要绘制一张赏心悦目的统计图表，坐标轴的设置至关重要。在R语言底层作图中，对坐标轴的调整主要通过调整plot函数、axis函数和title函数的一系列参数完成。

plot(x,y, ...)

axis(side,at = NULL, labels = TRUE, tick = TRUE, line = NA,

     pos= NA, outer = FALSE, font = NA, lty = "solid",

     lwd = 1, lwd.ticks = lwd, col = NULL,col.ticks = NULL,

     hadj = NA, padj = NA, ...)

title(main= NULL, sub = NULL, xlab = NULL, ylab = NULL,

      line = NA, outer = FALSE, ...)

一、plot函数的准备

　　在个性化设置坐标轴之前中，通常需调整plot函数中的ann、bty、xaxt、yaxt、xaxs和yaxs参数：

　　ann取FALSE时将不会画出标题（包括主、副标题及坐标轴标题）；

　　bty用来设置边框形式，默认值为"o"，表示四面边框都画出，其余可选值包括"l"（左下）、"7"（上右）、"c"（上下左）、"u"（左下右）、"]" （上下右）和"n"（无，即不画边框），在很多个性化绘图中，bty设为"n"，后期的边框线再使用其他函数（如axis）自行添加；

　　xaxs和yaxs 用来设置x轴和y轴的范围，默认值取“r”，表示坐标轴比给定作图范围（参数xlim和ylim给出的范围）稍微大一点儿，取”i”时表示坐标轴范围与给定作图范围完全相同，另外还可取”s”、”e”、”d”；

　　xaxt和yaxt 取”n”时，坐标轴、刻度线以及刻度值将不会画出。

 

x <- seq(-4, 4, 0.01)
y <- x^2
par(mfrow = c(2, 2), mar = c(4, 4, 1, 1))
plot(x, y)   # 未作处理
plot(x, y,  xaxs = "i", yaxs ="i")   # 绘图边框未留白
plot(x, y, bty = 'l')   # 只保留左和下两条边框
plot(x, y, ann = F, bty = "n", xaxt = "n", yaxt ="n")   # 边框、坐标轴都去掉

 



二、axis函数的用法

1、基本操作

　　side表示要操作的坐标轴，取值1、2、3、4分别代表下、左、上、右；

　　at表示刻度线及刻度值所在位置；

　　labels表示刻度值；

　　las表示坐标刻度值文字方向，las=0表示文字方向与坐标轴平行，1表示始终为水平方向，2表示与坐标轴垂直，3表示终为垂直方向。

 

x<- seq(-4, 4, 0.01)
y<- x^2
par(mfrow=c(1, 2), mar = c(4, 4, 1, 1))
#未设置文字方向
plot(x,y, ann = F, xaxt = "n", yaxt = "n")  
axis(1,-4:4, -4:4)
axis(2,seq(0, 16, 4), seq(0, 16, 4))
#文字方向水平
plot(x,y, ann = F, xaxt = "n", yaxt = "n")  
axis(1,-4:4, -4:4, las = 1)
axis(2,seq(0, 16, 4), seq(0, 16, 4), las = 1)

 



2、字体字号

　　cex.axis表示坐标轴刻度值的字号大小，

　　font.axis表示坐标轴刻度值的字体，font=1表示正体，2表示黑体，3表示斜体，4表示黑斜体。

 

x<- seq(-4, 4, 0.01)
y<- x^2
par(mfrow=c(2, 2), mar = c(4, 4, 1, 1))
#未设置字体字号
plot(x,y, ann = F, xaxt = "n", yaxt = "n")
axis(1,-4:4, -4:4)
#cex.axis = 2
plot(x,y, ann = F, xaxt = "n", yaxt = "n")
axis(1,-4:4, -4:4, cex.axis = 2)
#font.axis = 2
plot(x,y, ann = F, xaxt = "n", yaxt = "n")
axis(1,-4:4, -4:4, font.axis = 2)
#font.axis = 3
plot(x,y, ann = F, xaxt = "n", yaxt = "n")
axis(1,-4:4, -4:4, font.axis = 3)






 

 

 

 

3、颜色

　　col表示图的颜色，用在axis函数中表示坐标轴线和坐标刻度线的颜色；

　　col.axis表示坐标轴刻度值的颜色；

　　col.ticks表示坐标轴刻度线的颜色。

 

x<- seq(-4, 4, 0.01)
y<- x^2
par(mfrow=c(2, 2), mar = c(4, 4, 1, 1))
#未设置颜色
plot(x,y, ann = F, bty = "n", xaxt = "n", yaxt = "n")
axis(1,-4:4, -4:4)
#col = 2
plot(x,y, ann = F, bty = "n", xaxt = "n", yaxt = "n")
axis(1,-4:4, -4:4, col = 2)
#col.axis = 2
plot(x,y, ann = F, bty = "n", xaxt = "n", yaxt = "n")
axis(1,-4:4, -4:4, col.axis = 2)
#col.ticks = 2
plot(x,y, ann = F, bty = "n", xaxt = "n", yaxt = "n")
axis(1,-4:4, -4:4, col.ticks = 2)



 

4、位置

　　line表示坐标轴线位置与图像边框的距离，取负数时会画在图像边框以内；

　　mgp默认值为c(3, 1, 0)，三个数字分别代表坐标轴标题、刻度值和轴线与绘图边框的距离；

　　tcl默认值为-0.5，数值表示刻度线长度，负值表示刻度线朝外，正值朝里；

　　pos 表示轴线所在的位置；

　　line.outer取TRUE时，坐标轴将画在画布边缘处；

　　hadj指将刻度值沿平行坐标轴方向调整的距离；

　　padj指将刻度值沿垂直坐标轴方向调整的距离。

 

x <- seq(-4, 4, 0.01)
y <- x^2
par(mfrow= c(2, 2), mar = c(4, 4, 1, 1))
# 未设置刻度值位置
plot(x, y, ann = F, xaxt = "n", yaxt ="n")
axis(1, -4:4, -4:4)
# 使用line调整刻度值位置
plot(x, y, ann = F, xaxt = "n", yaxt ="n")
axis(1, -4:4, -4:4, line = 2)
# 使用mgp调整刻度值位置
plot(x, y, ann = F, xaxt = "n", yaxt ="n")
axis(1, -4:4, -4:4, mgp = c(3, 2, 0)) 
# 使用padj调整刻度值位置
plot(x, y, ann = F, xaxt = "n", yaxt ="n")
axis(1, -4:4, -4:4, padj = 1)



 

 

 

5、其他

　　tick取FALSE时，坐标轴线和刻度线不画出；

　　lty表示线型，用在axis函数中表示坐标轴线型；

　　lwd表示线的粗细，用在axis函数中表示坐标轴线粗细；

　　lwd.ticks表示刻度线粗细。

 

三、title函数的用法

　　main、sub、xlab和ylab分别表示主标题、副标题、x轴标题和y轴标题；

　　cex.lab表示坐标轴标题的字号大小；

　　font.lab表示坐标轴标题的字体；

　　col.lab表示坐标轴标题的颜色；

　　其余参数和axis中用法一致。

 

x<- seq(-4, 4, 0.01)
y<- x^2
par(mfrow=c(2, 2), mar = c(4, 4, 1, 1))
#无标题
plot(x,y, ann = F, xaxt = "n", yaxt = "n")  
axis(1,-4:4, -4:4)
axis(2,seq(0, 16, 4), seq(0, 16, 4))
#使用title设置标题
plot(x,y, ann = F, xaxt = "n", yaxt = "n")  
axis(1,-4:4, -4:4, las = 1)
axis(2,seq(0, 16, 4), seq(0, 16, 4), las = 1)
title(xlab= 'x', ylab = 'y')
#使用line调整位置
plot(x,y, ann = F, xaxt = "n", yaxt = "n")  
axis(1,-4:4, -4:4, las = 1)
axis(2,seq(0, 16, 4), seq(0, 16, 4), las = 1)
title(xlab= 'x', ylab = 'y', line = 2)
#调整颜色字体字号
plot(x,y, ann = F, xaxt = "n", yaxt = "n")  
axis(1,-4:4, -4:4, las = 1)
axis(2,seq(0, 16, 4), seq(0, 16, 4), las = 1)
title(xlab= 'x', ylab = 'y', col.lab = 2, font.lab = 4, cex.lab = 2)




四、刻度间隔

　　plot函数会自动给出比较合理的刻度间隔，本质上是调用了pretty函数。

　　pretty(x, n = 5, min.n = n %/% 3,  shrink.sml = 0.75,

       　　high.u.bias = 1.5, u5.bias = .5 + 1.5*high.u.bias,

       　　eps.correct = 0, ...)

　　x是一个序列，pretty函数会先对x取一个range，然后等分为大约n+1个间隔。如果在作图时对系统自动给出的间隔不满意，可以调整n的值，用pretty函数自定义合适的间隔。

 

 

 

安装R和Rstuido软件

R语言是用于统计分析，图形表示和报告的编程语言和软件环境；Rstudio是编辑、运行R语言的最为理想的工具之一。

1、官网下载R安装包

  下载地址为：https://cran.r-project.org   进入链接，如下图所示，在页面顶部提供了三个下载链接，分别对应三种操作系统：Windows、Mac和Linux。请选择自己操作系统对应的链接，接下来我将以windows为例给大家展示安装过程。



接下来单击【Download R for Windows】——>【base】——>【Download R 3.3.1 for Windows】，即可下载相应安装包。



单击base，进入下面页面，点击【Download R 3.5.1 for Windows】



 

2、安装R

下载完R安装包（我下的按转包名称为：“R-3.3.1-win.exe”），之后双击开始安装，跟一般的软件安装一样，根据需要进行相关安装设置并不断点击下一步即可。

step1、选择安装位置

可改成自己的安装路径。

step2、安装组件

注意：根据自身电脑操作系统的位数选择，但64位系统可全选，因为64位向下兼容32位系统。（要想知道R语言的32位和64位区别请查看改博客：http://blog.csdn.net/to_baidu/article/details/52904681）



step3、启动选项

step4、正在安装

step5、安装完成，并生成桌面快捷方式



 

下面是桌面快捷方式，分为32位和64位：i386为32位的，x64为64位的。



 

step6、打开R

双击两个快捷方式中任意一个即可打开R的原生IDE

3、官网下载RStudio安装包

 

下载地址： http://www.rstudio.com/ide   进入下载页面后，可以发现有Desktop和Server两个版本，我们选择Desktop。



单击蓝色圆形图标，进入跳转到Desktop版本下载窗口，Desktop版本又分为两个版本：Open Source Edition（免费）和Commercial License（付费）。

初学者自己用的话可选择前者，单击【DOWNLOAD RSRUDIO DESKTOP】。



单击【DOWNLOAD RSRUDIO DESKTOP】后进入下载页面，根据自己电脑的操作系统选择下载的版本，因为我的操作系统是win7，所以我选择【RStudio 0.99.903-Windows Vista/7/8/10】，单击并下载得到【RStudio-0.99.903.exe】。



4、安装RStudio

step1、双击【RStudio-0.99.903.exe】进行安装

step2、选择安装位置

可自行更改安装路径。



step3、正在安装

 

step4、安装完成





step5、IDE功能介绍

打开RStudio之后，会出现上图所示的窗口，其中有三个独立的面板。最大的面板是控制台窗口，这是运行R代码和查看输出结果的地方。也就是运行原生R时看到的控制台窗口。其他面板则是RStudio所独有的。隐藏在这些面板中的包括一个文本编辑器、一个画图界面、一个代码调试窗口、一个文件管理窗口等。

注意：有的人可能会问，有了RStudio还需要下载R吗？

即使使用RStudio，还是需要事先为计算机安装好R。RStudio只是辅助你使用R进行编辑的工具，它自身不附带R程序。



step3、正在安装

step4、安装完成





step5、IDE功能介绍

 

打开RStudio之后，会出现上图所示的窗口，其中有三个独立的面板。最大的面板是控制台窗口，这是运行R代码和查看输出结果的地方。也就是运行原生R时看到的控制台窗口。其他面板则是RStudio所独有的。隐藏在这些面板中的包括一个文本编辑器、一个画图界面、一个代码调试窗口、一个文件管理窗口等。

注意：有的人可能会问，有了RStudio还需要下载R吗？

即使使用RStudio，还是需要事先为计算机安装好R。RStudio只是辅助你使用R进行编辑的工具，它自身不附带R程序。

 

提问/视频教程--微信公众号：R语言数据分析与实践

新浪微博(网页版):Jenny爱学习

视频教程--bilibili: R语言数据分析与实践

CSDN:ZhenniLi

 

第一集：数据科学与R

第二集：安装R

第三集：安装RStudio

第四集：快速入门

                                                   

在大数据技术和人工智能发展突飞猛进的今天，R语言作为顶尖的数据分析开源软件，有着非常广泛的应用，在今年12月发布的TIOBE编程语言排行榜中位列第17，统计类语言第一。本系列博客将针对Mac版R语言进行实战介绍。欢迎对R语言有兴趣的朋友共同讨论和留言。

 

《Mac版R语言入门（一）R语言入门操作》包含以下内容：

                        1.R语言简介    

                        2.R语言的应用领域       

                        3.R语言安装及更新    

                        4.R语言常用packages安装及更新

 

一.R语言简介

1.R语言是一款应用范围极广的交互式数据分析、处理、绘图、建模的开源软件。

    1）R语言与其他主流数据分析处理软件的区别：

         Microsoft  Excel：办公软件（付费）  DataSource:Spreadsheet

         IBM  SPSS：事物处理软件（付费）

         SAS：专业统计软件（付费）

         Matlab：统计专业软件（付费）

         R：免费开源软件

   

 

二.R语言的应用领域

      1）数据可视化

      2）数据建模

      3）机器学习

      4）神经网络建模

      5）数据挖掘

      6）交互式HTML图表

        

 

三.版R语言安装&更新

R语言是顶尖的数据可视化语言，与Mac的视网膜屏结合工作，会有非常惊艳的效果。

    1）R语言安装

             登陆官网

https://www.r-project.org点击打开链接

    找到左侧Download下方CRAN，CRAN是用于安装R的一个下载库。

进入CRAN，这是R的一个国际化开发团队，下拉网页，找到China的下载镜像：



选择离自己地理位置最近的镜像文件链接进行安装，（几个链接位置分别是清华大学、中国科学与技术大学、浙江大学）

进入链接之后，选择中间第二个：

Download R for （Mac）OS X 进行下载。



Mac上，R的安装按照普通软件的安装方式即可。

      2）R语言更新：

              打开R软件——（菜单栏）R——Check For R Updates

                 

            将会打开如下网页：



单击左栏蓝色字体“R-3.3.2.pkg”安装包，支持最新版MacOS（Sierra）

需要使用神经网络建模、机器学习、3D制图等领域的同学，需要额外下载安装右栏蓝色字体部分“XQuartz”，以保证下载包的正常使用，（Sierra不再包括X11.）

 

四.R语言常用packages及安装（更新时间：2016.11.21 21:34）

        以下packages的安装环境：MacOS Sierra 、R（3.3.2）

     1）rattle：机器学习、神经网络建模、T检验F检验、决策树【注：新版Mac系统不再含有X11，安装rattle包需要从R官网下载安装XQuartz（下载及安装方法见.三 2））】

           安装步骤：方法一【使用RStudio安装】：打开RStudio——Tools——Install Packages

                                                                            输入：rattle

                             方法二【R安装】：打开R

                                                          输入：>install.packages("rattle")

            使用rattle包：> library（rattle）

                                  > rattle ()



 

      2）rCharts:绘制交互图形的package，用R与javascript做交互式可视化产品

            安装略麻烦，因为rCharts还没有放在CRAN上：

                             安装步骤：方法一【使用RStudio安装】：打开RStudio——Tools——Install Packages

                                                                                               输入：devtools

                                                console中输入：> require(devtools)

                                                                           > install_github('rCharts','ramnathv')                                                                                   

                    使用rCharts：> library（rCharts）

                  

 

                  更多关于rCharts的帮助信息见官网：http://ramnathv.github.io/rCharts/

 

 

                                    

 

 

 

对于那些有一点编程经验的人来说，vector，matrix，array，list，data.frame就相当于编程语言中的容器，因为只是将R看做数据处理工具所以它们的底层是靠什么实现的，内存怎么处理的具体也不要深究。

R语言很奇怪的是它是面向对象的语言，所以经常会调用系统的方法，而且更奇怪的是总是调用“谓语”的方法，用起来像是写句子一样，记起来真是让人费解。比如is.vector(),read.table(),as.vector()、、

直接开始吧：(由于习惯，大部分用"="代替"<-")

一、向量vector，

1.是最基本的数据容器，里面的数据必须是同一类型，先看基本用法：

a<-c(1,2,3,4,5,6,7,8,9)

或者赋值函数assign，

assign（"a",c(1,2,3,4,5,6,7,8,9))

> is.vector(a)
[1] TRUE

> is.matrix(a)

[1] FALSE
> is.array(a)
[1] FALSE
> is.list(a)
[1] FALSE


或者利用随机分布函数，rnrom(n,mean,sd),runif(n,min,max)、、、

> b=runif(20,min=1,max=20)
> b
 [1]  2.181016 18.417605  9.748379  2.122849  1.281871  4.099617
 [7] 14.162348 18.034863  7.464664  9.599227 18.973259  1.900773
[13]  8.995223 11.048916 11.667131  3.859275 17.992988  1.089552
[19] 13.490061 12.864029

或者按照一定的步长：

> a=seq(1,20,by=3)
> a
[1]  1  4  7 10 13 16 19

或者重复：

> s=rep(a,times=3)
> s
 [1]  1  4  7 10 13 16 19  1  4  7 10 13 16 19  1  4  7 10 13 16 19

逻辑向量：

> b=a>8;b
[1] FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE

缺失数据用大写NA表示，数据不确定用NaN表示，数据是无穷用Inf表示（一会全大写，一会大写加小写，一会首字母大写，真是醉了），判断是否为空数据用函数is.na()，判断是否不确定用函数is.nan()，数据是否有限用is.finite()，数据是否为无穷用函数is.infinite()：

> z=c(1:3,Na);z
Error: object 'Na' not found
> z=c(1:3,NA);z
[1]  1  2  3 NA

> is.na(z)
[1] FALSE FALSE FALSE  TRUE

将缺失的数据赋值为0：

> z[is.na(z)]=0;z
[1] 1 2 3 0

下面将这几个有问题的数据放在一个向量中：

> z=c(0/1,0/0,1/0,NA);z
[1]   0 NaN Inf  NA
> is.na(z)
[1] FALSE  TRUE FALSE  TRUE
> is.nan(z)
[1] FALSE  TRUE FALSE FALSE
> is.finite(z)
[1]  TRUE FALSE FALSE FALSE
> is.infinite(z)
[1] FALSE FALSE  TRUE FALSE



2.vector中元素的下标引用.

> a=round(runif(9,min=1,max=9))
> a
[1] 3 8 8 8 2 7 3 5 3

可以看见，与容器不同，vector的下标是从1开始的：

> a[0]
numeric(0)

> a[1]
[1] 3

选取第2和第3个数，引用非常方便：

 

> a[c(2,3)]
[1] 8 8

引用除了第一个值的所有数，用了减号"-"：

 

> a[-c[1]]
[1] 8 8 8 2 7 3 5 3

3.vector作为R语言工具，需要了解vector的各种运算。

①+-×÷，其他运算如log，exp，cos，sqrt等也相似。其意义是对应的向量的每个元素分别做运算，

> x=c(1,2,3)
> y=c(2,3,4)
> z=2*x+y-1
> z
[1] 3 6 9

> x^2
[1] 1 4 9

> cos(x)
[1]  0.5403023 -0.4161468 -0.9899925

> sqrt(x)
[1] 1.000000 1.414214 1.732051

②与向量有关的函数,min(x),max(x), sum(x),range(x)，太简单就不在细说，需要强调的是which.min(x)，这个还是蛮重要的。

> a=rnorm(10,mean=5,sd=2)
> a
 [1] 5.914559 2.604346 5.342572 9.006863 6.547221 7.519781 7.330211
 [8] 8.322956 6.875491 5.883626
> which.max(a)
[1] 4
> which.min(a)
[1] 2
> a[which.max(a)]
[1] 9.006863
> a[which.min(a)]
[1] 2.604346

其他的如sd(a),var(a),length(a),sort(a)，分别是求方差，标准差，长度，排序。与python不同R语言的vector所有操作都不会改变vector本身的值。

4.由于R是一种基于对象的语言，R的对象分为单纯对象和复合对象两种，单纯对象的所有元素都是同一数据类型（数值、字符串），元素不再是对象。复合对象的元素可是是不同的类型，每个元素是一个对象。

R的对象都有两个基本的属性：mode和length，向量的类型为：logical（逻辑型）、numeric（数值型）、complex（复数型）、character（字符型）。

> b=c(0:9)
> b
 [1] 0 1 2 3 4 5 6 7 8 9
> is.numeric(b)
[1] TRUE
> is.character(b)
[1] FALSE
> c=as.character(b)
> c
 [1] "0" "1" "2" "3" "4" "5" "6" "7" "8" "9"
> is.numeric(c)
[1] FALSE
> is.character(c)
[1] TRUE

二、数组array：多维的同一类型集合（字符型、数值型、逻辑型、复数型），R可以很容易地生成和处理数组，特别是矩阵matrix是一个二维数组。

1.可以通过定义dim(维度)将向量变成matrix。

a=c(1,3,4,5,6,7,8,9,3)
> dim(a)=c(3,3)
> a
     [,1] [,2] [,3]
[1,]    1    5    8
[2,]    3    6    9
[3,]    4    7    3

或者：

> a=array(a,dim=c(3,3))
> a
     [,1] [,2] [,3]
[1,]    1    5    8
[2,]    3    6    9
[3,]    4    7    3

或者：

> a=matrix(a,nrow=3,ncol=3);a
     [,1] [,2] [,3]
[1,]    1    5    8
[2,]    3    6    9
[3,]    4    7    3

> is.vector(a)
[1] FALSE
> is.matrix(a)
[1] TRUE
> is.array(a)
[1] TRUE

> is.list(a)
[1] FALSE

可以发现，a已经通过定义维度将其变成了一个矩阵（matrix）和数组（array)，下面将讲matrix其实是一个二维的array。

2.下标引用

> a=c(1:24)
> dim(a)=c(2,3,4)
> a[2,1,2]
[1] 8
> a[1,2:3,2:3]
     [,1] [,2]
[1,]    9   15
[2,]   11   17
> a[1, , ]
     [,1] [,2] [,3] [,4]
[1,]    1    7   13   19
[2,]    3    9   15   21
[3,]    5   11   17   23