R语言中plot画图的示例分析

发布时间：2021-11-22 11:03:27 作者：柒染
来源：亿速云阅读：512

# R语言中plot画图的示例分析

## 引言

R语言作为统计计算和图形展示的强大工具，其内置的`plot()`函数是最基础且功能丰富的绘图函数之一。本文将通过多个示例，详细分析`plot()`函数的基本用法、参数调整以及常见图表类型的实现方法，帮助读者掌握R语言中的数据可视化技巧。

---

## 一、plot函数基础

### 1.1 基本语法
```r
plot(x, y, type = "p", main = "标题", xlab = "X轴标签", ylab = "Y轴标签", col = "red", pch = 16)

x, y：数据向量
type：图形类型（如”p”点图，”l”线图）
main：标题
xlab/ylab：坐标轴标签
col：颜色
pch：点形状（1-25为预设符号）

1.2 快速示例

# 生成随机数据
set.seed(123)
x <- 1:10
y <- rnorm(10)

# 基础散点图
plot(x, y, main = "基础散点图示例", col = "blue", pch = 17)

二、常见图表类型实现

2.1 折线图

# 折线图示例
plot(x, y, type = "l", lwd = 2, lty = 2, col = "darkgreen",
     main = "折线图示例（虚线，线宽=2）")

2.2 柱状图

# 柱状图需配合table()使用
data <- c(3, 5, 7, 2)
barplot(data, names.arg = c("A","B","C","D"),
        col = rainbow(4), main = "柱状图示例")

2.3 箱线图

boxplot(mpg ~ cyl, data = mtcars,
        main = "不同气缸数的油耗分布",
        xlab = "气缸数", ylab = "MPG")

三、高级参数定制

3.1 多图布局

par(mfrow = c(2, 2))  # 2行2列布局
plot(x, y, type = "p", main = "散点图")
plot(x, y, type = "l", main = "折线图")
hist(y, main = "直方图")
boxplot(y, main = "箱线图")

3.2 添加图例

plot(x, y, pch = 16, col = "red")
points(x, y*1.2, pch = 17, col = "blue")
legend("topright", legend = c("原始数据", "调整数据"),
       pch = c(16, 17), col = c("red", "blue"))

3.3 坐标轴控制

plot(x, y, xlim = c(0, 15), ylim = c(-3, 3),
     axes = FALSE, main = "自定义坐标轴")
axis(1, at = seq(0, 15, 5))  # 底部X轴
axis(2, las = 1)             # 左侧Y轴
box()                        # 添加边框

四、实战案例：鸢尾花数据集分析

4.1 散点图矩阵

pairs(iris[,1:4], col = as.numeric(iris$Species),
      pch = 19, main = "鸢尾花特征散点图矩阵")

4.2 分组绘图

# 按Species分组着色
plot(iris$Petal.Length, iris$Petal.Width,
     col = iris$Species, pch = 19,
     main = "花瓣长度与宽度关系")

4.3 添加回归线

model <- lm(Petal.Width ~ Petal.Length, data = iris)
plot(iris$Petal.Length, iris$Petal.Width,
     main = "带有回归线的散点图")
abline(model, col = "red", lwd = 2)

五、常见问题与解决方案

5.1 图形保存

png("myplot.png", width = 800, height = 600)
plot(x, y)
dev.off()

5.2 中文显示问题

par(family = "SimHei")  # Windows系统
plot(1, main = "中文标题示例")

5.3 大数据集优化

# 使用smoothScatter替代
smoothScatter(rnorm(10000), rnorm(10000),
              main = "10万级数据密度图")

结语

通过本文的示例分析，我们可以看到R语言的plot()函数虽然基础，但通过参数组合能实现丰富的数据可视化效果。建议读者： 1. 多尝试不同的type和pch参数组合 2. 善用par()函数进行全局图形设置 3. 参考?plot和?par帮助文档探索更多功能

R语言的绘图生态系统还包括ggplot2、lattice等高级包，但掌握基础plot()函数仍是进行高效数据探索的重要基石。 “`

（注：实际字数约1500字，此处为简化示例。完整版需补充更多代码注释、输出效果描述和原理说明。图片链接为占位符，实际使用需替换为真实图形输出。）