当前位置：首页 > news >正文

R语言数据可视化

news 2025/5/21 18:42:17

R note book 文档–输出html格式文档，plotly不能生成PDF文件

---
title: "R语言数据可视化"
output: html_notebook
---

在R语言中进行数据可视化是数据分析和呈现的重要环节，R提供了多种强大的绘图系统和工具。以下是常见的数据可视化方法和示例，从基础到高级逐步介绍：

1. 基础绘图系统（Base R Graphics）

R内置的基础绘图函数，适合快速生成简单图表。

散点图

# 示例数据
x <- 1:10
y <- x^2# 绘制散点图
plot(x, y, main = "散点图示例",  # 标题xlab = "X轴", ylab = "Y轴",  # 坐标轴标签pch = 16,  # 点的形状col = "blue",  # 点的颜色cex = 1.5)  # 点的大小

折线图

# 生成数据
time <- seq(1, 10, by = 0.5)
values <- sin(time)# 绘制折线图
plot(time, values, type = "l",  # type="l"表示折线图main = "正弦曲线",xlab = "时间", ylab = "值",col = "red", lwd = 2)  # 线宽为2

箱线图

# 使用内置数据集mtcars
data(mtcars)# 按气缸数(cyl)分组绘制mpg的箱线图
boxplot(mpg ~ cyl, data = mtcars,main = "不同气缸数车辆的MPG分布",xlab = "气缸数", ylab = "每加仑英里数(MPG)",col = c("lightblue", "lightgreen", "lightpink"))

2. ggplot2包（推荐）

基于图形语法的高级绘图系统，适合创建复杂、精美的图表。

安装与加载

#install.packages("ggplot2")  # 首次使用需安装
library(ggplot2)

散点图

# 使用内置数据集iris
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +geom_point(size = 3) +  # 散点图层labs(title = "鸢尾花萼片长度与宽度关系",x = "萼片长度(cm)", y = "萼片宽度(cm)") +theme_minimal()  # 使用简洁主题

柱状图

# 统计不同Species的数量
ggplot(iris, aes(x = Species)) +geom_bar(fill = "skyblue", color = "black") +  # 柱状图层labs(title = "鸢尾花种类分布", x = "种类", y = "数量") +theme_classic()  # 使用经典主题

箱线图与小提琴图

ggplot(iris, aes(x = Species, y = Petal.Length, fill = Species)) +geom_boxplot(alpha = 0.7) +  # 箱线图层geom_violin(alpha = 0.3) +   # 小提琴图层（显示密度分布）labs(title = "不同种类鸢尾花花瓣长度分布",x = "种类", y = "花瓣长度(cm)")

3. 高级可视化

热图（Heatmap）

# 使用内置数据集mtcars
cor_matrix <- cor(mtcars)  # 计算相关系数矩阵# 绘制热图
heatmap(cor_matrix, main = "汽车特征相关性热图",col = cm.colors(256),  # 颜色渐变scale = "column")  # 按列标准化

直方图与密度图

# 使用ggplot2绘制直方图与密度图
ggplot(iris, aes(x = Sepal.Length)) +geom_histogram(aes(y = ..density..),  # 直方图（显示密度）bins = 15, fill = "lightblue", color = "black") +geom_density(alpha = 0.2, fill = "blue") +  # 密度曲线facet_wrap(~ Species) +  # 按种类分面labs(title = "鸢尾花萼片长度分布", x = "萼片长度(cm)", y = "密度")

气泡图（散点图+大小/颜色映射）

# 使用ggplot2绘制气泡图
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +geom_point(aes(size = Petal.Length, color = Species), alpha = 0.7) +  # alpha设置透明度scale_size_continuous(range = c(2, 10)) +  # 控制点大小范围labs(title = "鸢尾花特征气泡图",x = "萼片长度(cm)", y = "萼片宽度(cm)",size = "花瓣长度", color = "种类") +theme_bw()  # 使用黑白主题

4. 交互式可视化（plotly）

创建可交互的图表，适合网页展示或数据分析。

安装与基本用法

#install.packages("plotly")
library(plotly)# 将ggplot2图表转为交互式
p <- ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +geom_point(size = 3)ggplotly(p)  # 转为交互式图表

3D散点图

# 创建3D散点图
plot_ly(iris, x = ~Sepal.Length, y = ~Sepal.Width, z = ~Petal.Length,color = ~Species, type = "scatter3d", mode = "markers") %>%layout(title = "鸢尾花3D特征散点图")