R in action - chapter2 数据结构 ~ chapter6 基本图形~chapter11 中级绘图~chapter16高级绘图

2.2 R 中得数据结构： 

向量 ： 同一向量无法混合不同模式的数据。 c()

矩阵： x <- matrix(1:10, nrow=2) 默认情况下，矩阵按列填充。

数组： 与矩阵类似，但维度可以大于2. myarray <- array(vector, dimensions, dimnames)

数据框： 最为常用的数据结构。不同列可以包含不同的模式。 mydata <- data.frame(col1, col2, col3...)

选取数据框中的元素可以使用标号，也可以直接指定列名，如 data$col_name1

捷径： attach(), detach()将数据框从搜索路径中添加或移除。with() 仅在此函数的括号类生效。

因子： factor()

列表：各种数据结构的有序结合。list ()

2.3 导入数据/导出数据

read.table(), write.table()

6.3

条形图（barplot）和直方图（hist）展示的内容不同。条形图展示了类别型变量的分布，每个条形之间是隔开的。而直方图展示了连续型变量的分布，方块之间没有空隙，x轴也是将值域分割成一定数量的组。

密度曲线：用于估计随机变量概率密度函数。用来观察连续型变量分布的有效方法。

轴须图：实际数据的一维呈现方式。

polygon() 函数根据顶点的x和y坐标绘制多边形。

可比较的密度曲线： sm.density.compare(x, factor)

同样，箱线图也可用来可视化分布和组间差异。boxplot(x)。 若使用想用箱线图进行跨组比较： boxplot(x ~ y)。 若要带有凹槽的箱线图：notch=TRUE.可描述中位数的95%置信区间的位置。

boxplot.stats(x)可输出各种统计量。

小提琴图：将箱线图和密度曲线和在一起。vioplot(x1, x2, x3)

点图：简单水平刻度上绘制大量有标签值的方法。dotchart(x, label)

 11.1

散点图：plot(x, y), abline(lm(x~y) 给出一条拟合线性直线。lowess(x, y)给出一条拟合平滑曲线。更复杂一点的有scatterplot，可以按子集绘图，交互式地识别点。

散点图矩阵：pairs(~mpg+disp+drat+wt, data=mtcars) scatterplotMatrix划得更复杂一点.

高密度散点图：smoothScatter(), 或者hex bin()函数可通过调颜色密度来表示点的分布。

三维散点图来描述三个变量的关系。

气泡图 symbols(x, y, z)也能描述三个变量的关系。z可用泡泡的大小来描述。

相关系数矩阵图：用来描述一堆变量中两两变量的相关系数。corrgram()

马赛克图：用以观察两个以上类别型变量的关系mosaic()

16.1 lattice 包： 其最强大之处在于可以添加条件变量。若添加一个条件变量，每个水平下都会创建一个面板。

y ~ x | A*B 

(左边为主要变量，一般为连续变量；右边是条件变量，一般是因子)

面板函数：可以往LATTICE构建出的面板上添加各种东西。

分组变量：group=  将不同水平下的结果叠加在一起。

key= 生成图例

图形参数， 页面摆放， 改变面板顺序。

ggplot2 包无比强大的绘图系统