3-6Lattice绘图系统之实践

1. library(lattice)

2. xyplot(Temp~Ozone,data=airquality)

3. airquality$Month<-factor(airquality$Month)(Month变成了分类变量)

4. xyplot(Temp~Ozone|Month，data=airquality,layout=c(5,1))(在不同月份下前面2个变量的关系,外显的布局是5行1列)    Lattice系统适合做交互作用。

5. q<-xyplot(Temp~Wind,data=airquality)

6. print(q)

7. 
   

8. set.seed(1)(设置了一个种子点,意义是每次产生的随机数是一样的  非常重要，只要使用随机数就要设置)

9. x<-rnorm(100)(标准正态分布抽取的随机数)

10. f<-rep(0:1,each=50)(f变量只有0和1，每个数出现50次)

11. y<-x+f-f*x+rnorm(100,sd=0.5)(让x和y之间的关系与f变量有交互)

12. f<-factor(f,labels=c("Group1","Group2"))

13. xyplot(y~x|f,layout=c(2,1))

14. xyplot(y~x|f,panel=function(x,y){

          panel.xyplot(x,y) 

          panel.abline(v=mean(x),h=mean(y),lty=2)

          panel.lmline(x,y,col="red")})(在x均值在的地方画一条垂线，在y均值在的地方画一条水平线)

11111

xyplot（y~x|f，panel=function（x，y））

panel=function（x，y）自定义一个函数，函数体需要用花括号括起来，首先调用默认的panel函数→panel.xyplot(x,y)

panel.abline(v=mean（x），h=mean（y），lty=2)

abline 表示添加直线，v代表垂直的直线，h表示水平的直线，lty线的类型

panel.lmline(x,y,col="red")添加一条红色的拟合回归线

先把f转换为因子

0，1分别命名为“Group1”和“Group2”

xuplot是求y与x在f水平下的关系，并将面板划分为一行两列，有两个水平

set.seed(1)设置一个种子数1

从标准正态分布中抽取100个数赋值给x

f<-rep(0:1,each=50)   f这个变量只包含0，1这两个数，但是这两个数每个重复50次

y<-x+f-f*x+rnorm(100,sd=0.5)

x+f-f*x表示xf有交互，加上一个误差rnorm(100,sd=0.5)从正态分布中抽取100个数值，平均值为0，标准差是0.5（默认的时候标准差是1)

设置种子点的意义在于让每次产生的随机数是一样的，只要使用随机数切记要使用种子点

xyplot如果不存储在变量中会被直接打印出来，存在变量中需要print打印出来，才会出来

library（lattice）调用这个包

xyplot（Temp~Ozone，data=airquality），关系中左侧是必须的，右侧不是必须的，不考虑交互关系时，右侧不是必须的

若要显示交互关系，需要将月份转变成factor因子 。

layout=c（5，1）输出五行一列

lattice系统特别适合呈现交互

set.seed(1)设置种子点可以使每次产生的随机数一样，所以只要使用随机数，就切记要设置种子点

v代表垂直的直线，h代表水平直线，panel函数可以个性化设置面板，函数体是需要用{}括起来的，每个函数单独一行显示

利用factor函数将某一变量设置为分类变量，layout函数可对绘图进行布局

print可以将类对象打印显示出来

lattice绘图系统的使用

install.packages("lattice")
library(lattice)#调用lattice函数
xyplot(Temp~Ozone,data=airquality)
airquality$Month<-factor(airquality$Month)#将month转化为分类变量
xyplot(Temp~Ozone|Month,data=airquality,
       layout=c(5,1))#考察不同月份下臭氧和温度之间的关系
#?layout
q<-xyplot(Temp~Ozone,data=airquality)#先返回类对象
print(q)#再被打印出来
#pannel函数
set.seed(1)#设置种子点，使每次产生的随机数是一样的，当使用随机数时，很重要。
x<-rnorm(100)
f<-rep(0:1,each=50)#f包含0和1两个数，且每个数各存在50个
y=x+f-f*x+rnorm(100,sd=0.5)#使x和y存在交互作用
f<-factor(f,labels = c("group1","group2"))
xyplot(y~x|f,layout=c(2,1))#自定义面板风格xyplot(y~x|f,panel = function(x,y){panel.xyplot(x,y)#自定义函数panel  panel.abline(v=mean(x),h=mean(y),lty = 2)#abline画线函数，在水平和竖直方向上的下x，y的平均值处画线  panel.lmline(x,y,col="red")}#绘制回归线并且设置颜色       )

layout=c(5,1)生成的图是5列一行

#Lattice绘图系统 

install.packages("lattice") 

library(lattice) 

xyplot(Temp~Ozone,data=airquality) 

airquality$Month <-factor(airquality$Month) #将Month从数值变量转换为分类变量

xyplot(Temp~Ozone|Month,data=airquality,layout=c(5,1)) 

q<-xyplot(Temp~Wind,data=airquality)  #并没有任何图形产生

print(q) #lattice函数首先返回类对象，是print函数把这个类对象打印出来，如果不把xyplot存到一个变量中，其类对象会被自动打印出来

set.seed(1) 

#设置一个种子点，其意义在于每次产生的随机数是一样的，如果不设置种子点，其他人无法生成和你一模一样的随机数，无法重现你分析的过程，无法检查你的错误，

x<-rnorm(100) #标准正太分布中100个随机数

f<-rep(0:1, each=50)

#只包含0和1两个数，每个出现次数50次，所以f中一共100个数

y<-x+f-f*x+nrom(100,sd=0.5)

f<-factor(f, labels=c("Group1","Group2"))

#Lattice绘图系统 

install.packages("lattice") 

library(lattice) 

xyplot(Temp~Ozone,data=airquality) 

airquality$Month <-factor(airquality$Month) #将Month从数值变量转换为分类变量

xyplot(Temp~Ozone|Month,data=airquality,layout=c(5,1)) 

 q <- xyplot(Temp~Wind,data=airquality) 

print(q) 

set.seed(1)#每次产生的随机数相同 

x <- rnorm(100)#随机数服从正态分布 

f <- rep(0:1,each=50) 

y <- x+f-f*x+rnorm(100,sd=0.5) 

f <- factor(f,labels=c("Group1","Group2")) 

xyplot(y~x|f,layout=c(2,1)) 

xyplot(y~x|f,panel=function(x,y){  

panel.xyplot(x,y)  

panel.abline(v=mean(x),h=mean(y),lty=2)  

panel.lmline(x,y,col="red") })

使用随机数切记要生成种子点，以便重现结果。

set.seed(1)---使每次产生的随机变量是相同的