由于R语言学习成本比较低，而且较多的绘图功能是比较喜欢的。所以这周针对R语言相关操作进行学习，主要方向还是关于绘图相关的使用方法：

一、R语言基础

1.数据导入

data = read.table("文件路径+文件名"，T) # 文件路径为“C:\\Users\\... ” 或者"C:/Users/..."； T 表示第一行为表头信息

dataframe 是一种R的数据格式，每一列表示一种属性，每一行为一组样本点；（类似矩阵，操作上也比较类似）

data1 = edit(data)

data1[行，列] # 可用3，1:10,缺省表示整行整列等方式提取数据 或使用 data1$属性名

2.描述统计

summary(data1) # 数据的分布描述，包括五个分位点，均值

其他统计指标统计制图：mean();sd()；table();barplot();hist();plot()等；

对于议员数值可以通过箱线图和分布图进行初步观察；二元数值可以通过散点图

数据汇总函数

tapply()和sapply()

tapply(x,index=,FUN=函数)

概率计算函数

计算其概率密度density （d）

计算其概率分布probability（p）

计算其百分位数quantile （q）

随机数模拟random （r）

抽样函数： sample(x,size=5,replace=T) # replace表示是否有放回抽取

回归建模

model=lm(y~x,data=数据) # lm表示数据模型类型

通常流程可以为：

plot(y~x,data=数据)

model=lm(y~x,data=数据) # 建立模型，还有其他多种模型；依照数据分布进行选择

abline(model) # 添加模型至绘图取

summary(model) # 展示模型结果

summary将模型结果进行了展示，从变量P值和F统计量可得回归模型是否显著。

---

二、基础绘图

常用统计作图函数汇总

plot() 基础绘图函数

hist() 直方图

stem() 茎叶图

boxplot() 箱线图（盒形图）

coplot() 协同图

qqnorm() 正态qq图

qqplot() 两总体qq图

---

plot()

plot(sample(1:10),sample(1:10),main="散点图")

x <- 1:10

y <- c(2,4,6,8,7,12,14,16,18,20)

lo <- loess(y~x) # 使用loess函数完成曲线拟合

plot() :每次绘制都会重置画布，因此想要在已有图中添加新曲线--使用 lines() 和 points()

plot(x,y)

lines(predict(lo),col="red",lwd=2)

箱线图

boxplot: 数据的整体分布情况，异常值，四分位数；缺点是看不到数据的内部细节情况，

因此很多时候数据量的大小对于最终的分布情况很类似，不过要注意其表现的知识总体描述

统计量，并没有过多关注细节。

boxplot(len~supp*dose,data= ToothGrowth, notch=TRUE,

col=(c("gold","darkgreen")),main="Tooth Growth",xlab="Suppliment and Dose")

# Stacked Bar plot with Colors and Legend

counts <- table(mtcars$vs,mtcars$gear)

barplot(counts,main="car")

# barplot(counts,main="car",beside=TRUE)

hist直方图

hist(x,nclass=组数,breaks=向量,prob=T) 

hist(x)作向量x的直方图。缺省时自动确定分组，也可以用nclass=参数指定分组个数，或者用breaks=参数指定一个分组点向量。如果指定了prob=T则纵轴显示密度估计。

stem茎叶图

stem(x, scale = 1, width = 80, atom = 1e-08)

数据分布的表现

茎叶图可以从数据维度表现出数据的分布，集中趋势；

coplot() 协同图

coplot(y~x|z) # Z表示分组依据，组类

图例

甚至可以用如coplot(y~x | x1+x2)表示对x1和x2的每一水平组合绘图。

coplot()和pairs()函数缺省绘制散点图，但可以用一个panel= 参数指定其它的低级绘图函数，如lines，panel.smooth等。

tsplot(x)绘制时间序列曲线图。多个参数时tsplot(x1, x2, ...)表示绘制多条曲线，自动统一曲线取值范围。如果参数非时间序列对象则以下标1，2，3等为横坐标绘图

多图绘制

 A，  par(mfrow=c(2,2))   #准备画22的4个图，

plot(x, y,main= "标题")   #图1 分别绘制不同的四幅图

B， plot() + lines() +points()  # 不断添加新的图形

学习资料：R语言基本画图函数与多图多线