R语言基础绘图详解：plot、curve、barplot与pie函数实战

结果或目标

通过掌握以下函数的基本用法，您可以为不同数据结构选择合适的图形表达方式：

• 散点图：展示两个连续变量之间的关系。plot(x, y)
• 曲线图：根据数学函数表达式绘制平滑曲线。curve(expr)
• 条形图：对比分类数据的数值大小。barplot(H)
• 饼图：显示各部分占总体的比例。pie(x)

准备条件：通用参数设置

虽然上述四种函数的核心输入不同，但它们共享一套用于美化图表的通用参数。在开始具体操作前，建议先了解这些关键参数，以便后续统一调整风格。

第1步：配置标题与坐标轴信息

• 目的：明确图表主题及各轴含义。
• 参数：main（主标题）、xlab（X轴名称）、ylab（Y轴名称）。

第2步：限定数据显示范围

• 目的：聚焦关键数据区间，去除无关干扰或突出变化趋势。
• 参数：xlim（X轴范围，如 c(0, 5)）、ylim（Y轴范围）。

第3步：自定义样式与叠加绘制

• 目的：区分多组数据或提升视觉辨识度。
• 参数：col（颜色，适用于条形图和饼图的多色填充）、add = TRUE（将新图形叠加到现有图像上，而非新建窗口）。

真实操作顺序

第一步：绘制散点图 (plot)

对于成对出现的数值数据，plot() 是最常用的起点。它可以自动检测数据类型并选择最佳呈现方式，但通常用于绘制点状散点。

具体动作

通过向量或数据框列传入 X 和 Y 值，并指定绘图类型为点（type="p"，默认即为 p）。

xs <- c(1:314)/10
ys <- sin(xs)
plot(xs, ys, xlab="xs", ylab="ys=sin(xs)")

执行后，控制台会生成对应的散点分布图。在 RStudio 环境中，图像会显示在右下角的 "Plots" 面板中：

如需导出，可点击 Plots 面板上方的 Export 按钮，将当前图像保存为 PNG/JPEG 图片或 PDF 文件。

第二步：绘制函数曲线图 (curve)

当需要展示一个数学函数的连续性变化时，使用 curve()。它接受的是函数表达式而非离散的数据点集。

具体动作

定义函数表达式 expr，并指定自变量的取值范围 from 和 to。

curve(sin(x), from=0, to=10, n=1000)

其中 n=1000 表示取1000个点来近似绘制曲线，点越多线条越平滑。生成的正弦波效果如下：

若要在已存在的图上叠加另一条曲线（例如 cos(x)），需先绘制第一条，然后在第二条调用中加入 add = TRUE。

第三步：创建条形图 (barplot)

用于比较不同类别的数值差异。核心输入是一个包含数值的向量或矩阵 H。

具体动作

提供数值向量 c(1,2,3)，并为每个条形设置名称 names.arg 和对应颜色 col。

barplot(c(1,2,3), names.arg=c("a","b","c"), col=c('red','green','blue'))

运行结果展示了一个简单的三维颜色条形对比图：

第四步：生成饼图 (pie)

用于展示构成比例。输入为一个正数向量 x，代表各扇区的面积权重。

具体动作

输入权重向量并配以标签和颜色。

pie(c(1,2,3), labels=c("a","b","c"), col=c('red','green','blue'))

其他常用控制参数包括：radius（圆半径大小，默认为0.8）、clockwise（切片顺时针方向，默认逆时针）以及 density/angle（控制阴影条纹的方向和密度）。生成的圆形比例图如下：

完成判断

检查输出的图像是否符合预期：坐标轴标签是否清晰（xlab/ylab）、标题是否准确反映数据内容（main）、颜色和边界是否易于区分（col/border）。若需在论文或报告中引用，请通过 Export 功能获取高分辨率版本。

简要总结

以上便是R语言基础绘图函数（plot、curve、barplot、pie）的详细使用方法。通过灵活组合这些函数的核心参数与通用美化选项，您可以快速构建出清晰直观的数据可视化图表。更多关于R语言绘图的进阶技巧，欢迎继续探索本站相关资源！