R语言常用函数整理本篇是基础篇，即R语言自带的函数。 vector：向量 numeric：数值型向量 logical：逻辑型向量 character；字符型向量 list：列表 data.frame：数据框 c：连接为向量或列表 length：求长度 subset：求子集 seq，from:to，sequence：等差序列 rep：重复 NA：缺失值 NULL：空对象 sort，order，unique，rev：排序 unlist：展平列表 attr，attributes：对象属性 mode，class，typeof：对象存储模式与类型 names：对象的名字属性 字符型向量 nchar：字符数 substr：取子串 format，formatC：把对象用格式转换为字符串 paste()、paste0()不仅可以连接多个字符串，还可以将对象自动转换为字符串再相连，另外还能处理向量。 strsplit：连接或拆分 charmatch，pmatch：字符串匹配 grep，sub，gsub：模式匹配与替换 complex，Re，Im，Mod，Arg，Conj：复数函数 factor：因子 codes：因子的编码 levels：因子的各水平的名字 nlevels：因子的水平个数 cut：把数值型对象分区间转换为因子 table：交叉频数表 split：按因子分组 aggregate：计算各数据子集的概括统计量 tapply：对“不规则”数组应用函数 dev.new() 新建画板 plot()绘制点线图,条形图,散点图. barplot( ) 绘制条形图 dotchart( ) 绘制点图 pie( )绘制饼图. pair( )绘制散点图阵 boxplot( )绘制箱线图 hist( )绘制直方图 scatterplot3D( )绘制3D散点图. par()可以添加很多参数来修改图形 title( )　添加标题 axis( )　调整刻度 rug( )　添加轴密度 grid( )　添加网格线 abline( )　添加直线 lines( )　添加曲线 text( )　添加标签 legend(）　添加图例 +, -, *, /, ^, %%, %/%：四则运算 ceiling，floor，round，signif 1、round() #四舍五入 例：x <- c(3.1416, 15.377, 269.7) round(x, 0) #保留整数位 round(x, 2) #保留两位小数 round(x, -1) #保留到十位 2、signif() #取有效数字(跟学过的有效数字不是一个意思) 例：略 3、trunc() #取整 floor() #向下取整 ceiling() #向上取整 例：xx <- c(3.60, 12.47, -3.60, -12.47) trunc(xx) floor(xx) ceiling(xx) max，min，pmax，pmin：最大最小值 range：最大值和最小值 sum，prod：向量元素和，积 cumsum，cumprod，cummax，cummin：累加、累乘 sort：排序 approx和approx fun：插值 diff：差分 sign：符号函数 abs，sqrt：绝对值，平方根 log, exp, log10, log2：对数与指数函数 sin，cos，tan，asin，acos，atan，atan2：三角函数 sinh，cosh，tanh，asinh，acosh，atanh：双曲函数 beta，lbeta，gamma，lgamma，digamma，trigamma，tetragamma，pentagamma，choose ，lchoose：与贝塔函数、伽玛函数、组合数有关的特殊函数 fft，mvfft，convolve：富利叶变换及卷积 polyroot：多项式求根 poly：正交多项式 spline，splinefun：样条差值 besselI，besselK，besselJ，besselY，gammaCody：Bessel函数 deriv：简单表达式的符号微分或算法微分 array：建立数组 matrix：生成矩阵 data.matrix：把数据框转换为数值型矩阵 lower.tri：矩阵的下三角部分 mat.or.vec：生成矩阵或向量 t：矩阵转置 cbind：把列合并为矩阵 rbind：把行合并为矩阵 diag：矩阵对角元素向量或生成对角矩阵 aperm：数组转置 nrow, ncol：计算数组的行数和列数 dim：对象的维向量 dimnames：对象的维名 rownames，colnames：行名或列名 %*%：矩阵乘法 crossprod：矩阵交叉乘积（内积） outer：数组外积 kronecker：数组的Kronecker积 apply：对数组的某些维应用函数 tapply：对“不规则”数组应用函数 sweep：计算数组的概括统计量 aggregate：计算数据子集的概括统计量 scale：矩阵标准化 matplot：对矩阵各列绘图 cor：相关阵或协差阵 Contrast：对照矩阵 row：矩阵的行下标集 col：求列下标集 solve：解线性方程组或求逆 eigen：矩阵的特征值分解 svd：矩阵的奇异值分解 backsolve：解上三角或下三角方程组 chol：Choleski分解 qr：矩阵的QR分解 chol2inv：由Choleski分解求逆 ><，>，<=，>=，==，!=：比较运算符 !，&，&&，|，||，xor()： 逻辑运算符 logical： 生成逻辑向量 all， any：逻辑向量都为真或存在真 ifelse()：二者择一 match， %in%：查找 unique：找出互不相同的元素 which：找到真值下标集合 duplicated：找到重复元素 optimize，uniroot，polyroot：一维优化与求根 if，else， ifelse， switch： 分支 for，while，repeat，break，next： 循环 apply，lapply，sapply，tapply，sweep：替代循环的函数。 function：函数定义 source：调用文件 ’ call：函数调用 . C，.Fortran：调用C或者Fortran子程序的动态链接库。 Recall：递归调用 browser，debug，trace，traceback：程序调试 options：指定系统参数 missing：判断虚参是否有对应实参 nargs：参数个数 stop：终止函数执行 on.exit：指定退出时执行 eval，expression：表达式计算 system.time：表达式计算计时 invisible：使变量不显示 menu：选择菜单（字符列表菜单） 其它与函数有关的还有： delay， delete.response， deparse， do.call， dput， environment ， formals， format.info， interactive， is.finite， is.function， is.language， is.recursive ， match.arg， match.call， match.fun， model.extract， name， parse 函数能将字符串转换为表达式expression deparse 将表达式expression转换为字符串 eval 函数能对表达式求解 substitute， sys.parent ， warning， machine cat，print：显示对象 sink：输出转向到指定文件 dump，save，dput，write：输出对象 scan，read.table，readlines, load，dget：读入 ls，objects：显示对象列表 rm, remove：删除对象 q，quit：退出系统 .First，.Last：初始运行函数与退出运行函数。 options：系统选项 ?，help，help.start，apropos：帮助功能 data：列出数据集 head()查看数据的头几行 tail()查看数据的最后几行 每一种分布有四个函数： d―density（密度函数），p―分布函数，q―分位数函数，r―随机数函数。 比如，正态分布的这四个函数为dnorm，pnorm，qnorm，rnorm。下面我们列出各分布后缀，前面加前缀d、p、q或r就构成函数名： norm：正态， t：t分布， f：F分布， chisq：卡方（包括非中心） unif：均匀， exp：指数， weibull：威布尔， gamma：伽玛， beta：贝塔 lnorm：对数正态， logis：逻辑分布， cauchy：柯西， binom：二项分布， geom：几何分布， hyper：超几何， nbinom：负二项， pois：泊松 signrank：符号秩， wilcox：秩和， tukey：学生化极差 sum, mean, var, sd, min, max, range, median, IQR（四分位间距）等为统计量， sort，order，rank与排序有关， 其它还有ave，fivenum，mad，quantile，stem等。 R中已实现的有chisq.test，prop.test，t.test。 cor，cov.wt，var：协方差阵及相关阵计算 biplot，biplot.princomp：多元数据biplot图 cancor：典则相关 princomp：主成分分析 hclust：谱系聚类 kmeans：k-均值聚类 cmdscale：经典多维标度 其它有dist，mahalanobis，cov.rob。 ts：时间序列对象 diff：计算差分 time：时间序列的采样时间 window：时间窗 lm，glm，aov：线性模型、广义线性模型、方差分析 quo()等价于quote() enquo()等价于substitute(）

R语言 高阶可视化绘图系统：ggplot2入门

ggplot2是《The Grammar of Graphics》/《图形的语法》中提出了一套图形语法，将图形元素抽象成可以自由组合的要素，类似Photoshop中的图层累加，ggplot2将指定的元素/映射关系逐层叠加，最终形成所图形。更加深入学习ggplot2，请参考《ggplot2: 数据分析与图形艺术》。

目 录

引言：ggplot2基本要素

1. 数据（Data）和映射（Mapping)

2、几何对象（Geometric）

3、标度（Scale）：fill、color、shape

4、统计变换（Stat）

5、坐标系统（Coordinante）

6、分面（Facet）

7、主题（Theme）

附：ggplot2函数速查表

引言：ggplot2基本要素

“+”和“%+%”

数据（data）和映射（mapping）:ggplot2的数据(data)必须是一个数据框（dataframe）。

几何对象（geometric）:几何对象（geom）代表你在图中实际看到的元素，如点、线、多边形等。

统计变换（statistics）:统计变换（stat）是对数据进行的某种汇总。

标度（Scale）:标度（scale）的作用是将数据的取值映射到图形空间，例如用颜色、大小或形状来表示不同的取值。

坐标系统（Coordinate）:坐标系（coord）描述了数据是如何映射到图形所在的平面的，它同时提供了看图所需的坐标轴和网格线。

图层（Layer）:一个图层由4部分组成：数据和图形属性映射；一种统计变换；一种几何对象；一种位置调整方式。

分面（Facet）：分面（facet）描述了如何将数据分解为各个子集，以及如何对子集作图并联合进行展示。

其中各要素通过“+”以图层(layer)的方式来粘合构图（可以简单理解为要素/图层叠加符号）；另外在ggplot2中，数据集必须为数据框(data.frame)格式，并且可以通过%+%符号调整已有数据集（ggplot2指导文档中明确写出“To override the data, you must use %+%”，也就是覆盖数据必须通过%+%）。以mpg数据集为例。

p1 <- base + geom_smooth() + labs(title="图1") #如图1

#用%+%调整映射关系中的数据

base <- ggplot(mpg, aes(displ, hwy)) + geom_point()

# To override the data, you must use %+%

#也即覆盖原始数据必须通过%+%

p2 <- base %+% subset(mpg, fl == "p") + labs(title="图2") #图2

#第二种调整数据的方法list

# Alternatively, you can add multiple components with a list.

# This can be useful to return from a function.

p3 <- base + list(subset(mpg, fl == "p"), geom_smooth(), labs(title="图3")) #图3

###########一页多图########

#library(grid)

grid.newpage()  ##新建页面

pushViewport(viewport(layout = grid.layout(2,2))) #将页面分成2*2矩阵

vplayout <- function(x,y){ viewport(layout.pos.row = x, layout.pos.col = y)}

print(p1, vp = vplayout(1,1))   #（1,1)的位置画图1

print(p2, vp = vplayout(1,2))   #(1,2)的位置画图2

print(p3, vp = vplayout(2,1))  #（2,1)的位置画图3

1. 数据（Data）和映射（Mapping)

前文已经提及在ggplot2中，数据集必须为数据框(data.frame)格式，并且可以通过%+%符号调整已有数据集。

映射是将一个变量中离散或连续的数据与一个图形属性中以不同的参数来相互关联, 而设定能够将这个变量中所有的数据统一为一个图形属性。aes()函数是ggplot2中的映射函数, 所谓的映射即为数据集中的数据关联到相应的图形属性过程中一种对应关系（注意第10行）。可以发现, 在p2中, 通过aes()指定了横纵坐标分别为wt和hp

>p1 <- ggplot(data = mtcars

>summary(p1)

data: mpg, cyl, disp, hp, drat, wt, qsec, vs, am, gear, carb [32x11]

faceting: <ggproto object: Class FacetNull, Facet, gg> 

…… #此部分省略一些内容

>p2 <- ggplot(data = mtcars, mapping = aes(x = wt, y = hp))

>summary(p2)

data: mpg, cyl, disp, hp, drat, wt, qsec, vs, am, gear, carb [32x11]

mapping:  x = ~wt, y = ~hp faceting: <ggproto object: Class FacetNull, Facet, gg> 

…… #此部分省略一些内容

另外，在ggplot2中，ggplot()函数声明了全局数据和映射关系，在后续几何对象中如未重新设定数据和映射关系，几何对象将沿用ggplot()中声明的数据与映射关系；当然几何对象可重新设定数据与映射关系，并作用于此几何对象（对比图4和图7），但并不对初始图图层产生影响（对比图4和图6，图6虽对几何图形中重新定义y变量为carb，但纵坐标依然是wt）。

#library(ggolot2)

p <- ggplot(mtcars, aes(x = mpg, y = wt))#设定默认的映射关系

p4 <- p + geom_point() + labs(title="图4")#图4沿用默认的映射关系来绘制散点图

p5 <- p + geom_point(aes(shape = factor(carb))) + labs(title="图5") #图5添加图层中的shape的映射关系

p6 <- p + geom_point(aes(y = carb)) + labs(title="图6")#图6修改默认的y的映射关系, 注意图中y轴名称仍然以默认的wt表示

df <- mtcars[which(mtcars$am==1),]

p7 <- p + geom_point(data = df,aes(x = mpg, y = wt)) + labs(title="图7")

#重新定义point几何对象中的数据与映射关系

###########一页多图########

#library(grid)

grid.newpage()  ##新建页面

pushViewport(viewport(layout = grid.layout(2,2))) #将页面分成2*2矩阵

vplayout <- function(x,y){ viewport(layout.pos.row = x, layout.pos.col = y)}

print(p4, vp = vplayout(1,1))   #（1,1)的位置画图4

print(p5, vp = vplayout(1,2))   #(1,2)的位置画图5

print(p6, vp = vplayout(2,1))  #（2,1)的位置画图6

print(p7, vp = vplayout(2,2))  #（2,2)的位置画图7

2、几何对象（Geometric）

上述例子中，数据映射关系有ggplot()函数设定，使用geom_point()添加一个几何图层，告诉ggplot绘画点图，并将图层属性映射到散点上。

geom_point之外，ggplot2提供了多种几何对象映射，如geom_histogram直方图，geom_bar画柱状图，geom_boxplot画箱式图等等。不同的几何对象，要求的属性会有些不同，这些属性也可以在几何对象映射时提供。

>library(ggplot2)

>ls("package:ggplot2", pattern="^geom_.+")

[1] "geom_abline" "geom_area" "geom_bar" "geom_bin2d" "geom_blank"

[6] "geom_boxplot" "geom_col" "geom_contour" "geom_count" "geom_crossbar"

[11] "geom_curve" "geom_density" "geom_density_2d" "geom_density2d" "geom_dotplot"

[16] "geom_errorbar" "geom_errorbarh" "geom_freqpoly" "geom_hex" "geom_histogram"

[21] "geom_hline" "geom_jitter" "geom_label" "geom_line" "geom_linerange"

[26] "geom_map" "geom_path" "geom_point" "geom_pointrange" "geom_polygon"

[31] "geom_qq" "geom_qq_line" "geom_quantile" "geom_raster" "geom_rect"

[36] "geom_ribbon" "geom_rug" "geom_segment" "geom_sf" "geom_sf_label"

[41] "geom_sf_text" "geom_smooth" "geom_spoke" "geom_step" "geom_text"

[46] "geom_tile" "geom_violin" "geom_vline"

#library(ggplot2)

p <- ggplot(mtcars, aes(x = mpg, y = wt))

p8 <- p + geom_point() + labs(title="图8") #图8散点图

p <- ggplot(mtcars, aes(x = factor(carb), y = wt))

p9 <- p + geom_bar(stat= 'identity') + labs(title="图9") #图9条形图

###########一页多图########

#library(grid)

grid.newpage()  ##新建页面

pushViewport(viewport(layout = grid.layout(1,2))) #将页面分成2*2矩阵

vplayout <- function(x,y){ viewport(layout.pos.row = x, layout.pos.col = y)}

print(p8, vp = vplayout(1,1))   #（1,1)的位置画图8

print(p9, vp = vplayout(1,2))   #(1,2)的位置画图9

3、标度（Scale）：fill、color、shape

在对图形属性进行映射之后，使用标度可以控制这些属性的显示方式，比如颜色属性、形状属性等。对比图10和图11，aes中color参数属性可以发现，如color对应变量为factor因子时，图10中图例分组显示不同颜色；但如factor对应的变量为数值，ggplot将其识别为连续变量，数值大小决定颜色深度；对比12和图13，不论是在ggplot函数中定义color还是在几何对象中定义color，其具有相同的效果。

#library(ggplot2)

p <- ggplot(mtcars, aes(x = mpg, y = wt))

p10 <- p + geom_point(aes(color=factor(gear))) + labs(title="图10") #图10

p11 <- p + geom_point(aes(color=gear)) + labs(title="图11") #图11

p <- ggplot(mtcars, aes(x = mpg, y = wt,color = factor(gear)))

p12 <- p + geom_point(aes(shape=factor(cyl))) + labs(title="图12") #图12

p <- ggplot(mtcars, aes(x = mpg, y = wt))

p13 <- p + geom_point(aes(color=factor(gear),shape=factor(cyl))) + labs(title="图13") #图13

###########一页多图#########

library(grid)

grid.newpage()  ##新建页面

pushViewport(viewport(layout = grid.layout(2,2))) #将页面分成2*2矩阵

vplayout <- function(x,y){ viewport(layout.pos.row = x, layout.pos.col = y)}

print(p10, vp = vplayout(1,1))   #（1,1)的位置画图10

print(p11, vp = vplayout(1,2))   #(1,2)的位置画图11

print(p12, vp = vplayout(2,1))  #（2,1)的位置画图12

print(p13, vp = vplayout(2,2))  #（2,2)的位置画图13

4、统计变换（Stat）

统计变换对原始数据进行某种计算，然后在图上显示出来，例如在散点图上加一条回归线。

ggplot(mtcars, aes(x = mpg, y = wt))+geom_point()+scale_y_log10()+stat_smooth(method = "auto", formula = y ~ x)

aes所提供的参数，就通过ggplot提供，而不是提供给geom_point，因为ggplot里的参数，相当于全局变量，geom_point()和stat_smooth()都知道x,y的映射，如果只提供给geom_point()，则相当于是局部变量。ggplot2提供了多种统计变换方式：

>library(ggplot2)

>ls("package:ggplot2",pattern="stat_.+")

[1] "stat_bin" "stat_bin_2d" "stat_bin_hex" "stat_bin2d" "stat_binhex"

[6] "stat_boxplot" "stat_contour" "stat_count" "stat_density" "stat_density_2d"

[11] "stat_density2d" "stat_ecdf" "stat_ellipse" "stat_function" "stat_identity"

[16] "stat_qq" "stat_qq_line" "stat_quantile" "stat_sf" "stat_sf_coordinates"

[21] "stat_smooth" "stat_spoke" "stat_sum" "stat_summary" "stat_summary_2d"

[26] "stat_summary_bin" "stat_summary_hex" "stat_summary2d" "stat_unique" "stat_ydensity"

[31] "update_stat_defaults"

5、坐标系统（Coordinante）

坐标系统控制坐标轴进行变换，例如XY轴翻转，笛卡尔坐标和极坐标转换。

#设置基本映射关系

p <- ggplot(mtcars)

p14 <- p + geom_bar(aes(x = factor(carb)))+coord_flip() + labs(title="图14")  #图14原图

#坐标轴翻转由coord_flip()实现

p15 <- p + geom_bar(aes(x = factor(carb)))+coord_flip() + labs(title="图15")  #图15

#转换成极坐标可以由coord_polar()实现:风玫瑰图(windrose)

p16 <- p + geom_bar(aes(x = factor(1),fill=factor(gear))) + coord_polar() + labs(title="图16")  #图16

#转换成极坐标可以由coord_polar()实现:风玫瑰图(windrose)

p17 <- p + geom_bar(aes(x = factor(carb),fill=factor(gear))) + coord_polar() + labs(title="图17")  #图17

###########一页多图########

#library(grid)

grid.newpage()  ##新建页面

pushViewport(viewport(layout = grid.layout(2,2))) #将页面分成2*2矩阵

vplayout <- function(x,y){ viewport(layout.pos.row = x, layout.pos.col = y)}

print(p14, vp = vplayout(1,1))   #（1,1)的位置画图14

print(p15, vp = vplayout(1,2))   #(1,2)的位置画图15

print(p16, vp = vplayout(2,1))  #（2,1)的位置画图16

print(p17, vp = vplayout(2,2))  #（2,2)的位置画图17

6、分面（Facet）

分面可以让我们按照某种给定的条件，对数据进行分组，然后分别画图。

#facet_grid

mt <- ggplot(mtcars, aes(mpg, wt, colour = factor(cyl))) +  geom_point()

mt + facet_grid(. ~ cyl, scales = "free")

#facet_wrap

ggplot(mpg, aes(displ, hwy)) +  geom_point() +  facet_wrap(~class, scales = "free")

7、主题（Theme）

p1 <- ggplot(mtcars, aes(wt, mpg)) +  geom_point() +  labs(title = "Fuel economy declines as weight increases") + labs(title="图20")  #图20

p17 <- p1 + theme(plot.title = element_text(size = rel(2)))  + labs(title="图17")  #图17

p18 <- p1 + theme(plot.background = element_rect(fill = "green"))  + labs(title="图18")  #图18

p19 <- p1 + theme(panel.background = element_rect(fill = "white", colour = "grey50")) + labs(title="图19")  #图19

###########一页多图########

#library(grid)

grid.newpage()  ##新建页面

pushViewport(viewport(layout = grid.layout(2,2)))#将页面分成2*2矩阵

vplayout <- function(x,y){ viewport(layout.pos.row = x, layout.pos.col = y)}

print(p1, vp = vplayout(1,1))   #（1,1)的位置画图20

print(p17, vp = vplayout(1,2))   #(1,2)的位置画图17

print(p18, vp = vplayout(2,1))  #（2,1)的位置画图18

print(p19, vp = vplayout(2,2))  #（2,2)的位置画图19

R语言绘图系列：

使用geom_label绘制标签散点图

绘制点，并通过nudge参数对标签进行x轴和y轴上的平移

使用angle参数对标签角度进行设置

geom_label可以使用fill对颜色进行填充,fontface设置字体，geom_text不能填充颜色

parse参数意思是前面传入的是一个数学表达式，size定义标签相对大小。

画一个散点图

annotate函数传入标签

添加矩形

添加短线段

2.1 guide_legend函数（主要参数：color, shape, size）

图例调整函数也属于标度函数的一类，但不可以直接使用加号来连接，必须放在函数中，作为一个参数。

guide_colorbar和guide_legend设置的是不同的图例，guide_colorbar定义色条图例，guide_legend定义普通图例。

2.2 标度函数scale

对于连续型变量，使用的参数是scale_xxx_continous()，对于分类型变量，使用的是scale_xxx_discrete()。

2.3：theme函数

在theme函数中，与图例有关的主要参数有：

标题主要有五种：主标题，副标题，角注，x轴标签和y轴标签

ggtitle()只能定义标题和副标题，默认的位置在左上角。

---