基础R编程语言中的Barplot教程

454 阅读4分钟

简介

基础R语言可以用来创建良好的可视化效果,开箱即用。在这篇文章中,我们将介绍在基础R编程语言中创建条形图的教程。 首先,介绍R语言中barplot()函数的语法,然后通过不同的例子介绍用这个函数创建条形图。

R语言中条形图barplot()函数的语法

以下是R语言中barplot()函数的基本语法和一些重要参数。详细的语法可以在这里找到。

barplot(height, xlab, ylab, main, names.arg, col)

  • **height -**它是一个向量或矩阵,包含用于创建绘图条的值。
  • **xlab -**它设置x轴的标签。
  • **ylab -**它设置y轴的标签。
  • **main -**它设置柱状图的标题。
  • **names.arg -**它设置每个条形图下的名称。
  • **col -**它用于为柱状图指定颜色。

R语言中柱状图的例子

加载数据集

二氧化碳数据集被内置到R语言中,它包含了一项关于草地耐寒性的研究结果。在魁北克和密西西比两个地区的草样中测量了二氧化碳的吸收率和浓度水平,这些草样在冷藏或非冷藏环境中生长。

这个数据集被加载到数据框架df中,如下图所示,显示了其中的一些行。这个数据集将

In[1]:

df

Out[1]:

工厂类型处理方式浓度摄取量
Qn1魁北克非冷藏的9516.0
Qn1魁北克非冷冻17530.4
Qn1魁北克非冷冻25034.8
Qn1魁北克非冷冻35037.2
Qn1魁北克非冷冻50035.3
Qn1魁北克非冷冻67539.2

在[2]中。

data

例子 - 1: 基本R语言中的简单条形图

在下面的例子中,我们通过向barplot函数传递子集数据集,在基础R语言中绘制基本的条形图。

In[3]:

barplot

Out[3]:

Example of Barplot in Base R

例子-2:基础R语言中的水平条形图

我们可以通过传递horiz=TRUE参数在基础R语言中创建水平条形图,如下面的例子所示。

在[4]中。

# Horizontal bar plot

Out[4]:

Example of Horizontal Barplot in Base R

例子-3:用单一颜色给柱状图着色

要给柱状图着色,只需使用col参数并传递特定的颜色值来填充图。

在[5]中。

barplot

Out[5]:

Example of Barplot in Base R

例子 - 4: 用多种颜色给柱状图着色

用多种颜色给柱状图着色可以像下面的例子一样完成。

在[6]中。

barplot

Out[6]:

Example of Barplot in Base R

例子 - 5: 给柱状图的边界着色

在R语言中,柱状图的边框可以用'border'参数来着色。在下面的例子中,我们将柱状图染成白色,使边界的颜色更加突出。

In[7]:

barplot

Out[7]:

例子 - 6: 在R中给柱状图贴标签

为了自定义柱状图的标签,我们使用names.arg参数并将所需的标签传入其中。

在[8]中。

barplot

Out[8]:

例子 - 7: 在R语言中给柱状图添加标题

条形图的标题可以用'main'参数添加,X和Y的标题可以分别用'xlab'和'ylab'参数添加。

在[9]中。

barplot

输出[9]。

例子 - 7: 带颜色和图例的叠加柱状图

为了在R中创建堆积柱状图,首先,我们在植物和处理列上应用表函数来创建一个交叉表。然后我们将这些数据传递给barplot()函数,如下图所示,生成堆积柱状图。

In[10]:

counts

Out[10]:

例子 - 8: R中的分组条形图

首先,让我们使用tapply函数来创建分组汇总表。其输出结果如下所示。

在 [11]:

summary_data

在[12]中。

summary_data

Out[12]:

非冰冻的冷冻的
魁北克35.3333331.75238
密西西比州25.9523815.81429

现在让我们用上述数据来创建一个分组条形图,如下图所示。

In[13]:

barplot

Out[13]:

例子 - 9: 在分组柱状图中应用间距

为了改变条形图之间的空间,在有多个组的情况下,我们可以设置一个双元素向量,其中第一个元素是每个组的条形图之间的空间(0.4),第二个元素是组之间的空间(2.5),如下所示。

In[14]:

barplot

Out[14]:

The postTutorial of Barplot in Base R Programming Languageappeared first onMLK - Machine Learning Knowledge.