这是我参与8月更文挑战的第3天，活动详情查看：8月更文挑战”
小编接触R语言以来做过很多辅导，觉得可以把积累的经验免费分享给大家，因此把辅导笔记做成文章，感谢大家支持。（ps因为内容都是原创的，所以禁止各种商用哈，转载要注明来源哈）
2021年7月份公布的一个包ggfortify，是一个强大的绘图包，它基于ggplot2，使用统一的autoplot函数和简单的参数，完成所有基础模型的绘图任务，简单明了。接下来我就逐个展开绘图，大家可以备用，代码很详细，使用的数据集都是内置数据集。
1.线性回归模型绘图
（1） 绘制最简单的图形
autoplot(lm(Petal.Width ~ Petal.Length, data = iris),data = iris)
（2）图中的点是黑色的，如果想改变颜色，只要加上colour参数即可
autoplot(lm(Petal.Width ~ Petal.Length, data = iris),data = iris,colour = 'orange')
（3）这里使用的内置数据集还有一个因子变量：种类，这里希望点是按照不同种类给点绘图，只需要指明colour为变量名即可。
autoplot(lm(Petal.Width ~ Petal.Length, data = iris),data = iris,colour = 'Species')
（4）还有一些其他好玩的细节可以调整
点的大小，size参数来控制；点的形状，shape来控制；linetype来控制线的形状。
其中标签的设计用label.xx来设计，这里我们一起改一下这些参数查看效果。
autoplot(lm(Petal.Width ~ Petal.Length, data = iris),data = iris,colour = 'Species',size=2,shape=4,label.colour = 'red')
2.逻辑回归模型绘图
虽然逻辑回归只有贝努力分布的假设，但ggfortify还是给出了类似线性回归的图，更改和上述一致
autoplot(glm(Petal.Width ~ Petal.Length, data = iris), which = 1:6)
3. kmeans聚类
这里不仅仅支持kmeans的基础算法，还支持扩展模型fanny，clara，pam
（1）基础的聚类点展示
autoplot(stats::kmeans(iris[-5], 3), data = iris)
（2）加入了点的注释
autoplot(cluster::clara(iris[-5], 3), label = TRUE)
（3）加入范围尺子
autoplot(cluster::fanny(iris[-5], 3), frame = TRUE)
（4）加入范围圆圈
autoplot(cluster::pam(iris[-5], 3), data = iris, frame = TRUE, frame.type = 't')
4. 生存分析
这里生存分析的绘图支持survfit和coxph两个模型的结果
（1）针对两个变量分别绘制生存概率变化图
library(survival)
autoplot(survfit(Surv(time, status) ~ sex, data = lung),facets = TRUE)
（2）将两个生存概率放到一个图片中
autoplot(survfit(Surv(time, status) ~ sex, data = lung))
在使用autoplot函数时，可以使用统一的参数来修改图片整体的参数，如修改横纵轴坐标名字
autoplot(survfit(Surv(time, status) ~ sex, data = lung),xlab = '时间',ylab = '生存概率')
未完待续，可以期待更新哈~，有任何绘图咨询可私信~
写在最后：
文章首发于微信公众号：算法学习日程本
向大家推荐这个公众号，如果想了解更多内容，可以私信我或者关注公众号的其他文章哈，R语言操作的疑问都可以得到解答哒。
