中级绘图
散点图：散点图一般用来描述两个连续变量间的关系，在R中，创建散点图的基础函数为plot(x,y)，其中，x和y是数值型向量，代表着图形中(x,y)点。
abline()函数用来添加最佳拟合的线性直线，而lowess()函数用来添加一条平滑的曲线
R有两个平滑曲线拟合函数，lowess()和loess()，loess()是基于lowess()表达式版本的更新和更强大的拟合函数。
散点图矩阵：函数pairs()函数可以创建基础的散点图矩阵，如下便创建了一个散点图矩阵
pairs(~mpg+disp+drat+wt,data=mtcars,main=”Basic Scatter Plot Matrix”)
其中，上图标志中，变量和变量行列交叉处的图形表示该处的二者关系，比如，mpg和disp二者的散点图关系就如第二行第一列所示，需要注意的是，mpg、disp、drat和wt这四个变量组成的对角线的上三角和下三角散点图是相同的，因而，只需要看一个三角即可。
另外，使用car包中的scatterplotMatrix()函数可以生成散点图矩阵，例如：
考虑四个变量的相关性：
可以看出，其中wt和disp相关性最高，为0.8879799
高密度散点图：
当数据重叠很严重的时候，用散点图来观察变量的关系就显得“力不从心”，如下是一个例子：
这些点都因重叠而无法辨认哪个地方的散点多，哪个地方少，所以，R提供了一些办法，通过使用封箱，颜色和透明度来指明图中任意点上的重叠点的数目。
smoothScatter()函数可以利用核密度估计生成用颜色密度来表示点分布的散点图，如下：
with(mydata,smoothScatter(x,y,main=”Scatterplot Colored By Smooth Densities”))
三维散点图：
散点图和散点矩阵展示的都是变量间的二元关系，假如对三个定量变量的交互关系进行可视化，一般需要用到三维散点图
三维散点图，一般可以用scatterplot3d()函数来绘制他们之间的关系，格式为：scatterplot3d(x,y,z)，其中x为水平轴，y为竖直轴，z为透视轴
示例：
还可以用一个曲面去拟合图中的所有点，该函数也有多种参数，可以进行颜色，垂直线的添加：
旋转三维散点图：可以通过创建一个交互式的散点图来多个角度的去观察数据，可以使用鼠标对图形进行旋转
可以使用rgl包中的plot3d()函数来创建可交互式的三维散点图
函数的格式为：plot3d(x,y,z)
气泡图：先创建一个散点图，然后用点的大小来表示第三个变量的值，称之为气泡图，用函数symbols()函数来创建气泡图，可以通过参数来设置最终气泡的样式，比如为圆圈，心性，温度计等，以绘制圆圈图为例：
symbols(x,y,circle=radius)
其中，x和y还有radius是需要设定的向量，分别表示为x，y坐标和圆圈半径
折线图，如果将散点图上所有的点从左往右依次连接起来，就会得到一个折线图：
折线图函数，plot(x,y,type=)或者lines(x,y,type=)，其中x和y是要连接(x,y)点的数值型向量，其中参数type=，后面参数如下：
具体情形如下：
需要注意的是，plot函数一般用于生成新图，而lines函数一般用来在图中添加新信息，并不能自己生成图形
一个小示例如下：
相关图：被考察的变量与某些变量的相关性强弱，可以用相关图来展示：
