R语言中有关绘图的包：base、grid、lattice及ggplot2
1.lattice包
可生成栅栏图形
[plain] view plaincopy
1. library(lattice)
2. histogram(~height|voice.part,data=singer,
3. main="Distribution of Heights by Voice Pitch",
4. xlab="Height(inches)")
height是因变量，voice.part被称作条件变量（conditioning variable）
该代码对八个声部的每一个都创建一个直方图
2.lattice绘图示例
[plain] view plaincopy
1. install.packages("lattice")
2. library(lattice)
3. attach(mtcars)
4. gear<-factor(gear,levels=c(3,4,5),labels=c("3 gears","4 gears","5 gears"))
5. cyl<-factor(cyl,levels=c(4,6,8),labels=c("4 cylinders","6 cylinders","8 cylinders"))
6. densityplot(~mpg,main="Density Plot",xlab="Miles per Gallon")
[plain] view plaincopy
- densityplot(~mpg|cyl,main="Density Plot by Number of Cylinders")
[plain] view plaincopy
1. bwplot(cyl~mpg|gear,main="Box Plots by Cylinders and Gears",xlab="Miles per Gallon",ylab="cylinders")
[plain] view plaincopy
1. xyplot(mpg~wt|cyl*gear,main="Scatter Plots by Cylinders and Gears",xlab="Car Weight",ylab="Miles per Gallon")
[plain] view plaincopy
1. cloud(mpg~wt*qsec|cyl,main="3D Scatter Plots by Cylinders")
[plain] view plaincopy
1. dotplot(cyl~mpg|gear,main="Dot Plots by Number of Gears and Cylinders",xlab="Miles Per Gallon")
3.条件变量
通常条件变量是因子，但若想以连续变量为条件，一种方法是利用R中的cut（）函数将连续型变量转换为离散变量；另外，lattice包提供了一些将连续型变量转化为瓦块（shingle）数据结构的函数。各连续变量会被分割到一系列（可能）重叠的数值范围内。
[plain] view plaincopy
1. library(lattice)
2. displacement<-equal.count(mtcars$disp,number=3,overlap=0)
3. xyplot(mpg~wt|displacement,data=mtcars,
4. main="Miles per Gallon vs.Weight by Engine Displacement",
5. xlab="Weight",ylab="Miles per Gallon",
6. layout=c(3,1),aspect=1.5)
4.面板函数
默认的面板函数服从如下命名惯例：panel.graph_function，其中graph_function是该水平绘图函数，
如xyplot(mpg~wt|displacement,data=mtcars)也可写为xyplot(mpg~wt|displacement,data=mtcars,panel=panel.xyplot)
可以使用自定义函数替换默认的面板函数，也可将lattice包中的50多个默认面板中的某个或多个整合到自定义的函数中。自定义面板函数具有极大的灵活性，可随意设计输出结果以满足要求。
Eg：
[plain] view plaincopy
1. displacement<-equal.count(mtcars$disp,number=3,overlap=0)
2. mypanel<-function(x,y){
3. panel.xyplot(x,y,pch=19)
4. panel.rug(x,y)
5. panel.grid(h=-1,v=1)
6. panel.lmline(x,y,col="red",lwd=1,lty=2)
7. }
8. xyplot(mpg~wt|displacement,data=mtcars,
9. laycout=c(3,1),
10. aspect=1.5,
11. main="Miles per Gallon vs.Weight by Engine Displacement",
12. xlab="Weight",
13. ylab="Miles per Gallon",
14. panel=mypanel)
自定义面板函数和额外选项的xyplot
[plain] view plaincopy
1. library(lattice)
2. mtcars$transmission<-factor(mtcars$am,levels=c(0,1),
3. labels=c("Automatic","Manual"))
4. panel.smoother<-function(x,y){
5. panel.grid(h=-1,v=-1)
6. panel.xyplot(x,y)
7. panel.loess(x,y)
8. panel.abline(h=mean(y),lwd=2,lty=2,col="green")
9. }
10. xyplot(mpg~disp|transmission,data=mtcars,
11. scales=list(cex=.8,col="red"),
12. panel=panel.smoother,
13. xlab="Displacement",ylab="Miles per Gallon",
14. main="MGP vs Displacement by Transmission Type",
15. sub="Dotted lines are Group Means",aspect=1)
5.分组变量
若一个lattice图形表达式含有条件变量时，将会生成在该变量各个水平下的面板，若想将结果叠加到一起，则可以将变量设定为分组变量（grouping variable）。
[plain] view plaincopy
1. library(lattice)
2. mtcars$transmission<-factor(mtcars$am,levels=c(0,1),
3. labels=c("Automatic","Manual"))
4. densityplot(~mpg,data=mtcars,
5. group=transmission,
6. main="MPG Distribution by Transmission Type",
7. xlab="Miles per Gallon",
8. auto.key=TRUE)
可以修改auto.key的值来更改图例的位置
auto.key=list(space="right",columns=1,title="Transmission")
自定义图例并含有分组变量的核密度曲线图
[plain] view plaincopy
1. library(lattice)
2. mtcars$transimission<-factor(mtcars$am,levels=c(0,1),
3. labels=c("Automatic","Manual"))
4. colors=c("red","green")
5. lines=c(1,2)
6. points=c(16,17)
7. key.trans<-list(title="Transimission",
8. space="botton",columns=2,
9. text=list(levels(mtcars$transimission)),
10. points=list(pch=points,col=colors),
11. lines=list(col=colors,lty=lines),
12. cex.title=1,cex=.9)
13. densityplot(~mpg,data=mtcars,
14. group=transimission,
15. main="MPG Distribution by Tranmission Type",
16. xlab="Miles per Gallon",
17. pch=points,lty=lines,col=colors,
18. lwd=2,jitter=.005,
19. key=key.trans)
分组变量和条件变量同时包含在一幅图形中的eg：
[plain] view plaincopy
1. library(lattice)
2. colors<-"darkgreen"
3. symbols<-c(1:12)
4. linetype<-c(1:3)
5. key.species<-list(title="Plant",
6. space="right",
7. text=list(levels(CO2$Plant)),
8. points=list(pch=symbols,col=colors))
9. xyplot(uptake~conc|Type*Treatment,data=CO2,
10. group=Plant,
11. type="o",
12. pch=symbols,col=colors,lty=linetype,
13. main="Carbon Dioxide Uptake\n in Grass Plants",
14. ylab=expression(paste("Uptake",bgroup("(",italic(frac("umol","m"^2)),")"))),
15. xlab=expression(paste("Concentration",bgroup("(",italic(frac(mL.L)),")"))),
16. sub="Grass Spcecies:Echinochloa crus-galli",
17. key=key.species)
6.图形参数
par（）函数仅对R中简单的图形系统生成的图形有效，对于lattice图形来说这些设置是无效的。
在lattice图形中，lattice函数默认的图形参数包含在一个很大的列表对象中，可通过trellis.par.get（）函数来获取
trellis.par.set（）函数来修改
show.settings（）函数可展示当前的图形设置情况
eg：
[plain] view plaincopy
1. show.settings()
2. mysettings<-trellis.par.get()
3. mysettings$superpose.symbol
4. mysettings$superpose.symbol$pch<-c(1:10)
5. trellis.par.set(mysettings)
6. show.settings()
7.页面摆放
par（）函数可在一个页面上摆放多个图形，因lattice函数不识别par（）设置，故需要新方法。可将lattice图形存储到对象中，然后利用plot（）函数中的split=或position=选项来进行控制。
split选项的格式为：
split=c(placement row,placementcolumn,total number of rows,total number of columns)
eg1 :
[plain] view plaincopy
1. library(lattice)
2. graph1<-histogram(~height|voice.part,data=singer,
3. main="Height of Choral Singers by Voice Part")
4. graph2<-densityplot(~height,data=singer,group=voice.part,plot.points=FALSE,auto.key=list(columns=4))
5. plot(graph1,split=c(1,1,1,2))
6. plot(graph2,split=c(1,2,1,2),newpage=FALSE)
eg2：
[plain] view plaincopy
1. library(lattice)
2. graph1<-histogram(~height|voice.part,data=singer,
3. main="Height of Choral Singers by Voice Part")
4. graph2<-densityplot(~height,data=singer,group=voice.part,plot.points=FALSE,auto.key=list(columns=4))
5. plot(graph1,postion=c(0,.3,1,1))
6. plot(graph2,postion=c(0,0,1,.3),newpage=FALSE)
使用position=选项可以对大小和摆放方式进行更多的控制
positon=c(xlim,ylim,xmax,ymax)
index.cond=选项可设定条件水平的顺序
8.ggplot2包
qplot（x,y,data=,color=,shape=,size=,alpha=,geom=,method=,formula=,facets=,xlim=,ylim=,xlab=,ylab=,main=,sub=）
color把变量的水平与符号颜色、形状或大小联系起来。对于直线图，colo将把线条颜色与变量水平联系起来，对于密度图和箱线图fill将把填充颜色与变量联系起来。图例会被自动绘制。
geom设定定义图形类型的几何形状，geom选项是一个单条目或多条目的字符向量，包括“point”、“smooth”、“boxplot”、“line”、“histogram”、“density”、“bar”和“jitter”。
Eg:
[plain] view plaincopy
1. library(ggplot2)
2. mtcars$cylinder<-as.factor(mtcars$cyl)
3. qplot(mtcars$cylinder,mtcars$mpg,geom=c("boxplot","jitter"),
4. fill=mtcars$cylinder,
5. main="Box plots with superimposed data points",
6. xlab="Number of Cylinders",
7. ylab="Miles per Gallon")
[plain] view plaincopy
1. library(ggplot2)
2. transimission<-factor(mtcars$am,levels=c(0,1),
3. labels=c("Automatic","Manual"))
4. qplot(mtcars$wt,mtcars$mpg,
5. color=transimission,shape=transimission,
6. geom=c("point","smooth"),
7. method="lm",formula=y~x,
8. xlab="Weight",ylab="Miles Per Gallon",
9. main="Regression Example")
创建一个分面（栅栏）图
[plain] view plaincopy
1. library(ggplot2)
2. mtcars$cyl<-factor(mtcars$cyl,levels=c(4,6,8),
3. labels=c("4 cylinders","6 cylinders","8 cylinders"))
4. mtcars$am<-factor(mtcars$am,levels=c(0,1),
5. labels=c("Automatic","Manual"))
6. qplot(mtcars$wt,mtcars$mpg,facets=mtcars$am~mtcars$cyl,size=mtcars$hp)
对lattice包中的singer数据进行绘图
[plain] view plaincopy
1. library(ggplot2)
2. data(singer,package="lattice")
3. qplot(height,data=singer,geom=c("density"),
4. facets=voice.part~.,fill=voice.part)
9.交互式图形
与图形交互：鉴别点
eg：
[plain] view plaincopy
1. plot(mtcars$wt,mtcars$mpg)
2. identify(mtcars$wt,mtcars$mpg,labels=row.names(mtcars))
playwith包：
[plain] view plaincopy
1. install.packages("playwith",depend=TRUE)
2. library(playwith)
3. library(lattice)
4. playwith(
5. xyplot(mpg~wt|factor(cyl)*factor(am),
6. data=mtcars,subscripts=TRUE,
7. type=c("r","p")))
playwith（）既对R基础图形有效，也对lattice和ggplot2图形有效
使用latticist包，可通过栅栏图方式探索数据集，该包不仅提供了一个图形的用户界面，也可通过vcd包来创建新的图形，可与playwith整合到一起。
[plain] view plaincopy
1. library(latticist)
2. mtcars$cyl<-factor(mtcars$cyl)
3. mtcars$gear<-factor(mtcars$gear)
4. latticist(mtcars,use.playwith=TRUE)
9.iplots的交互图形
playwith和latticist包只能与单幅图形交互，而iplots包提供的交互方式则有所不同。
该包提供了交互式马赛克图、柱状图、箱线图、平行坐标图、散点图和直方图，以及颜色刷，并可将它们结合在一起绘制。即可通过鼠标对观测点进行选择和识别，且对其中一幅图形的观测点突出显示时，其他被打开的图形将会自动突出显示相同的观测点。另外，可通过鼠标来收集图形对象（诸如点、条、线）和箱线图的信息。
iplot函数
ibar（） 交互式柱状图
ibox（） 交互式箱线图
ihist（） 交互式直方图
imap（） 交互式地图
imosaic（） 交互式马赛克图
ipcp（） 交互式平等坐标图
iplot（） 交互式散点图
[plain] view plaincopy
1. iplots展示
2. library(iplots)
3. attach(mtcars)
4. cylinders<-factor(cyl)
5. gears<-factor(gear)
6. transimission<-factor(am)
7. ihist(mpg)
8. ibar(gears)
9. iplot(mpg,wt)
10. ibox(mtcars[c("mpg","wt","qsec","disp","hp")])
11. ipcp(mtcars[c("mpg","wt","qsec","disp","hp")])
12. imosaic(transimiission,cylinders)
13. detach(mtcars)
14.
15. rggobi
16. GGobi界面
17. install.packages("rggobi",depend=TRUE)
18. libary(rggobi)
19. g<-ggobi(mtcars)
