R软件作图命令汇总

R语⾔低级绘图函数-rectrect 函数⽤来在⼀张图上添加矩形，只需要指定左下⾓和右上⾓的坐标的位置，就可以画出⼀个矩形基本⽤法：plot(1:5, 1:5, xlim = c(0,6), ylim = c (0,6), type = "n")rect(xleft = 1, ybottom = 1, xright = 5, ytop = 5)效果图如下：xleft, ybottom, xright, ytop ⽀持⼀次设置多个值，同时创建多个矩形，⽤法如下：plot(1:5, 1:5, xlim = c(0,6), ylim = c (0,6), type = "n")rect(xleft = c(1, 2), ybottom = c(1, 2), xright = c(5, 4), ytop = c(5, 4))效果图如下：参数设置：border : 设置矩形边框的颜⾊，默认为"black"，⽀持为多个矩形设置不同的值代码⽰例：plot(1:5, 1:5, xlim = c(0,6), ylim = c (0,6), type = "n")rect(xleft = c(1, 2), ybottom = c(1, 2), xright = c(5, 4), ytop = c(5, 4), border = c("red", "blue"))效果图如下：col : 设置矩形的填充⾊，默认为NULL, 表⽰⽆填充⾊，，⽀持为多个矩形设置不同的值plot(1:5, 1:5, xlim = c(0,6), ylim = c (0,6), type = "n")rect(xleft = c(1, 2), ybottom = c(1, 2), xright = c(5, 4), ytop = c(5, 4), col = c("pink", "green"))效果图如下：density 和 angle : 搭配使⽤，设置⽤线条填充矩形，angle 设置线条的⾓度，默认为45， density 设置填充线条的密度，数值越⼤越密集代码⽰例：par(mfrow = c(1,3))plot(1:5, 1:5, xlim = c(0,6), ylim = c (0,6), type = "n", main = "density = 1")rect(xleft = 1, ybottom = 1, xright = 5, ytop = 5, angle = 45, density = 1)plot(1:5, 1:5, xlim = c(0,6), ylim = c (0,6), type = "n", main = "density = 3")rect(xleft = 1, ybottom = 1, xright = 5, ytop = 5, angle = 45, density = 2)plot(1:5, 1:5, xlim = c(0,6), ylim = c (0,6), type = "n", main = "density = 4")rect(xleft = 1, ybottom = 1, xright = 5, ytop = 5, angle = 45, density = 3)效果图如下：lwd: 设置矩形所有线条的宽度代码⽰例：plot(1:5, 1:5, xlim = c(0,6), ylim = c (0,6), type = "n")rect(xleft = 1, ybottom = 1, xright = 5, ytop = 5, angle = 45, density = 2, lwd = 3)效果图如下：lty: 设置矩形所有线条的类型代码⽰例：plot(1:5, 1:5, xlim = c(0,6), ylim = c (0,6), type = "n")rect(xleft = 1, ybottom = 1, xright = 5, ytop = 5, angle = 45, density = 2, lwd = 2, lty = 3)效果图如下：。

R语⾔常⽤语法总结## 1. 数据输⼊ ##a$b # 数据框中的变量a = 15 # 赋值a <- 15 # 赋值a = c(1,2,3,4,5) # 数组（向量）b = a[1] # 数组下标，从1开始b = a[1:5] # ⼦数组b = a[-2] # ⼦数组：扣除第2个的⼦数组b = a[c(1,3)] # ⼦数组：访问第1,3个元素b = c(a0,a1,a2) # 连接多个数组a = rep(c(1,2,3,4),each=8) # ⽣成重复数列，⽀持每个重复和整个重复a = seq(from=1,to=4,by=1) # ⽣成等差数列b = cbind(a0,a1,a2,a3) # 按列合并，⽣成⼆维数组b = a[,1] # 取第1列b = a[1:4,1]b = a[,c(1,3,4)]a = vector(length=8) # ⽣成向量a = matrix(1:20, nrow=8,ncol=4) # ⽣成矩阵colnames(a) = c("A","B","C","D") # 列名称。

!! 函数作为左值b = as.matrix(cbind(a1,a2,a3)) # 利⽤cbind直接⽣成矩阵b = data.frame(b1 = a1,b2 = a2) # ⽣成数据框b = list(c(1,2,3),c("a","b","c","d"),matrix(nrow=2,ncol=2)) # ⽣成散列b = a$c == 1 # ⽣成⼀个⽤于筛选的向量 !!较难理解d = a[b,0] # ⽣成符合条件的⼦集d = a[a$c == 1,]b = order(a$c) # ⽣成⼀个⽤于排序的向量 !!较难理解a[b,] # 排序结果b = merge(a1,a2,by = "Sample"，all = "TRUE") # join两个数据框a$fb = factor(a$b) # 因⼦化tapply(X=a$b,INDEX=a$c,FUN=mean) # 对所有⼦集作函数运算sapply(a,FUN=mean) # 对所有列作函数运算，输出向量lapply(a,FUN=mean) # 对所有列作函数运算，输出列表summary(a) # 计算所有列的基本统计信息table(a$b) # 计算列联表table(a$b,a$c)paste("a","b",sep=",") # 连接字符串##2. 载⼊和输出数据 ##b = read.table(file="C:/data.txt",header=TRUE,dec=".") # 读取CSV数据library(RODBC) # 载⼊ODBC⼯具odbcConnect("MyDb.mdb") # 连接ODBC数据库b = sqlFetch(channel,"MyTable") # 取表write.table(a,file="temp.txt",sep=" ",quote = FALSE, append=FALSE,na="NA") # 输出## 3. 绘图 ##plot(x=a$b,y=a$c,xlab="X",ylab="Y",main="Title",xlim=c(0,10),ylim=c(0,100),pch=1,col=2,cex=1.5) # 散点图，参数多⽀持向量lines() # 曲线jpeg(file="any.jpg") # 打开⼀个jpg⽂件dev.off() # 关闭图⽚⽂件## 4. 语法 ##for (i in 1:10) {do sth...} # for循环a = function(a,b="n") { # 构造函数do sht...}## A. 函数 ### 运算 #colSums() # 按列求和max()median() # 中位数min()paste() # 连接字符串rowSums() # 按⾏求和solve() # 矩阵求拟sqrt() #sum() # na.rm=TRUE 忽略NA值t() # 矩阵转置# 数据定义 #attach() # 添加数据框为路径as.matrix() # 作为矩阵as.data.frame() # 作为数据框c() # 连接向量cbind() # 按列连接，⽣成⼆维colnames() # 列名detach() # 去除数据框作为路径dim() # ⾏数、列数factor() # 因⼦化is.matrix() # 是否矩阵is.data.frame() # 是否数据框lapply() # 对所有列作函数运算，输出列表matrix() # ⽣成矩阵names() # 查看list的元素名称nrow() # ⾏数ncol() # 列数order() # 数据框排序rbind() # 按⾏连接rep() # 重复数列。

R语言常用函数汇总R语言有众多常用函数，以下是其中一部分：1.数据导入和导出函数- read.csv(：读取CSV文件的数据- read.table(：读取表格数据- read.xlsx(：读取Excel文件的数据- write.csv(：将数据写入CSV文件- write.table(：将数据写入表格文件2.数据处理函数- subset(：根据条件筛选数据- merge(：合并数据集- aggregate(：按照指定变量对数据进行聚合- ifelse(：根据条件进行向量元素的赋值- transform(：对数据进行变换3.数据探索函数- summary(：提供数据的基本统计描述- table(：生成频数统计表- hist(：绘制直方图- boxplot(：绘制箱线图- scatterplot(：绘制散点图4.数据清洗函数- na.omit(：去除包含缺失值的行- na.fill(：填充缺失值- duplicates(：删除重复的行- cut(：将连续变量分组- normalize(：对数据进行标准化5.数据分析函数- lm(：线性回归模型拟合- glm(：广义线性模型拟合- t.test(：进行t检验- cor(：计算变量之间的相关系数- anova(：进行方差分析6.绘图函数- plot(：绘制二维散点图- barplot(：绘制条形图- pie(：绘制饼图- boxplot(：绘制箱线图- hist(：绘制直方图7.矩阵和数组操作函数- matrix(：创建矩阵- array(：创建数组- dim(：返回矩阵或数组的维度-t(：转置矩阵- solve(：求解线性方程组8.字符串处理函数- paste(：将多个字符串拼接在一起- grep(：根据模式匹配字符串- sub(：替换字符串中的部分内容- toupper(：将字符串转换为大写- tolower(：将字符串转换为小写9.时间和日期处理函数- as.Date(：将字符转换为日期格式- format(：格式化日期输出- months(：返回英文月份名称- weekdays(：返回英文星期几名称10.循环和条件控制函数- for(：执行循环操作- while(：执行循环操作，条件为真时执行- if(：执行条件判断- else(：if条件为假时执行- break(：跳出循环。

计算描述性统计量:1、summary():例：summary(mtcars[vars])summary()函数提供了最小值、最大值、四分位数和数值型变量的均值，以及因子向量和逻辑型向量的频数统计。

2、apply()函数或sapply()函数计算所选择的任意描述性统计量。

mean、sd、var、min、max、median、length、range 和quantile。

函数fivenum()可返回图基五数总括（Tukey’s five-number summary，即最小值、下四分位数、中位数、上四分位数和最大值）。

sapply()例：mystats <- function(x, na.omit = FALSE) {if (na.omit)x <- x[!is.na(x)]m <- mean(x)n <- length(x)s <- sd(x)skew <- sum((x - m)^3/s^3)/nkurt <- sum((x - m)^4/s^4)/n - 3return(c(n = n, mean = m, stdev = s, skew = skew, kurtosis = kurt))}sapply(mtcars[vars], mystats)3、describe()：Hmisc包：返回变量和观测的数量、缺失值和唯一值的数目、平均值、分位数，以及五个最大的值和五个最小的值。

例：library(Hmisc)describe(mtcars[vars])4、stat.desc()：pastecs包若basic=TRUE（默认值），则计算其中所有值、空值、缺失值的数量，以及最小值、最大值、值域，还有总和。

若desc=TRUE（同样也是默认值），则计算中位数、平均数、平均数的标准误、平均数置信度为95%的置信区间、方差、标准差以及变异系数。

若norm=TRUE（不是默认的），则返回正态分布统计量，包括偏度和峰度（以及它们的统计显著程度）和Shapiro–Wilk正态检验结果。