R 语言绘制数据：图表篇

2022-07-15

6分钟阅读时长

R 语言有非常多的绘图和数据可视化的包，比如 graphics、lattice、ggplot2 等。这是 R 语言系列的第 9 篇文章，我们会介绍 R 中用来绘图的各种函数。

本文使用的 R 是 4.1.2 版本，运行环境为 Parabola GNU/Linux-libre (x86-64)。

$ R --version

R version 4.1.2 (2021-11-01) -- "Bird Hippie"
Copyright (C) 2021 The R Foundation for Statistical Computing
Platform: x86_64-pc-linux-gnu (64-bit)

R 是自由软件，没有任何担保责任。只要遵守 GNU 通用公共许可证的版本 2 或者版本 3，你就可以对它进行（修改和）再分发。详情见 https://www.gnu.org/licenses/。

折线图

我们以印度全境消费者物价指数（CPI – 乡村/城市）数据集为研究对象，它可以从 https://data.gov.in/catalog/all-india-consumer-price-index-ruralurban-0 下载。选择“截止到 2021 年 11 月” 的版本，用 read.csv 函数读取下载好的文件，如下所示：

> cpi <- read.csv(file="CPI.csv", sep=",")

> head(cpi)
Sector Year Name Andhra.Pradesh Arunachal.Pradesh Assam Bihar
1 Rural 2011 January 104 NA 104 NA
2 Urban 2011 January 103 NA 103 NA
3 Rural+Urban 2011 January 103 NA 104 NA
4 Rural 2011 February 107 NA 105 NA
5 Urban 2011 February 106 NA 106 NA
6 Rural+Urban 2011 February 105 NA 105 NA
Chattisgarh Delhi Goa Gujarat Haryana Himachal.Pradesh Jharkhand Karnataka
1 105 NA 103 104 104 104 105 104
2 104 NA 103 104 104 103 104 104
3 104 NA 103 104 104 103 105 104
4 107 NA 105 106 106 105 107 106
5 106 NA 105 107 107 105 107 108
6 105 NA 104 105 106 104 106 106
...

以 Punjab 州为例，对每年各月份的 CPI 值求和，然后用 plot 函数画一张折线图：

> punjab <- aggregate(x=cpi$Punjab, by=list(cpi$Year), FUN=sum)

> head(punjab)
Group.1 x
1 2011 3881.76
2 2012 4183.30
3 2013 4368.40
4 2014 4455.50
5 2015 4584.30
6 2016 4715.80

> plot(punjab$Group.1, punjab$x, type="l", main="Punjab Consumer Price Index upto November 2021", xlab="Year", ylab="Consumer Price Index")

plot 函数可以传入如下参数：

参数	描述
`x`	向量类型，用于绘制 x 轴的数据
`y`	向量或列表类型，用于绘制 y 轴的数据
`type`	设置绘图类型：`p` 画点；`l` 画线；`o` 同时画点和线，且相互重叠；`s` 画阶梯线；`h` 画铅垂线
`xlim`	x 轴范围
`ylim`	y 轴范围
`main`	标题
`sub`	副标题
`xlab`	x 轴标题
`ylab`	y 轴标题
`axes`	逻辑型，是否绘制坐标轴

结果如图 1。

Figure 1: Line chart

自相关图

自相关图能在时序分析中展示一个变量是否具有自相关性，可以用 R 中的 acf 函数绘制。acf 函数可以设置三种自相关类型：correlation、covariance 或 partial。图 2 是 Punjab 州 CPI 值的自相关图，x 表示 CPI。

acf(punjab$x,main='x')

Figure 2: ACF chart

acf 函数可以传入以下参数：

参数	描述
`x`	一个单变量或多变量的时序对象，或者一个数值向量或数值矩阵
`lag.max`	最大滞后阶数
`type`	字符型，设置所计算的自相关类型：`correlation`、`covariance` 或 `partial`
`plot`	逻辑性，若 `TRUE` 则绘制图像，若 `FALSE` 则打印传入数据的描述信息
`i`	一组要保留的时差滞后
`j`	一组要保留的名称或数字

柱状图

R 中画柱状图的函数是 barplot。下面的代码用来画 Punjab 州 CPI 的柱状图，如图3：

> barplot(punjab$x, main="Punjab Consumer Price Index", sub="Upto November 2021", xlab="Year", ylab="Consumer Price Index", col="navy")

Figure 3: Line chart of Punjab’s CPI

barplot 函数的使用方法非常灵活，可以传入以下参数：

参数	描述
`height`	数值向量或数值矩阵，包含用于绘图的数据
`width`	数值向量，用于设置柱宽
`space`	柱间距
`beside`	逻辑型，若 `FALSE` 则绘制堆积柱状图，若 `TRUE` 则绘制并列柱状图
`density`	数值型，设置阴影线的填充密度（条数/英寸），默认为 `NULL`，即不填充阴影线
`angle`	数值型，填充线条的角度，默认为 45
`border`	柱形边缘的颜色
`main`	标题
`sub`	副标题
`xlab`	x 轴标题
`ylab`	y 轴标题
`xlim`	x 轴范围
`ylim`	y 轴范围
`axes`	逻辑型，是否绘制坐标轴

用 help 命令可以查看 barplot 函数的详细信息：

> help(barplot)

barplot                package:graphics                R Documentation

Bar Plots

Description:

     Creates a bar plot with vertical or horizontal bars.

Usage:

     barplot(height, ...)

     ## Default S3 method:
     barplot(height, width = 1, space = NULL,
             names.arg = NULL, legend.text = NULL, beside = FALSE,
             horiz = FALSE, density = NULL, angle = 45,
             col = NULL, border = par("fg"),
             main = NULL, sub = NULL, xlab = NULL, ylab = NULL,
             xlim = NULL, ylim = NULL, xpd = TRUE, log = "",
             axes = TRUE, axisnames = TRUE,
             cex.axis = par("cex.axis"), cex.names = par("cex.axis"),
             inside = TRUE, plot = TRUE, axis.lty = 0, offset = 0,
             add = FALSE, ann = !add && par("ann"), args.legend = NULL, ...)

     ## S3 method for class 'formula'
     barplot(formula, data, subset, na.action,
             horiz = FALSE, xlab = NULL, ylab = NULL, ...)

饼图

绘制饼图时要多加注意，因为饼图不一定能展示出各扇形间的区别。（LCTT 译注：根据统计学家和一些心理学家的调查结果，这种以比例展示数据的统计图形实际上是很糟糕的可视化方式，因此，R 关于饼图的帮助文件中清楚地说明了并不推荐使用饼图，而是使用条形图或点图作为替代。）用 subset 函数获得 Gujarat 州在 2021 年 1 月 Rural、Urban、Rurual+Urban 的 CPI 值：

> jan2021 <- subset(cpi, Name=="January" & Year=="2021")

> jan2021$Gujarat
[1] 153.9 151.2 149.1

> names <- c('Rural', 'Urban', 'Rural+Urban')

使用 pie 函数为 Gujarat 州的 CPI 值生成饼图，如下所示：

> pie(jan2021$Gujarat, names, main="Gujarat CPI Rural and Urban Pie Chart")

Figure 4: Pie chart

pie 函数可以传入以下参数：

参数	描述
`x	元素大于 0 的数值向量
`label`	字符向量，用于设置每个扇形的标签
`radius`	饼图的半径
`clockwise`	逻辑型，若 `TRUE` 则顺时针绘图，若 `FALSE` 则逆时针绘图
`density`	数值型，设置阴影线的填充密度（条数/英寸），默认为 `NULL`，即不填充阴影线
`angle`	数值型，填充线条的角度，默认为 45
`col`	数值向量，用于设置颜色
`lty`	每个扇形的线条类型
`main`	标题

箱线图

（LCTT 译注：箱线图主要是从四分位数的角度出发描述数据的分布，它通过最大值（Q4）、上四分位数（Q3）、中位数（Q2）、下四分位数（Q1）和最小值（Q0）五处位置来获取一维数据的分布概况。我们知道，这五处位置之间依次包含了四段数据，每段中数据量均为总数据量的 1/4。通过每一段数据占据的长度，我们可以大致推断出数据的集中或离散趋势。长度越短，说明数据在该区间上越密集，反之则稀疏。）

箱线图能够用“ 须线 whisker ” 展示一个变量的四分位距 Interquartile Range （简称 IQR=Q3-Q1）。用上下四分位数分别加/减内四分位距，再乘以一个人为设定的倍数 range（见下面的参数列表），得到 range * c(Q1-IQR, Q3+IQR)，超过这个范围的数据点就被视作离群点，在图中直接以点的形式表示出来。

boxplot 函数可以传入以下参数：

参数	描述
`data`	数据框或列表，用于参数类型为公式的情况
`x`	数值向量或者列表，若为列表则对列表中每一个子对象依次作出箱线图
`width`	设置箱子的宽度
`outline`	逻辑型，设置是否绘制离群点
`names`	设置每个箱子的标签
`border`	设置每个箱子的边缘的颜色
`range`	延伸倍数，设置箱线图末端（须）延伸到什么位置
`plot`	逻辑型，设置是否生成图像，若 TRUE 则生成图像，若 FALSE 则打印传入数据的描述信息
`horizontal`	逻辑型，设置箱线图是否水平放置

用 boxplot 函数绘制部分州的箱线图：

> names <- c ('Andaman and Nicobar', 'Lakshadweep', 'Delhi', 'Goa', 'Gujarat', 'Bihar')
> boxplot(cpi$Andaman.and.Nicobar, cpi$Lakshadweep, cpi$Delhi, cpi$Goa, cpi$Gujarat, cpi$Bihar, names=names)

Figure 5: Box plot

QQ 图

QQ 图 Quantile-Quantile plot 可以用来对比两个数据集，也可以用来检查数据是否服从某种理论分布。qqnorm 函数能绘制正态分布 QQ 图，可以检验数据是否服从正态分布，用下面的代码绘制 Punjab 州 CPI 数据的 QQ 图：

> qqnorm(punjab$x)

Figure 6: Q-Q plot

qqline 函数可以向正态分布 QQ 图上添加理论分布曲线，它可以传入以下参数：

参数	描述
`x`	第一个数据样本
`y`	第二个数据样本
`datax`	逻辑型，设置是否以 x 轴表示理论曲线的值，默认为 `FALSE`
`probs`	长度为 2 的数值向量，代表概率
`xlab`	x 轴标题
`ylab`	y 轴标题
`qtype`	`[1,9]` 内的整数，设置分位计算类型，详情见 `help(quantile)` 的类型小节

等高图

等高图可以描述三维数据，在 R 中对应的函数是 contour，这个函数也可以用来向已有的图表添加等高线。等高图常与其他图表一起使用。我们用 contour 对 R 中的 volcano 数据集（奥克兰的火山地形信息）绘制等高图，代码如下：

> contour(volcano)

Figure 7: Volcano

contour 函数的常用参数如下：

参数	描述
`x,y`	z 中数值对应的点在平面上的位置
`z`	数值向量
`nlevels`	设置等高线的条数，调整等高线的疏密
`labels`	等高线上的标记字符串，默认是高度的数值
`xlim`	设置 x 轴的范围
`ylim`	设置 y 轴的范围
`zlim`	设置 z 轴的范围
`axes`	设置是否绘制坐标轴
`col`	设置等高线的颜色
`lty`	设置线条的类型
`lwd`	设置线条的粗细
`vfont`	设置标签字体

等高线之间的区域可以用颜色填充，每种颜色表示一个高度范围，如下所示：

> filled.contour(volcano, asp = 1)
# asp 为图形纵横比，即 y 轴上的 1 单位长度和 x 轴上 1 单位长度的比率

填充结果见图 8。

Figure 8: Filled volcano

掌握上述内容后，你可以尝试 R 语言 graphics 包中的其他函数和图表（LCTT 译注：用 help(package=graphics) 可以查看 graphics 包提供的函数列表）。

via: https://www.opensourceforu.com/2022/05/plotting-data-in-r-graphs/

作者：Shakthi Kannan 选题：lkxed 译者：tanloong 校对：wxy

本文由 LCTT 原创编译，Linux中国荣誉推出