R语言数据展现——散点图

　　上文为大家介绍的是R语言中的理解关键制图参数，相信大家已经对R语言有一定的了解了，接下来小编就给大家说说关于散点图。

　　一、利用xyplot()对散点分组

　　library(lattice)

　　xyplot(mpg~disp,

　　data=mtcars,

　　groups=cyl,

　　auto.key=list(corner=c(1,1)))

　　二、使用散点形状和大小来表示分组

　　qplot(disp,mpg,data=mtcars,shape=as.factor(cyl))

　　qplot(disp,mpg,data=mtcars,size=as.factor(cyl))

　　三、用text()标识点

　　health<-read.csv("HealthExpenditure.csv",header=TRUE)

　　plot(health$Expenditure,health$Life_Expectancy,type="n")

　　text(health$Expenditure,health$Life_Expectancy,health$Country)

　　四、误差条

　　arrows(x0=mtcars$disp*0.95,

　　y0=mtcars$mpg,

　　x1=mtcars$disp*1.05,

　　y1=mtcars$mpg,

　　angle=90,

　　code=3,

　　length=0.04,

　　lwd=0.4)

　　五、jitter()

　　plot(jitter(x), jitter(y))

　　Jitter函数：给向量加上，少许噪音

　　六、非线性模型的拟合曲线

　　x <- -(1:100)/10

　　y <- 100 + 10 * exp(x / 2) + rnorm(x)/10

　　nlmod <- nls(y ~ Const + A * exp(B* x), trace=TRUE)

　　plot(x,y)

　　lines(x, predict(nlmod), col="red")

　　七、三维散点图

　　scatterplot3d(mtcars$wt,mtcars$di

　　sp,mtcars$mpg,

　　pch=16, highlight.3d=TRUE,

　　angle=20,

　　xlab="Weight",ylab="Displacemen

　　t",zlab="Fuel Economy (mpg)",

　　type="h",

　　main="Relationships between car

　　specifications")

　　八、线性回归模型的检验

　　lmfit<-lm(mtcars$mpg~mtcars$disp)

　　par(mfrow=c(2,2))

　　plot(lmfit)

　　关于R语言数据展现——散点图的讲述就到这里了，上述的内容只是截取了资料中的一部分，如需获取完整的资料，可通过关注微信公众号后联系客服获取。

　　想要了解更多的资料、信息，可持续关注我们，我们将为大家提供有价值、有需求的材料。为大家在整理数据时省去烦恼。