R note book 文档--输出html格式文档，plotly不能生成PDF文件
---
title: "R语言数据可视化"
output: html_notebook
---
在R语言中进行数据可视化是数据分析和呈现的重要环节，R提供了多种强大的绘图系统和工具。以下是常见的数据可视化方法和示例，从基础到高级逐步介绍：
### **1. 基础绘图系统（Base R Graphics）**
R内置的基础绘图函数，适合快速生成简单图表。
#### **散点图**
```{r}
# 示例数据
x <- 1:10
y <- x^2
# 绘制散点图
plot(x, y,
main = "散点图示例", # 标题
xlab = "X轴", ylab = "Y轴", # 坐标轴标签
pch = 16, # 点的形状
col = "blue", # 点的颜色
cex = 1.5) # 点的大小
```
#### **折线图**
```{r}
# 生成数据
time <- seq(1, 10, by = 0.5)
values <- sin(time)
# 绘制折线图
plot(time, values, type = "l", # type="l"表示折线图
main = "正弦曲线",
xlab = "时间", ylab = "值",
col = "red", lwd = 2) # 线宽为2
```
#### **箱线图**
```{r}
# 使用内置数据集mtcars
data(mtcars)
# 按气缸数(cyl)分组绘制mpg的箱线图
boxplot(mpg ~ cyl, data = mtcars,
main = "不同气缸数车辆的MPG分布",
xlab = "气缸数", ylab = "每加仑英里数(MPG)",
col = c("lightblue", "lightgreen", "lightpink"))
```
### **2. ggplot2包（推荐）**
基于图形语法的高级绘图系统，适合创建复杂、精美的图表。
#### **安装与加载**
```{r}
#install.packages("ggplot2") # 首次使用需安装
library(ggplot2)
```
#### **散点图**
```{r}
# 使用内置数据集iris
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
geom_point(size = 3) + # 散点图层
labs(title = "鸢尾花萼片长度与宽度关系",
x = "萼片长度(cm)", y = "萼片宽度(cm)") +
theme_minimal() # 使用简洁主题
```
#### **柱状图**
```{r}
# 统计不同Species的数量
ggplot(iris, aes(x = Species)) +
geom_bar(fill = "skyblue", color = "black") + # 柱状图层
labs(title = "鸢尾花种类分布", x = "种类", y = "数量") +
theme_classic() # 使用经典主题
```
#### **箱线图与小提琴图**
```{r}
ggplot(iris, aes(x = Species, y = Petal.Length, fill = Species)) +
geom_boxplot(alpha = 0.7) + # 箱线图层
geom_violin(alpha = 0.3) + # 小提琴图层（显示密度分布）
labs(title = "不同种类鸢尾花花瓣长度分布",
x = "种类", y = "花瓣长度(cm)")
```
### **3. 高级可视化**
#### **热图（Heatmap）**
```{r}
# 使用内置数据集mtcars
cor_matrix <- cor(mtcars) # 计算相关系数矩阵
# 绘制热图
heatmap(cor_matrix,
main = "汽车特征相关性热图",
col = cm.colors(256), # 颜色渐变
scale = "column") # 按列标准化
```
#### **直方图与密度图**
```{r}
# 使用ggplot2绘制直方图与密度图
ggplot(iris, aes(x = Sepal.Length)) +
geom_histogram(aes(y = ..density..), # 直方图（显示密度）
bins = 15,
fill = "lightblue",
color = "black") +
geom_density(alpha = 0.2, fill = "blue") + # 密度曲线
facet_wrap(~ Species) + # 按种类分面
labs(title = "鸢尾花萼片长度分布", x = "萼片长度(cm)", y = "密度")
```
#### **气泡图（散点图+大小/颜色映射）**
```{r}
# 使用ggplot2绘制气泡图
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
geom_point(aes(size = Petal.Length, color = Species),
alpha = 0.7) + # alpha设置透明度
scale_size_continuous(range = c(2, 10)) + # 控制点大小范围
labs(title = "鸢尾花特征气泡图",
x = "萼片长度(cm)", y = "萼片宽度(cm)",
size = "花瓣长度", color = "种类") +
theme_bw() # 使用黑白主题
```
### **4. 交互式可视化（plotly）**
创建可交互的图表，适合网页展示或数据分析。
#### **安装与基本用法**
```{r}
#install.packages("plotly")
library(plotly)
# 将ggplot2图表转为交互式
p <- ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
geom_point(size = 3)
ggplotly(p) # 转为交互式图表
```
#### **3D散点图**
```{r}
# 创建3D散点图
plot_ly(iris, x = ~Sepal.Length, y = ~Sepal.Width, z = ~Petal.Length,
color = ~Species, type = "scatter3d", mode = "markers") %>%
layout(title = "鸢尾花3D特征散点图")
```
### **5. 数据可视化注意事项**
1. **选择合适的图表类型**：根据数据类型和分析目的选择（如比较用柱状图，分布用箱线图，关系用散点图）。
2. **保持简洁**：避免过多装饰元素，确保数据是焦点。
3. **使用适当的颜色**：避免使用过于鲜艳或难以区分的颜色，考虑色盲用户。
4. **添加必要标签**：确保图表标题、坐标轴标签、图例清晰。
5. **优化布局**：合理安排图表大小、比例和间距。
### **6. 资源推荐**
- **ggplot2官方文档**：https://ggplot2.tidyverse.org/
- **R Graphics Cookbook**：https://r-graphics.org/
- **Plotly for R**：https://plotly.com/r/
通过以上方法，你可以在R中创建从简单到复杂的各种数据可视化图表，满足不同的分析和展示需求。生活、成长记录
