2 绘制散点图

  散点图能反映两个连续变量数据的分布趋势和数据的密集程度。可以选择用plot函数绘制简单散点图，基本书写格式有两种，如下所示：

  plot（数据 $自变量，数据 $因变量）

  plot（因变量~自变量，data=数据）

  在图形的绘制中，有时会对图形的显示进行一定的分栏显示，如下：

par(mfrow=c(1,2))#设置画图为1行2列的格式
plot(heightweight$ageYear,heightweight$heightIn,pch=20,main="学龄儿童的年龄与身高散点图",xlab="年龄",ylab="身高",col="red") #绘制散点图
plot(heightIn~ageYear,data=heightweight,main="学龄儿童的年龄与身高散点图",xlab="年龄",ylab="身高",col="green",pch=20) #添加回归线拟合
lm<-lm(heightIn~ageYear,data=heightweight) # 建立一元线性回归
abline(lm$coefficients) # 添加回归线
loess<-loess(heightIn~ageYear,data=heightweight) # 局部加权散点平滑法
ord<-order(heightweight$ageYear) # 升序排序
lines(heightweight$ageYear[ord],loess$fitted[ord],lwd=1,lty=1,col=2) #按照x轴排序后绘图

  关于散点图，往往具备一定的趋势走向，需要添加回归线，进行近似拟合。常使用一元线性回归函数进行拟合，基本书写格式为：lm(因变量~自变量,data=数据)

  利用abline函数添加回归线，书写格式为：abline(数值型向量)，通过拟合曲线，可以看出12-16岁的学龄儿童随着年龄增加，体重增长快速，然后趋于平缓。

  当数据样本量较大时，所绘制的散点图的点可能非常集中，极不利于观察散点图的数据分布，因此采用高密度散点图处理的方法观察其数据分布。

  需要用hexbin包里的hexbin函数进行高密度散点图处理，hexbin包中的hexbin函数将二元变量的封箱放到六边形单元格中，用六边形形象地描述各个箱体，如下所示：

library(hexbin) #调用高密度散点图包
hex<-hexbin(heightweight$ageYear,heightweight$weightLb,xbins=20)#处理高密度散点图
plot(hex,main="学龄儿童的年龄与体重散点图",xlab="年龄",ylab="体重")#绘制散点图

  由上述图形可以看出，点颜色较深主要集中在17岁以下。

ggplot(heightweight,aes(x=ageYear,y=weightLb,colour=heightIn))+geom_point()

  如下图所示，使用ggplot函数，对散点颜色依据heightIn进行划分，发现点的颜色较深主要集中在heightIn为60以下。

ggplot(heightweight,aes(x=ageYear,y=weightLb,size=heightIn))+geom_point(col="lightgreen")

  由上图知，对散点颜色依据heightIn进行划分，发现绿色圆形符号较大主要集中在heightIn为65以上。

library(readxl)  
jsdata=read_excel("D:/TASK/净水器建模（1月19日）副本1.xlsx")
library(ggplot2)
ggplot(jsdata, aes(x=人气,y=销量,colour=销量))+geom_point(col="red",pch=17)+
geom_smooth(col="green")+  #添加点
  annotate("text",x =9, y = 9,parse = T,
           label = "x[1] == x[2]") #添加注释

上图表示随着人气值的增加销量也随之增加且趋于平缓。

3 绘制三维散点图

  当数据涉及到三个维度时，常规的散点图，不能体现出数据的特征，需要用三维的空间图形进行描述，如下所示：

  由上图可知，X、Y和Z的空间分布关系。

library(scatterplot3d)
Z<-seq(-20,20,0.01)
X<-cos(Z)
Y<-sin(Z)
scatterplot3d(X,Y,Z,highlight.3d=TRUE,col.axis="blue",col.grid="lightblue",main="螺旋回升图")

  由上图可知，Z的取值为-20到20，X和Y分别取cos(Z)和sin(Z)，得出三者在空间分布关系。

m <- seq(-pi, 0, length = 40)
  x <- c(rep(1, 40) %*% t(cos(m)))
  y <- c(cos(m) %*% t(sin(m)))
  z <- c(sin(m) %*% t(sin(m)))
  scatterplot3d(x, y, z, highlight.3d=TRUE,
      col.axis="grey", col.grid="lightblue",
      main="三维散点图", pch=20)

  由上图可知，取数集m值在-pi到0之间,取半个周期的正弦和余弦面积，组合成半球体形状。

m <- seq(-pi, 0, length = 40)
  x <- c(rep(1, 40) %*% t(cos(m)))
  y <- c(cos(m) %*% t(sin(m)))
  z <- 10 * c(sin(m) %*% t(sin(m)))
  color <- rep("green", length(x))
  m <- seq(-10, 10, 0.01)
  x <- c(x, cos(m))
  y <- c(y, sin(m))
  z <- c(z, m)
  color <- c(color, rep("red", length(m)))
  scatterplot3d(x, y, z, color, pch=20, zlim=c(-2, 10),
      main="三维散点图")

  由上图可知，结合半球形状和螺旋上升，组合成图形如上所示，反映出随着点的上升，螺旋线中的点对应上升。其它三维图形绘制如下所示：

cubedraw <- function(res3d, min = 0, max = 255, cex = 2, text. = FALSE)
  {
    ## Purpose: Draw nice cube with corners
    cube01 <- rbind(c(0,0,1), 0, c(1,0,0), c(1,1,0), 1, c(0,1,1), # < 6 outer
                    c(1,0,1), c(0,1,0)) # <- "inner": fore- & back-ground
    cub <- min + (max-min)* cube01
    ## visibile corners + lines:
    res3d$points3d(cub[c(1:6,1,7,3,7,5) ,], cex = cex, type = 'b', lty = 1)
    ## hidden corner + lines
    res3d$points3d(cub[c(2,8,4,8,6),     ], cex = cex, type = 'b', lty = 3)
    if(text.)## debug
        text(res3d$xyz.convert(cub), labels=1:nrow(cub), col='tomato', cex=2)
  }
  ## 6 a) The named colors in R, i.e. colors()
  cc <- colors()
  crgb <- t(col2rgb(cc))
  par(xpd = TRUE)
  rr <- scatterplot3d(crgb, color = cc, box = FALSE, angle = 24,
      xlim = c(-50, 300), ylim = c(-50, 300), zlim = c(-50, 300))
  cubedraw(rr)

  由上图可知，结合对角线可以判断出散点分布的区域，对不同区域点进行划分。

4 本章汇总

5 参考文献

[1] 周志华. 机器学习 : = Machine learning[M]. 清华大学出版社, 2016.
[2] 黄文, 王正林. 数据挖掘 : R语言实战[M]. 电子工业出版社, 2014.
[3]WinstonChang. R数据可视化手册[M]. 人民邮电出版社, 2014.