19. 基本统计图形
目录：
一. 条形图
二. 饼图
三. 直方图
四. 箱线图
五. 点图
六. 散点图
七. 相关图
八. QQ图
九. 等高线图初等函数图像大全表格总结
十. 热图
正文：
要观察分类变量与定量变量的数据，最基本的方法就是用图形：
1. 将变量的分布作可视化展示；
2. 通过结果变量进行跨组比较。
一、条形图
条形图通过垂直的或水平的条形展示了类别型变量的分布（频数）。函数barplot()的最简单用法是：
barplot(height)
其中，height为向量或矩阵。
    1. 简单条形图（height为向量）
library(vcd) #使用数据集Arthritis
counts <- table(Arthritis$Improved)
counts
  None  Some Marked
    42    14    28
par(mfrow=c(1,2))
barplot(counts, main = "Simple Bar Plot", xlab = "Improvement", ylab = "Frequency") #竖直条形图
barplot(counts, main = "Horizontal Bar Plot", xlab = "Frequency", ylab = "Improvement", horiz = TRUE) #水平条形图
2. 堆砌条形图和分组条形图（height为矩阵）
若beside=FALSE（默认值），则矩阵中的每一列都将生成图中的一个条形，各列中的值将给出堆砌的“子条”的高度。
若beside=TRUE，则矩阵中的每一列都表示一个分组，各列中的值将并列而不是堆砌。
library(vcd) #使用数据集Arthritis
counts <- table(Arthritis$Improved, Arthritis$Treatment)
counts
       
        Placebo Treated
  None        29      13
  Some        7      7
  Marked      7      21
par(mfrow=c(1,2))
barplot(counts, main = "Stacked Bar Plot", xlab = "Treatment", ylab = "Frequency", col = c("red", "yellow", "green"),legend = rownames(counts)) #堆砌条形图
barplot(counts, main = "Grouped Bar Plot", xlab = "Treatment", ylab = "Frequency", col = c("red", "yellow", "green"),legend = rownames(counts), beside = TRUE) #分组条形图
注：棘状图可对堆砌条形图进行重缩放
library(vcd)
attach(Arthritis)
counts <- table(Treatment, Improved)
spine(counts, main = "Spinogram Example")
detach(Arthritis)
3. 均值条形图
条形图并不一定要基于计数数据或频率数据，也可以使用数据整合函数并将结果传递给函数barplot()，来创建表示均值、中位数、标准差等的条形图。
states <- data.ion, state.x77)
means <- aggregate(states$Illiteracy, by = ion), FUN = mean)
means <- means[order(means$x), ] #均值从小到大排序
means
        Group.1        x

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。