可视化前三步走：数据类型，分析目的，实现工具
显示各类别的绝对频数及百分比等
条形图、饼图等
垂直条形图：类别在x轴
水平条形图：类别在y轴
简单条形图，并列条形图 堆叠条形图
attach(example2_1) #绑定数据框
table1<-table(社区)
table2<-table(性别)
table3<-table(态度) #生成频数表
layout(matrix(c(1,2,3,3),2,2,byrow=TRUE))#页面布局
par(mai=c(0.6,0.6,0.3,0.1),cex=0.7,cex.main=1,font.main=1)
#设置图形边距和字体大小
#绘制性别的条形图
barplot(table2,xlab="人数",ylab="性别",
horiz=TRUE,#水平放置
density=30,angle=0,#填充密度和密度线角度设置
col=c("grey50","grey80"),border="black", #颜色向量
main="(a)水平条形图")#标题
barplot(table3,xlab="态度",ylab="人数",
density=20,angle=90,col=c("red","blue"),
border=c(2,4),main="(b)垂直条形图")
barplot(table1,xlab="社区",ylab="人数",
cex.names=1.2,cex.lab=1.2,#字体变大
col=c("#FC8D62","#E78AC3","#66C2A5","#FFD92F")
,main="(c)垂直条形图")
par(mai=c(0.7,0.7,0.2,0.7),cex=0.7)
x<-sort(table(example2_1$社区),decreasing=TRUE)#生成一维表并将频数降序排列
palette<-RColorBrewer::brewer.pal(4,"Blues")#设置调色板
bar<-barplot(x,xlab="社区",ylab="频数",col=rainbow(4),ylim=c(0,1.2*max(x)))
#条形图
text(bar,x,labels=x,pos=3,col="black")#为条形图添加频数标签
y<-cumsum(x)/sum(x)#计算累计频数
par(new=T)#绘制一新图加在现有图上
plot(y,type="b",pch=15,axes=FALSE,xlab='',ylab='',main='')
#绘制累积频数折线
axis(side=4)#在第四个边增加坐标
mtext("累计频率",side=4,line=3,cex=0.8)#添加坐标轴标签
text(labels="累积分布曲线",x=3,y=0.92,cex=1)#添加注释文本
（p41书上b3b4定义代码有两处bug，照着打debug好久才发现qwq）
tab1<-table(性别,社区)
tab2<-table(性别,态度)
tab3<-table(社区,态度)
library(DescTools)
par(mfrow=c(2,2),mai=c(0.55,0.6,0.6,0.1),cex=0.7,cex.main=1,font.main=1)
b1<-barplot(tab1,beside=TRUE,xlab="社区",ylab="人数",
main ="(a)垂直并列",col=c("#66C2A5","#FC8D62"),
legend=rownames(tab1),
args.legend=list(x=12,y=19,ncol=2,cex=0.7,box.col ="grey80"))
BarText(tab1,b =b1, beside = TRUE , cex =1, top = TRUE )#添加频数标签
b2<- barplot (tab2, beside = TRUE , horiz =TRUE ,
xlab ="人数", ylab="态度",
main="(b)水平并列",
col = c("#66C2A5","#FC8D62"),
legend = rownames(tab2),
args.legend=list(x =9.2, y =7, ncol =2, cex =0.7,box.col ="grey80"))
BarText (tab2, b =b2, beside = TRUE , horiz = TRUE , cex =1, top = FALSE )
b3<-barplot (tab3,xlab ="态度", ylab ="人数",
main ="(c)垂直堆叠",
col = c ("#FC8D62","#E78AC3","#66C2A5","#FFD92F"),
legend=rownames (tab3),
args.legend =list(x =1.32, y =50, ncol =2, cex =0.7, box.col ="grey80"))
BarText (tab3, b=b3, cex =1)
b4<- barplot (tab3, horiz = TRUE , xlab ="人数", ylab ="态度",
main ="(d)水平堆叠",
col=c("#FC8D62","#E78AC3","#66C2A5","#FFD92F"),
legend = rownames (tab3),
args.legend =list(x =47, y =2.8, ncol =4, cex =0.7, box.col ="grey80"))
BarText (tab3, b =b4, horiz = TRUE , col ="black", cex =1)
tab4<-table(社区,性别)
tab5<-table(态度,社区)
par(mfrow=c(1,2),mai=c(0.6,0.6,0.4,0.4),cex=0.7,cex.main=1,font.main=1)
palette<-rev(RColorBrewer::brewer.pal(4,"Reds"))#设置调色板
spineplot(tab4,data=example2_1,col=palette[1:2],xlab="社区",ylab="性别",main="(a)性别与社区")
spineplot(tab5,data=example2_1,col=palette,xlab="态度",ylab="社区",main="(b)社区与态度")
两个以上变量使用，嵌套矩形面积与列联表相应单元的频数成正比
mosaicplot：绘制马赛克图
mosaic：vcd包 同上
strucplot：vcd包 同上
PlotMosaic：DescTools包 同上
geom_mosaic：ggmosaic包 同上
mosaicplot(~性别+社区+态度,
data=example2_1,
col=c("#E41A1c","#377EB8"),
cex.axis=0.8,off=5,main="")
pie：绘制饼图
plotrix::pie3D：3D饼图
par(mfrow=c(1,2),mai=c(0.1,0.4,0.1,0.4),cex=0.7)
tab<-table(example2_1$社区) #生成频数表
name<-names(tab) #设置名称向量
percent<-prop.table(tab)*100#计算百分比
labs<-paste(name," ",percent,"%",sep="")#设置标签向量
pie(tab,labels=labs,init.angle = 90,radius=1,main="(a)普通饼图")
plotrix::pie3D(tab,labels=labs,explode=0.1,labelcex=0.7,main="(b) 3D饼图")
扇形图是看角度不是看面积
fan.plot：绘制扇形图
library(plotrix)
library(RColorBrewer)
tab<-table(example2_1$社区)
name<-names(tab)
percent<-prop.table(tab)*100
labs<-paste(name," ",percent,"%",sep="")
fan.plot(tab,labels=labs,
max.span=0.9*pi, #设置扇形最大跨度
shrink=0.06,radius=1.2,#设置扇形错开的距离和半径
label.radius=1.4,ticks=200,#设置标签与扇形的距离
col=c("#FB8072","#FFFFB3","deepskyblue","pink"))#设置颜色向量
饼图挖个圈圈
饼环图能展示双层结构
ggDount：ggiraphExtra包 绘制环形图
ggPieDount：ggiraphExtra包 绘制饼环图
library(ggiraphExtra)
require(ggplot2) #require和library一样
library(gridExtra)
p1<-ggDonut(example2_1,aes(donuts=社区),colour="white",xmin=2,xmax=4,title="(a)环形图")
p2<-ggPieDonut(data=example2_1,aes(pies=社区,donuts=态度),title="(b)饼环图")
grid.arrange(p1,p2,ncol=2) #按两列组合两张图
直方图、核密度图、箱线图、小提琴图、茎叶图、点图
hist：直方图绘制
lines(density(x))：为直方图增加核密度估计曲线
curve(dnorm(x,mean(x),sd(x)))：为直方图增加均值为mean，标准差为sd的正态曲线
rug(x)：画出x在坐标轴上位置
jitter(x)：计算x的各扰动点
example2_2<-read.csv("example2_2.csv")
attach(example2_2)
par(mfrow=c(2,3),mai=c(0.4,0.5,0.4,0.1),cex=0.7,font.main=1)
hist(北京,labels=TRUE,col="#FFD92F",xlab="AQI",ylab="频数",ylim=c(0,90),main="(a)北京：添加频数标签")
hist(上海,breaks=20,col="skyblue",xlab="AQI",ylab="频数",main="(b)上海：数据分成20组")
hist(郑州,breaks=20,col="lightgreen",xlab="AQI",ylab="频数",main="(c)郑州：添加地毯图")
rug(郑州)#添加地毯图
hist(武汉,breaks=20,col="#FC8D62",xlab="AQI",ylab="频数",main="(d)武汉：添加扰动点")
rug(jitter(武汉))#添加扰动点
hist(西安,prob=TRUE,breaks=20,col="pink",xlab="AQI",ylab="密度",ylim=c(0,0.012),main="(e)西安：添加核密度曲线")
lines(density(西安),col="blue3",lwd=1)#添加核密度曲线
hist(沈阳,prob=TRUE,breaks=20,col="orange",xlab="AQI",ylab="密度",main="(f)沈阳：添加理论正态分布曲线")
curve(dnorm(x,mean(沈阳),sd(沈阳)),col="blue",add=TRUE)#添加正态分布曲线
b是指定分成20组绘制的直方图
c添加地毯图以观察实际数据在坐标轴上的分布
d计算数据扰动点，避免相同数据点在坐标轴上的重叠
e加的核密度曲线是以实际数据分布密度的估计，显示数据分布的形状
f添加理论正态分布曲线，与直方图比较可判断是否近似服从正态分布
直方图是粗略估计，核密度图是较为精准的估计（平滑曲线）
核密度曲线平滑程度取决于带宽bw，bw越大越平滑
d<-example2_2$北京
par(mfrow=c(1,3),mai=c(0.6,0.6,0.3,0.1),cex=0.7,cex.main=1,font.main=1)
d1<-density(d)
d2<-density(d,bw=3)
d3<-density(d,bw=10)
plot(d1,xlab="AQI",ylab="Density",main="(a)默认带宽")
plot(d2,col="red",xlab="AQI",ylab="Density",main="(b)bw=3")
polygon(d2,col="orange",border = "black")#填充橙色
plot(d3,col="red",xlab="AQI",ylab="Density",main="(c)bw=10")
polygon(d3,col="orange",border = "black")#填充
将六个核密度曲线放在一起，可以比较分布程度及偏斜程度
library(reshape2)
library(DescTools)
df<-melt(example2_2,id.vars=c("日期"),variable.name="城市",value.name="AQI")#将数据融合成长格式
par(mfrow=c(2,1),mai=c(0.6,0.6,0.3,0.1),cex=0.7,font.main=1)
PlotMultiDens(data=df,AQI~城市,col=Pal(),xlab="AQI",ylab="Density",xlim=c(-1,400),lwd=1,main="(a)核密度曲线")
PlotMultiDens(data=df,AQI~城市,xlab="AQI",ylab="Density",xlim=c(-1,400),fill=SetAlpha(rainbow(6),0.2),main="(b)填充颜色")
用于比较多个变量或多个样本的分布
展示分布是否对称，是否存在离群点