利用R语言中自带的基础绘图系统能够快速绘制出一些基本图形，有助于快速了解数据基本结构。本文主要对R语言中的基础绘图函数做一些总结，主要内容如下：
目录
1.散点图(plot) 2.折线图(plot或lines) 3.条形图(barplot) 4.直方图(hist) 5.箱线图(boxplot) 6.密度图(plot(density)) 7.小提琴图(vioplot) 8.饼图(pie) 9.热图(heatmap) 10.图形组合(par)
1、散点图（plot）
使用R自带的mtcars数据集来绘制散点图。此外，关于如何利用ggplot2绘制更多形式的散点图及添加回归拟合曲线可参考R语言绘图|散点图与回归拟合曲线，关于散点图矩阵的绘制可参考R语言绘图|散点图矩阵。
head(mtcars) #查看数据集
# mpg cyl disp hp drat wt qsec vs am gear carb
#Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
#Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
#Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
#Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
#Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
#Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1
1.1 基础散点图
plot(mtcars$mpg, mtcars$hp) #plot(x,y)
1.2 进一步修饰
plot(mtcars$mpg, mtcars$hp, pch = 17, cex = 1, font = 2,
col = "red", col.axis = "blue", col.lab = "purple", col.main = "black",
xlab = "mpg", ylab = "hp", sub = "微信", main = "散点图")
参数解读：散点图需要指定一个x轴变量与一个y轴变量，其中第一个参数为x，第二个参数为y，pch为点的类型，cex表示绘图符号相对于默认大小的缩放倍数，col表示绘图颜色，col.axis为坐标轴刻度文字颜色，col.lab为标签颜色，col.main为标题颜色，xlab为x轴标题，ylab为y轴标题，main为图标题。下图为R中内置的点符号类型：
2、折线图（plot或lines）
使用R自带的pressure数据集来绘制折线图。此外，关于如何利用ggplot2来绘制折线图可参考R语言绘图|折线图与面积图绘制。
head(pressure)
# temperature pressure
#1 0 0.0002
#2 20 0.0012
#3 40 0.0060
#4 60 0.0300
#5 80 0.0900
#6 100 0.2700
2.1基础折线图
type = "l" 为折线图（注意是英文字母l[line]而不是数字1），type = "p" 为散点图，type = "b" 为折线图上叠加散点图，lwd为线的宽度，lty为线的类型。
plot(pressure$temperature, pressure$pressure, type = "l") #左图
plot(pressure$temperature, pressure$pressure, type = "l", lwd= 3,lty = 5) #右图
2.2 生成带标记点的折线图
#方法一：左图，先绘制一个折线图，再叠加一个散点图
plot(pressure$temperature, pressure$pressure, type = "l")
points(pressure$temperature, pressure$pressure)
#方法二，右图，直接通过控制type参数来绘制
plot(pressure$temperature, pressure$pressure, type = "b")
2.3 绘制多条折线图
先绘制一条基础折线图，然后使用line() 函数及point() 函数进行图层叠加。
plot(pressure$temperature, pressure$pressure, type = "b", col = "blue")
lines(pressure$temperature, pressure$pressure/2, col ="red")
points(pressure$temperature, pressure$pressure/2, col ="red")
lines(pressure$temperature, pressure$pressure/3, col ="black")
points(pressure$temperature, pressure$pressure/3, col ="black")
下图为绘图过程中常用的线类型
3、条形图（barplot）
使用R自带的mtcars数据集来绘制条形图。此外，关于如何利用ggplot2来绘制条形图及面积图可参考R语言绘图|条形图绘制。
table(mtcars$cyl) #频数统计
# 4 6 8
#11 7 14
barplot(table(mtcars$cyl)) #绘制频数统计条形图
4、直方图（hist）
使用R自带的mtcars数据集来绘制直方图。
hist(mtcars$mpg) #左图
hist(mtcars$mpg, breaks = 15) #设置间距，右图
5、箱线图（boxplot）
使用R自带的mtcars数据集来绘制箱线图。此外，关于如何利用ggplot2绘制多变量及分组、分面箱线图可参考R语言绘图|箱线图（多变量、分组、分面）。
#基础箱线图（左图）
boxplot(mtcars$drat, xlab = "drat")
#多个变量箱线图（中图）
boxplot(mtcars$drat, mtcars$wt, names = c("drat", "wt"))
#根据某个变量的因子水平绘制箱线图（右图）
boxplot(mtcars$mpg ~ mtcars$cyl, xlab = "cyl", ylab = "mpg")
6、密度图（plot(density)）
使用R自带的mtcars数据集来绘制密度图。此外，关于如何利用R语言绘制多期密度图可参考R语言绘图 | 多期核密度图绘制，关于如何利用Stata绘制多期密度图可参考Stata绘图 | Stata绘制多期（年）核密度图。
6.1 基础密度图
dens <- density(mtcars$hp)
plot(dens)
6.2 绘制带有填充色的密度图
plot(dens, frame = TRUE, col = "steelblue", main = "Density plot of mpg")
polygon(dens, col = "pink")
7、小提琴图（vioplot）
利用vioplot[1]包及R自带的mtcars数据集来绘制小提琴图。此外，关于vioplot的更多用法可参考R语言绘图|多变量箱线图（boxplot）与小提琴图（vioplot）的绘制。
#install.packages("vioplot")
library(vioplot)
#基础小提琴图（左图）
vioplot(mtcars$mpg, names = "mpg")
#多个变量小提琴图（中图）
vioplot(mtcars$drat, mtcars$wt, names = c("drat", "wt"))
#根据某个变量的因子水平绘制小提琴图（右图）
vioplot(mtcars$mpg ~ mtcars$cyl, xlab = "cyl", ylab = "mpg")
8、饼图（pie）
使用gcookbook包中的climate数据集来绘制饼图。
8.1 加载相关package与读取数据
#install.packages("RColorBrewer")
#install.packages("gcookbook")
library(RColorBrewer)
library(gcookbook)
head(climate)
# Source Year Anomaly1y Anomaly5y Anomaly10y Unc10y
#1 Berkeley 1800 NA NA -0.435 0.505
#2 Berkeley 1801 NA NA -0.453 0.493
#3 Berkeley 1802 NA NA -0.460 0.486
#4 Berkeley 1803 NA NA -0.493 0.489
#5 Berkeley 1804 NA NA -0.536 0.483
#6 Berkeley 1805 NA NA -0.541 0.475
8.2 绘制基础饼图
主要参数：radius：半径；clockwise：顺时针；col颜色；main：图标题。
type <- table(climate$Source) #统计Source频次
#基础
pie(type) #
#对饼图要素做进一步修饰
pie(type, radius = 1, clockwise = TRUE, col = brewer.pal(3, "Set3"), cex = 0.75, main = "来源分布")
8.3 将比例添加进标签
#计算比例
type.prop <- round(prop.table(table(climate$Source)) * 100, digits = 2)
#标签向量
label <- c("Berkeley", "CRUTEM3", "NASA")
#绘图
pie(type, labels = paste(label,"\n",type.prop, "%", sep=""), cex = 1,
radius = 1, clockwise = TRUE, col = brewer.pal(3, "Set3"), main = "来源分布")
9、热图（heatmap）
使用矩阵数据来绘制热图。此外，关于热图绘制的更多方法，如利用gplots、pheatmap、d3heatmap、ComplexHeatmap等R包绘制热图，可进一步参考R语言绘图|一行代码绘制热图(heatmap)。
9.1 生成矩阵
set.seed(123) #设置随机种子
data <- data.frame(
A = sample(c(0:10), 20, replace = T),
B = sample(c(0:10), 20, replace = T),
C = sample(c(0:10), 20, replace = T),
D = sample(c(0:10), 20, replace = T),
E = sample(c(0:10), 20, replace = T),
G = sample(c(0:10), 20, replace = T),
H = sample(c(0:10), 20, replace = T),
I = sample(c(0:10), 20, replace = T)
)
mydata <- as.matrix(data) #数据库转化为矩阵
heatmap(mydata) #绘制绘图
9.2 重设颜色。利用RColorBrewer包中colorRampPalette() 函数返回一组渐变色，用于热图配色。
#install.packages("RColorBrewer")
library(RColorBrewer)
col <- colorRampPalette(brewer.pal(8, "Blues"))(8)
heatmap(mydata, col = col)
10、图形组合
使用par() 函数可将多个基础图形组合到一起，如par(mfrow = c(1,3)) 为1行3列,par(mfcol = c(1,3)) 为1列3行。
par(mfrow = c(2,3)) #2行3列
plot(pressure$temperature, pressure$pressure)
plot(pressure$temperature, pressure$pressure, type = "b")
boxplot(mtcars$drat, xlab = "drat")
vioplot(mtcars$mpg, names = "mpg")
hist(mtcars$mpg)
plot(density(mtcars$hp))
par(mfrow = c(1,1)) #返回默认设置
总结
关于R基础绘图系统中的绘图函数可以进一步阅读帮助文档，如想查看热图的更多信息，可在控制台输入 ?heatmap 或 help(heatmap) 来查看更多关于热图的绘图参数。
heatmap(x, Rowv = NULL, Colv = if(symm)"Rowv" else NULL,
distfun = dist, hclustfun = hclust,
reorderfun = function(d, w) reorder(d, w),
add.expr, symm = FALSE, revC = identical(Colv, "Rowv"),
scale = c("row", "column", "none"), na.rm = TRUE,
margins = c(5, 5), ColSideColors, RowSideColors,
cexRow = 0.2 + 1/log10(nr), cexCol = 0.2 + 1/log10(nc),
labRow = NULL, labCol = NULL, main = NULL,
xlab = NULL, ylab = NULL,
keep.dendro = FALSE, verbose = getOption("verbose"), ...)
如有帮助请多多点赞哦！
参考资料
vioplot: https://cran.r-project.org/web/packages/vioplot/index.html
