1、.,1,R 繪 圖 功 能,.,2,統(tǒng)計(jì)繪圖,類別資料: bar chart, pie chart 連續(xù)資料: stem-and-leaf plot, histogram, box plot, scatter plot,2,.,3,統(tǒng)計(jì)圖形（Stem-and-Leaf）,Author: John W. Tukey. References: Tukey (1977) and Velleman and Hoaglin(1981). 用途與特性：莖葉圖主要是用來(lái)描述資料分佈的型態(tài)，和直方圖具有一樣的性質(zhì)，但卻比直方圖多了保留原始資料(keep the original data)的特性。 作法： 決

2、定stem（樹幹、主幹）的數(shù)值：可想像是直方圖的組距（如：95，stem記為9；若資料數(shù)值為985，stem記為98）。 決定leaf（樹葉）：通常都是數(shù)值資料的最後一個(gè)位數(shù)；定好後將資料每一筆值依序填入莖葉圖的表中（如：95，leaf記為5；若資料數(shù)值為985，leaf記為5）。 計(jì)算各組次數(shù)(frequency)：填完後記錄各組的個(gè)數(shù)。,.,4,統(tǒng)計(jì)圖形（Stem-and-Leaf）,優(yōu)點(diǎn)1：可呈現(xiàn)實(shí)際的觀測(cè)值。 優(yōu)點(diǎn)2：可以由此得知資料的排序(order)，而有序統(tǒng)計(jì)量(order statistics)對(duì)於統(tǒng)計(jì)分析與推論上，是有很大的幫助。此外，知道資料的排序，就可得知各個(gè)資料所屬的樣

3、本百分比(sample percentiles)。 延伸圖形1：Ordered stem-and-leaf display: 將原先的莖葉圖，在樹葉部分的數(shù)值加以排序。 延伸圖形2：將原先的stem組距縮短，用符號(hào)（如：O）表示。要注意的是：資料分的組數(shù)太多，圖型會(huì)比較不平滑，可能大部分的組只有少少的觀測(cè)值，但若組數(shù)太少，所有資料又會(huì)集中在某一組；這兩種情況，都比較無(wú)法看出資料集中或是分散的趨勢(shì)。 缺點(diǎn)：適合數(shù)據(jù)較少的資料。 R 指令： stem(變數(shù)名稱),.,5,統(tǒng)計(jì)圖形（Stem-and-Leaf）,莖葉圖（Stem-and-Leaf）,.,6,Practice,畫出data2中，身高的

4、莖葉圖,6,.,7,統(tǒng)計(jì)圖形（Box plot),用途與特性：固定資料的尺度位置，利用樣本產(chǎn)生之統(tǒng)計(jì)量（最小值minimum、第一四分位數(shù)first quartile、中位數(shù)median、第三四分位數(shù)third quartile、最大值maximum）來(lái)描繪資料的分佈。主要是利用資料尺度固定的特性，用統(tǒng)計(jì)量所在的位置來(lái)比較兩組以上資料分佈及差異，並察看資料的離散程度，圖形所呈現(xiàn)的訊息比莖葉圖或直方圖少。 作法： 確定資料的尺度。 求資料之最小值minimum(min)、第一四分位數(shù)first quartile(Q1)、中位數(shù)median(Q2)、第三四分位數(shù)third quartile(Q3)

5、、最大值maximum(max)。 第一四分位數(shù)first quartile、第三四分位數(shù)third quartile分別代表箱子的兩端，中位數(shù)median所在的位置畫一條線，將箱子切為兩半 從第一四分位數(shù)的位置畫一條線，延伸至最小值；從第三四分位數(shù)的位置畫一條線，延伸至最大值。,.,8,統(tǒng)計(jì)圖形（Box plot),其他： Interquartile range四分位距（IQR）：IQRQ3-Q1 第三與第一四分位數(shù)的差距；即箱子的總長(zhǎng)度。 Outlier離群值：也可稱為極端值，若一組資料有極端值的存在，將會(huì)影響資料分佈的型態(tài)，對(duì)於某些統(tǒng)計(jì)量（如：平均數(shù)）也會(huì)有很大的影響。 Tukey利用I

6、QR來(lái)判別資料是否具有離群值，他訂立了幾個(gè)衡量的量與標(biāo)準(zhǔn)(Ch6.1 p.330-331)： Inner fence(內(nèi)部柵欄)：距離Q1及Q3 一點(diǎn)五倍IQR的位置。 Outer fence(外部柵欄)：距離Q1及Q3 三倍IQR的位置。 Suspected outliers：落在inner fence與outer fence之間的資料為疑似離群值。 Outliers: 落在outer fence 之外的資料為離群值。 R指令： boxplot(變數(shù)名稱1),.,9,9,Elements of a Box Plot,盒鬚圖 (box plot),.,10,盒鬚圖 (box plot),box

7、plot(high),boxplot(c(high,200),10,.,11,Practice,畫出data2中，體重的盒鬚圖,11,.,12,分割資料繪圖,男女身高的分佈可能不同，想要將男女分開畫圖 boxplot(split(high,sex) boxplot(highsex),12,.,13,Practice,依照性別，畫出data2中，體重的盒鬚圖,13,.,14,盒鬚圖 (box plot),boxplot(high,horizontal=T),14,畫成水平的盒鬚圖,.,15,盒鬚圖 (box plot),boxplot(split(high,sex), col=c(3,4), x

8、lab=“gender”, ylab=“high”, main=Box plot),15,給男女不同的顏色,y座標(biāo)的名稱,圖形的標(biāo)題,X座標(biāo)的名稱,.,16,盒鬚圖 (box plot),boxplot(split(high,sex),col=c(red,yellow), xlab=gender, ylab=high, main=Box plot),16,除了數(shù)字之外，也可以用文字表示,.,17,Practice,依照性別，畫出data2中，體重的盒鬚圖，命名x軸為sex，y軸為weight，並用不同顏色分別男女。將此圖命名為“Box plot of weight”。,17,.,18,將圖片存

9、檔,指令: savePlot(欲儲(chǔ)存檔案名稱, type = c(wmf, emf, png, jpeg, jpg, bmp, ps, eps, pdf, ) 或者,18,.,19,統(tǒng)計(jì)圖形,盒鬚圖（Box plot） par(mfrow=c(2,2) #par指令是將圖形分成左右兩個(gè)位置；mfrow表示分割是依據(jù)列來(lái)做切割 boxplot(data$wt) #繪製weight變項(xiàng)的box plot boxplot(data$wt, horizontal=T,ylab=weight,main=Horizontal Box Plot) # horizontal=T表示畫成水平的盒子圖；main,

10、 xlab, ylab後面接的字串 分別代表圖形的標(biāo)題、x座標(biāo)、y座標(biāo)的名稱，col為圖形顏色的指令 boxplot(split(data$wt,data$sex),col=c(3,4),xlab=sex ,ylab=weight) #依照性別畫圖，並圖上顏色 boxplot(data$wtdata$sex,col=c(“red”,“yellow”),xlab=“sex” ,ylab=“weight”) #另一種依照類別(性別)畫圖的表示法 #split函數(shù)的第二個(gè)變數(shù)，或是後面接的變數(shù)，皆是代表要依此分群分類的資料,.,20,統(tǒng)計(jì)圖形（Box plot）,.,21,Practice,請(qǐng)畫出資

11、料“airquality”中，“Temp”的盒鬚圖。 請(qǐng)根據(jù)不同月份，畫出資料“airquality”中，“Temp”的盒鬚圖。(用不同顏色代表不同月份，X軸名稱為“Month”，Y軸名稱為“Temperature”) 請(qǐng)說(shuō)明盒鬚圖的結(jié)果,21,.,22,統(tǒng)計(jì)圖形,散佈圖（Scatter plot） 用途與特性：描述兩個(gè)變數(shù)、或兩組資料之間的關(guān)係或趨勢(shì)。 指令： plot(變數(shù)名稱1, 變數(shù)名稱2),.,23,散佈圖 (Scatter plot),plot(weight,high),23,.,24,統(tǒng)計(jì)圖形（Scatter plot matrix）,散佈圖矩陣 (scatter plot ma

12、trix) 當(dāng)資料有三個(gè)變數(shù)以上，可以將資料中兩兩變數(shù)之間的關(guān)係，用散佈圖矩陣呈現(xiàn)。 指令： pairs(資料檔名稱) 以鳶尾花為例 data(iris) pairs(iris),.,25,.,26,散佈圖 (Scatter plot),plot(data1),26,將data1中的所有變數(shù)，兩兩配對(duì)畫出來(lái),.,27,Practice,請(qǐng)將Surgical的資料讀入R 看看共有幾個(gè)人的資料，每個(gè)人的資料收集了幾個(gè)變數(shù) 請(qǐng)畫出clot與prog的散佈圖,27,.,28,散佈圖中可以設(shè)定的參數(shù)（Scatter plot）,.,29,散佈圖中可以設(shè)定的參數(shù)（Scatter plot）,.,30,圖形

13、的種類(type=),plot(data2$weight,data2$high,type=p,main=type=p) plot(data2$weight,data2$high,type=l,main=type=l) plot(data2$weight,data2$high,type=b,main=type=b) plot(data2$weight,data2$high,type=o,main=type=o) plot(data2$weight,data2$high,type=h,main=type=h) plot(data2$weight,data2$high,type=s,main=typ

14、e=s),30,.,31,31,.,32,標(biāo)明線的種類 (lty=),plot(data2$weight,data2$high,type=l,lty=1,main=lty=1) plot(data2$weight,data2$high,type=l,lty=2,main=lty=2) plot(data2$weight,data2$high,type=l,lty=3,main=lty=3) plot(data2$weight,data2$high,type=l,lty=4,main=lty=4) plot(data2$weight,data2$high,type=l,lty=5,main=lt

15、y=5) plot(data2$weight,data2$high,type=l,lty=6,main=lty=6),32,.,33,33,.,34,設(shè)定點(diǎn)的型式(pch=),可選擇的型式 plot(data2$weight,data2$high,pch=1,main=pch=1) plot(data2$weight,data2$high,pch=2,main=pch=2) plot(data2$weight,data2$high,pch=3,main=pch=3) plot(data2$weight,data2$high,pch=%,main=pch=%) plot(data2$weight

16、,data2$high,pch=*,main=pch=*) plot(data2$weight,data2$high,pch=,main=pch=),34,only available on graphsheet,.,35,35,.,36,Color,36,.,37,Practice,在Surgical資料中，用三種不同的點(diǎn)畫出clot與prog的散佈圖,37,.,38,將兩變數(shù)畫在同一張圖上（Scatter plot）,若想將兩個(gè)變數(shù)畫在同一張圖上,.,39,Example 1,將data1中high與weight依男女分別畫在同一張圖上,39,因?yàn)槟猩纳砀呓殪?57182，體重介於549

17、4，先畫男生的身高-體重散佈圖，X與Y的範(fàn)圍會(huì)被男生的資料決定(女生身高介於149175，體重介於4146),.,40,Example 1,plot(high_sex$M,weight_sex$M,xlim=c(140,190),ylim=c(40,100),pch=3,col=3) points(high_sex$F,weight_sex$F,pch=4,col=6),plot(high_sex$M,weight_sex$M,xlim=range(high),ylim=range(weight),pch=3,col=3) points(high_sex$F,weight_sex$F,pch=

18、4,col=6),40,.,41,加入註解,legend(X的頂點(diǎn), Y的頂點(diǎn), legend=c(欲加入的註解), pch=c(使用的點(diǎn)的型式), col=c(使用的顏色), lty=c(使用的線的種類) ) Ex: legend(150,95,legend=c(Male,Female),pch=c(3,4),col=c(3,6),41,.,42,Example 1,42,(150,95),可以很明顯看出來(lái)，女生比男生輕、身高較不高 Q: 有線性關(guān)係嗎?,.,43,Example 2,43,若已知身高與體重的關(guān)係為weight=-113.5+1.05high，將這一條迴歸線加在圖中 abli

19、ne(截距，斜率) abline(-113.5,1.05,col=purple),.,44,Example 2,44,.,45,Practice,在Surgical資料中，依男女畫出clot與prog的散佈圖(gender=0: male; gender=1: gemale)，男女請(qǐng)用不同顏色及標(biāo)示，並加入註解標(biāo)明男女。 假設(shè)clot與prog的關(guān)係為porg=57.75+0.95clot，請(qǐng)將此迴歸線標(biāo)示於圖上,45,.,46,Example 3,46,資料TemperatureMonth記錄臺(tái)灣26區(qū)域，一月到十二月的平均溫度 將A、B、C三地的每月平均溫度畫在同一張圖上,.,47,Pra

20、ctice,47,將D、E、F三地的每月平均溫度畫在同一張圖上 用不同顏色及線條標(biāo)明D、E、F三地，並加註解,.,48,統(tǒng)計(jì)圖形（Scatter plot）,.,49,統(tǒng)計(jì)圖形（Scatter plot）,.,50,統(tǒng)計(jì)圖形（Histogram）,Author: William Playfair (1759-1823) 為數(shù)據(jù)圖學(xué)的先驅(qū)。 用途與特性：描述資料的分佈。 作法：決定組距(continuous data)或是類別數(shù)(categorical/ discrete data)，計(jì)算各組的個(gè)數(shù)，直方圖的寬度為資料的組距；高度即各組的個(gè)數(shù)、或所佔(zhàn)的百分比。 R指令: hist(變數(shù)名稱, )

21、,.,51,hist(),hist(x, breaks=Sturges, freq = NULL, col = NULL, main = paste(Histogram of , xname), xlim = range(breaks), ylim = NULL, xlab = xname, ) breaks: 設(shè)定組距 自行設(shè)定: c() 利用seq() 設(shè)定分組的組數(shù)( nclass) freq: 畫次數(shù)(T)或是相對(duì)頻率(F) xlim: X軸取值的範(fàn)圍,51,.,52,直方圖 (Histogram ),hist(high) 自動(dòng)給定組距,hist(high,breaks=c(140,1

22、55,165,170,190),52,.,53,直方圖 (Histogram ),hist(high,breaks=seq(140,190,10),hist(high,nclass=8),53,.,54,直方圖 (Histogram ),hist(high),hist(high,freq=F),54,.,55,統(tǒng)計(jì)圖形（Bar plot）,用途與特性：描述資料的分佈(特別是類別資料)。 作法：寬度相同，長(zhǎng)度和已知次數(shù)成比例的長(zhǎng)方形顯示數(shù)據(jù)的統(tǒng)計(jì)圖。 指令 barplot(變數(shù)名稱) Ex: barplot(VADeaths) barplot(VADeaths, legend = rowname

23、s(VADeaths) title(main = list(Death Rates in Virginia, font = 4),.,56,.,57,Random generation from distribution,Normal distribution rnorm(n, mean=0, sd=1) Chi-square distribution rchisq(n, df , ncp=0) Student t distribution rt(n, df) F distribution rf(n, df1, df2) Binomial distribution rbinom(n, size

24、, prob) Poisson distribution rpois(n, lambda) Uniform distribution runif(n, min=0, max=1),.,58,Random generation from distribution,.,59,.,60,機(jī)率分佈相關(guān)的指令,Normal distribution 常態(tài)分佈 dnorm(x, mean=0, sd=1) x值所對(duì)應(yīng)的密度 pnorm(q, mean=0, sd=1) q值所對(duì)應(yīng)的累積機(jī)率 qnorm(p, mean=0, sd=1) 累積機(jī)率值為p所對(duì)應(yīng)的數(shù)值 rnorm(n, mean=0, sd=1

25、) 利用常態(tài)分佈產(chǎn)生n個(gè)隨機(jī)亂數(shù),.,61,繪製機(jī)率密度函數(shù)圖,#=Normal Probability distribution=# x=c(-250:250)/50 a=dnorm(x, mean = 0, sd = 1) b=dnorm(x, mean = 0, sd = 20.5) c=dnorm(x, mean = 0, sd = 0.5(0.5) dd=dnorm(x, mean = 2, sd = 1) plot(x,c,pch=+) points(x,b,pch=-,col=blue) points(x,a,col=red,pch=*) points(x,dd,pch=,col

26、=Green) legend(-5,0.55, legend=c(mean=0 var=1,mean=0 var=2,mean=0 var=0.5, mean=2 var=1),pch=c(*,-,+,), col=c(red,blue,black,Green),.,62,.,63,另一種繪製機(jī)率密度函數(shù)圖的方法,x=c(-250:250)/50 matplot(x, outer(x, c(0.5,1,2),function(x,sd)dnorm(x,0,sd), lty=1:3, type=c(l,l,l), ylab=, col=c(black,red,blue) matlines(x,

27、outer(x, c(-1,2),function(x,mu)dnorm(x,mu,1), lty=4:5, type=c(l,l,l), ylab=, col=c(green,purple) legend(1.5,0.8,c(N(0,0.5),N(0,1),N(0,2),N(-1,1),N(-2,1), lty=1:5,col=c(black,red,blue,green,purple) ),.,64,另一種繪製機(jī)率密度函數(shù)圖的方法,matplot: 將矩陣(x, y)依據(jù)行的資料，畫成圖形。 指令：matplot(x, y, 其餘圖形的設(shè)定指令)；在此y是利用outer指令產(chǎn)生。 oute

28、r: 利用函數(shù)function產(chǎn)生一個(gè)矩陣，亦即生成(x, y) 指令：outer(x, y, function) function: 自訂函數(shù)。 指令：function(自訂變數(shù)名稱) 表示式或公式。 matlines: 增加不同圖形於matplot上面。 matpoints: 同上。,.,65,.,66,Example of matplot,table(iris$Species) # is data.frame with Species factor iS - iris$Species = “setosa” #邏輯變數(shù) iV - iris$Species = versicolor #邏輯變

29、數(shù) op - par(bg = “bisque”) #背景是燒陶的顏色 matplot(c(1, 8), c(0, 4.5), type= n, xlab = Length, ylab = Width, main = “Petal and Sepal Dimensions in Iris Blossoms”) #type=“n”表示座標(biāo)軸 matpoints(irisiS,c(1,3), irisiS,c(2,4), pch = c(s, S), col = c(2,4) matpoints(irisiV,c(1,3), irisiV,c(2,4), pch = (v,V), col = c(

30、2,4) legend(1, 4, c(Setosa Petals, Setosa Sepals, Versicolor Petals, Versicolor Sepals), pch = sSvV, col = rep(c(2,4), 2),.,67,繪製機(jī)率密度函數(shù)圖,繪製Beta分佈機(jī)率密度函數(shù)圖形 將Beta(1,1), Beta(1,2), Beta(1, 0.5), Beta(3,2), Beta(4,4), Beta(0.5,0.25) 繪製在同一張圖上,.,68,.,69,統(tǒng)計(jì)圖形,70,低階繪圖函數(shù),71,低階繪圖函數(shù),72,低階繪圖函數(shù),.,73,Example-text(

31、),畫出data1中，身高體重的散佈圖，並標(biāo)示出其迴歸線(weight=-113.5+1.05high),73,.,74,Practice,畫出Surgical data中， clot與prog的散佈圖，並標(biāo)示出其迴歸線(porg=57.75+0.95clot),74,.,75,Example-cex,75,設(shè)定字形大小,.,76,axis(),修改座標(biāo)軸之文字、刻度、顏色 axis(side, at = NULL, labels = TRUE, tick = TRUE, lty = solid, lwd = 1,col = NULL, .) side: 1=below, 2=left, 3=

32、above and 4=right at: 要修改的位置 labels: 修改座標(biāo)軸刻度，可以是數(shù)字或文字 tick:a logical value specifying whether tickmarks and an axis line should be drawn box(): 產(chǎn)生座標(biāo)軸框框,76,.,77,Example,par(mfrow=c(1,2) boxplot(split(clot,gender) boxplot(split(clot,gender),axes=F) axis(1,1:2,labels=c(male,female) axis(2,tick=F) box(),77,.,78,Practice,畫出Surgical data中，不同Dum1的clot之盒鬚圖（X軸之標(biāo)示為Dum1=0與Dum1=1）,78,.,79,Table,計(jì)算離散型資料的次數(shù)分配表 R函數(shù)：table(變數(shù)1,變數(shù)2,變數(shù)3,),79,.,80,Practice,計(jì)算Surgical data中，男女的人數(shù) 分別列出男女接受Dum1治療的人數(shù),80,.,81,長(zhǎng)條圖（bar chart）,描述離散型資料之次數(shù)分配 barplot(height, width = 1, beside = FALSE, hor