感謝Robert I.Kabacoff 著作本書，同時感謝高濤、肖楠、陳鋼編譯此書。
最近在學習《R語言實戰》，特將學習過程記錄下來，供各位朋友參考，雖說是筆記，但是90%是書中內容，另外10%是自己偶爾冒出的一點點想法的記錄和一些疑問，希望互相探討。末尾有本章的代碼清單下載地址，與各位交流，還是提倡按照書中內容把代碼一個個敲出來。
第六章 基本圖形
本章內容
條形圖、箱線圖和點圖
餅圖和扇形圖
直方圖與核密度圖
</br>
6.1 條形圖
條形圖通過水平或垂直的條形展示了類別型變量的分布（頻率）函數函數barplot()的最簡單用法是：
barplot(height)
其中height是一個向量或一個矩陣。（問：數據框不可以嗎？親測，不可以，會有錯誤提示。）
6.1.1 一個簡單的條形圖
載入vcd包之前，需要載入grid包。
小提示
若要繪制的類別型變量是一個因子或有序型因子，就可以使用函數plot()快速創建一幅垂直條形圖。由于Arthritis$Improved是一個因子，所以代碼：
plot(Arthritis$Improved, main = "Simple Bar Plot", xlab = "Improved", ylab = "Frequency")
plot(Arthritis$Improved, horiz = TRUE, main = "Horizontal Bar Plot", xlab = "Frequency", ylab = "Improved")
6.1.2 堆砌條形圖和分組條形圖
如果hight是一個矩陣而不是一個向量，則繪圖結果將是一幅堆砌條形圖或分組條形圖。若beside=FALSE（默認），則矩陣中的每一列將都將生產圖中的一個條形，各列中的值將給出堆砌的“子條”的高度。若beside=TRUE，則矩陣中的每一了都表示一個分組，各列中的值將并列而不是堆砌。
6.1.3 均值條形圖
條形圖并不一定要基于計數數據或頻率數據。你可以使用數據整合函數并將結果傳遞給barplot()函數，來創建表示均值、中位數、標準差等的條形圖。
6.1.4 條形圖的微調
有若干種方式可以微調條形圖的外觀。例如，隨著條數的增多，條形的標簽可能會開始重疊，你可以使用參數cex.names來減小字號。將其指定為小于1的值可以縮小標簽的大小。可選的參數names.arg允許你指定一個字符向量作為條形的標簽名。
6.1.5 棘狀圖
在結束官途條形圖的討論之前，讓我們再來看一種特殊的條形圖，它被稱為棘狀圖（spinogram）。棘狀圖對堆砌條形圖進行了重縮放，這樣每個條形的高度為1，每一段的高度即表示比例。棘狀圖可由vcd包中的函數spine()繪制。
</br>
6.2 餅圖
由函數pie()創建，代碼如下：
pie(x, labls)
餅圖讓比較各扇形的值變得困難（除非這些值被附加在標簽上）。因此出現了一種扇形圖，為用戶提供了一種同時展示相對數量和相互差異的方法。通過plotrix包中的fan.plot()函數實現。特點是以同一起點開始，分別展示不同扇形，可以理解為：按照從小到大的順序，分別從前往后繪制圖形。在這里扇形的寬度（width）是重要的，半徑并不重要。
</br>
6.3 直方圖
與條形圖和餅圖不同，直方圖描述的是連續型變量的分布。直方圖是通過X軸上將值域分割為一定數量的組，在Y軸上顯示相應值得頻數，展示了連續型變量的分布。使用如下代碼創建直方圖。
hist(x)
其中的X是一個由數據值組成的數值向量。參數freq=FALSE表示根據頻率密度而不是頻數繪制圖形。參數breaks用于控制組的數量。
代碼清單6-6 直方圖
par(mfrow = c(2,2))
hist(mtcars$mpg)
hist(mtcars$mpg, breaks = 12, col = "red", xlab = "Miles Per Gallon", main = "Colored histogram with 12 bins")
hist(mtcars$mpg, freq = FALSE, breaks = 12, col = "red", xlab = "Miles Per Gallon", main = "Histogram ,rug plot, density curve")
rug(jitter(mtcars$mpg))
lines(density(mtcars$mpg))
lines(density(mtcars$mpg), col = "blue", lwd = 2)
x <- mtcars$mpg
h <- hist(x, breaks = 12, col = "red", xlab = "Miles Per Gallon", main = "Histogram with normal curve and box")
xfit <- seq(min(x), max(x), length = 40)
yfit <- dnorm(xfit, mean = mean(x), sd = sd(x))
yfit <- yfit*diff(h$mids[1:2])*length(x)
lines(xfit, yfit, col = "blue", lwd = 2)
box()
第一幅直方圖展示了未指定任何選項是的默認圖形。第二幅將組數指定為12，使用紅色填充條形，并添加了標簽和標題。
第三幅直方圖保留了上一幅圖中的顏色、組數、標簽和標題設置，又疊加了一條密度曲線和軸須圖。這條密度曲線是一條核密度估計，它為數據的分布提供了一種更加平滑的描述。再使用lines()函數疊加了這條藍色、雙倍默認線條寬度的曲線。最后，軸須圖是實際數據的一種一維呈現方式。如果數據中有許多結，你可以使用如下代碼將軸須圖的數據打散：
rug(jitter(mtcars$mpg, amount = 0.01))
這樣將向每個數據點添加一個小的隨機值（一個±amount之間的均勻分布隨機數），以避免重疊的點產生影響。
第四幅直方圖與第二幅類似，只是擁有一條疊加在上面的正太曲線和一個將圖形圍繞起來的盒形。
</br>
6.4 核密度圖
用術語來說，核密度估計是用于估計隨機變量概率密度函數的一種非參數方法。核密度圖不失為一種用來觀察連續型變量分布的有效方法。不疊加到另一幅圖上方繪制密度圖的方法為：
plot(density(x))
其中x是一個數值型向量。若要在一幅已經存在的圖形上疊加一條密度曲線，可以使用：
lines(density(x))
使用sm包中的sm.density()函數可向圖形疊加兩組或更多的核密度圖。使用格式為：
sm.density.compare(x, factor)
其中的x是一個數值型向量，factor是一個分組變量。
</br>
6.5 箱線圖
箱線圖（又稱盒須圖）通過繪制連續型變量的五數總括，即最小值、下四分位數（第25百分位數）、中位數（第50百分位數）、上四分位數（第75百分位數）以及最大值，描述了連續型變量的分布。箱線圖能夠顯示出可能為離群點（范圍在±IQR以外的值，IQR表示四分位距，即上四分位數與下四分位數的差值）的觀測。
boxplot(mtcars$mpg,main = "Box plot", ylab = "Mles per Gallon")
6.5.1 使用并列箱線圖進行跨組比較
箱線圖可以展示單個變量或分組變量。使用格式為：
boxplot(formula, data = dataframe)
其中對的formula是一個公式，dataframe代表提供數據的數據庫（或列表）。一個示例公式為y ~ A，這將為類別型變量A的每個值并列地生成數值型變量y的箱線圖。公式y ~ A*B則將為類別型變量A和B所有水平的兩兩組合生成數值型變量y的箱線圖。
箱線圖靈活多變，通過添加notch=TRUE。可以得到含凹槽的箱線圖。若兩個箱的凹槽互不重疊，則表明他們的中位數有顯著差異。
</br>
6.5.2 小提琴圖
小提琴圖示箱線圖和核密度圖的結合。首次使用需要下載安裝vioplot包。使用格式為：
Vioplot(x1, x2, …, names = , col = )
其中x1，x2，…表示要繪制的一個或多個數值向量（將為每個向量繪制一幅小提琴圖）。參數names是小提琴圖中標簽的字符向量，而col是一個為每幅小提琴圖指定顏色的向量。（注意：每個參數都是向量。）
小提琴圖基本上是核密度圖以鏡像的方式在箱線圖上的疊加。在圖中，白點是中位數，黑色盒型的范圍是下四分位點到上四分位點，西黑線表示須。外部形狀即為核密度估計。
</br>
6.6 點圖
點圖提供了一種在簡單水平刻度上繪制大量有標簽值的方法。可以用dotchart()函數創建點圖。格式為：
dotchart(x, labels)
其中x是一個數值向量，而labels則是由每個點的標簽組成的向量。你可以通過添加參數groups來選定一個因子，用以指定x中元素的分組方式。如果這樣做，則參數groups可以控制不同組標簽的顏色，cex可控制標簽的大小。
注意：
點圖有許多變種。Jacoby(2006)對點圖進行了非常有意義的討論，并且提供了創新型應用的R代碼。此外，Hmisc包也提供了一個帶有許多附加功能的點圖函數（恰如其分地叫做dotchart2）。
