend, [title=, ...])
参数含义：
location：指定图例左上角的坐标，或者使用以下关键字：
关键字：left/right, bottom/top, bottomleft/right, topleft/right, center
如果使用了以上关键字，可以使用 inset= 参数指定向图形内移动的比例（分数形式）
legend：标签组成的字符型向量。
title：图例标题的字符串
其他参数：
col/pch/lwd/lty：图例线条颜色/点样式/线宽/线型
bty/fill：盒型样式/颜色填充（用于条形图、箱形图或饼图）
bg：背景色
text.col：文本颜色
horiz：TRUE 会将图例水平放置
例子参见“直方图”一节的最后一例。
标注
文字标注
主要有两个函数：text() 与 mtext()。前者向绘图区添加标注，后者向图形的边界添加标注。
text(location, 'string', pos, ...)
mtext('string', side, line=n, ...)
可以参考“标签和标题文本”一节的例子。其中：
pos：使用1下2左3上4右的对应关系，比如“颜色”一节中就使用了 pos=1 的参数。
如果指定了 pos，那么也可以指定 offset= 作为偏移量比值（相对单个字符宽）
side：指定放置文本的图片边界，同样是1下2左3上4右。
你可以使用 line= 来移动文本（正值向外，负值向内）；
还可以通过 adj=0/1 指定文本向左下/右上对齐。
数学标注
类似 LaTeX 的标注方式，不过实质上仍有一些区别：
代码效果代码效果代码效果
x%+-%yx±yx%/%yx÷yx%*%yx×y
x%.%yx⋅yx[i]xix^2x2
x%prop%yx∝ysqrt(x, y)y√xx!=yx≠y
x%~~%yx≈yx%=~%yx≅yx%==%yx≡y
部分字体相关的命令：
plain(x)：正体
italic(x)：意大利字族（加斜）
bold(x)：加粗
bolditalic(x)：加斜加粗
underline(x)：下划线
叠加绘图
叠加绘图最简单的方法，就是使用绘图的 new=TRUE：
plot( ... )plot( ... , new=TRUE) # 记得用 axes=FALSE 将坐标轴、标签、标题隐藏掉
如果想要添加额外的点、线，使用 points() 命令与 lines() 命令。以及上面提到的参考线 abline() 命令：
plot(1:3, c(1,3,2), type='b', pch=2)points(1:3, seq(1.5, 2.5, 0.5), col='blue', pch=16)lines(1:3, seq(1.5, 2.5, 0.5), col='red')abline(v=1.5, h=2.25, lty=2,col='purple')子图
函数 layout()
函数 layout() 是一个强大的命令。例如：
layout(matrix(c(1,1,2,3), 2, 2, byrow = TRUE))
就指定了图 1 占用第一行，图 2 和 3 共用第二行。也可以用 widths=/heights= 参数指定各列宽/各行高之间的比例：
tmp <- c(rep('Cat', 3), rep('Dog', 4), rep('Rabbit', 2))dt <- table(tmp)layout(matrix(c(1, 1, 2, 3), 2, 2, byrow = TRUE),
widths=c(3, 1), heights=c(1, 2))barplot(dt)barplot(dt)barplot(dt)函数 par() 的 mfrow 参数
前文介绍过的 par() 中的 mfrow= 参数也是一个控制子图的方式。下例是两行两列的子图：
opar <- par(no.readonly=TRUE)
par(mfrow=c(2,2))
plot(...) # 图 1，左上
plot(...) # 图 2，右上
plot(...) # 图 3，左下
plot(...) # 图 4，右下
par(opar)
函数 par() 的 fig 参数
这种方式支持你以任何的位置、组合任意的图形。它比规整的 layout() 更加灵活。以下不使用 0.8 而使用 0.65 是为了看上去更紧凑。
opar <- par(no.readonly=TRUE)par(fig=c(0, 0.8, 0, 0.8)) # 主图：横向范围与纵向范围（左下为原点）barplot(dt)par(fig=c(0, 0.8, 0.65, 1), new=TRUE) # 上方的图。注意 new 参数barplot(dt, axes=F)par(fig=c(0.65, 1, 0, 0.8), new=TRUE) # 右侧的图barplot(dt, axes=F, names.arg='')统计图
条形图：barplot()
直接上例子。
tmp <- c(rep('Cat', 3), rep('Dog', 4), rep('Rabbit', 2))dt <- table(tmp)barplot(dt, main='Title of Barplot', xlab='Pets', ylab='Number',
col='green', border='blue', density=c(5, 15, 25),
names.arg=paste('Pet', 1:3, sep=' '))
饼图：pie()
并不推荐的统计图类型，因此 R 中的功能也很有限。
pie(x, labels=, ...)dt <- 1:4lbl <- c('A', 'B', 'C', 'D')pie(dt, labels=paste(lbl, ' ', round(dt/sum(dt)*100), '%', sep=''),
col=topo.colors(length(lbl)), main='Pie Chart with Percentage')
直方图：hist() 及核密度曲线
直方图表示的是一维的数据（连续型）特征，纵轴是其在对应横轴区间内的频数或者频率。
hist(x, freq=TRUE, breaks=, ...)
其中 freq 参数默认指定纵轴为频数而不是频率，break 用于指定横轴上分组的个数。
set.seed(123)dt <- rnorm(100, mean=0, sd=1)par(mfrow=c(1,2))# 左图：频率直方图，以及轴须图hist(dt, freq=F, breaks=10, col='cyan', main='Hist fig 1')rug(jitter(dt)) # 如果有许多相同值，参数 amount=0.01 可将其随机化lines(density(dt), col='purple', lwd=2)# 右图：频数直方图，以及正态密度曲线h.plot <- hist(dt, breaks=10, col='lightgreen', main='Hist fig 2')xfit <- seq(min(dt), max(dt), length.out=40)yfit <- dnorm(xfit, mean=mean(dt), sd=sd(dt))yfit <- yfit*diff(h.plot$mids[1:2])*length(dt)lines(xfit, yfit, col='blue', lwd=2)box()
轴须图是一种一维的数据呈现，而上面的左图中的密度曲线是一种核密度估计。要比较核密度图，参考 sm 包的 sm.density.compare() 函数。如果只是要绘制，使用 density() 函数辅助即可：
plot(density(dt), main='Kernel Denisty')polygon(density(dt), col='lightgreen', border='blue', lwd=2) # 绘制多边形的函数# 叠加正态曲线xfit <- seq(min(dt), max(dt), length.out=40)yfit <- dnorm(xfit, mean=mean(dt), sd=sd(dt))lines(xfit, yfit, col='red', lwd=2)legend('topright', lty=c(1,1), col=c('blue', 'red'),
legend=c('Kernel Density', 'Normality Curve'))箱形图：boxplot() 及小提琴图
或者叫箱线图、盒须图。它描述了连续变量的五个特征参数：
fig <- boxplot(dt, main='Box Plot')paras <- c('Min', '25 percentile', 'Mean', '75 percentile', 'Max')text(1.25, fig$stats, paras, pos=4)text(0.9, fig$out, 'Abnormal Points', pos=2)
如果是 dataframe 数据集中的类别型变量 A ，使用如下语句生成并列箱形图：
boxplot(y~A, data=dataframe)
如果将公式改写成 y~A*B，那么会将类别型变量 A 和 B 的各水平两两组合，再生成箱形图。
其他参数：
varwidth=F/T：为 TRUE 时，箱形图的宽度与样本数的算术平方根成正比。
horizontal=F/T：为 TRUE 时，箱形图被横置。
notch=F/T：为 TRUE 时，箱形图在绘制时会显示“凹槽”。
df <- data.frame(x=dt, type=NA)df <- df[order(df$x),]df$type <- c(rep('Smaller', 50), rep('Larger',50))boxplot(x ~ type, data=df, col='darkgray', main='Boxplot')
最后再提一下箱形图与核密度图的一个结合体：小提琴图（violin plot）。这种图的绘制需要 vioplot 包。
在小提琴图中，核密度曲线被竖直放置，并对称地显示于数据轴的两侧：
# 需要加载：library(vioplot)vioplot(df$x[df$type == 'Larger'], df$x[df$type == 'Smaller'],
names=c('L', 'S'), col='gold')点图
用于在水平刻度上绘制大量标签。本例选自参考书目同名章节。各参数：
groups：选定一个因子，作为分组依据。
gcolor：各组标签的颜色。
# mtcars 是 R 预装的数据集，其 cyl 变量有三个水平x <- mtcars[order(mtcars$mpg),]x$cyl <- factor(x$cyl)x$color[x$cyl==4] <- 'red'x$color[x$cyl==6] <- 'blue'x$color[x$cyl==8] <- 'darkgreen'dotchart(x$mpg,
labels = row.names(x),
cex=.7,
groups = x$cyl,
gcolor = 'black',
color = x$color,
pch=19,
main = 'Gas Mileage for Car Models\ngrouped by cylinder',
xlab = 'Miles Per Gallon')
