如何使用Basic R制作直方图 _数据科学

本文概述

什么是直方图？
如何使用Basic R制作直方图
想走得更远吗？

这是R教程系列的第一篇文章, 介绍了如何在R中创建自己的直方图的基础知识。将探讨三个选项：R的基本命令, ggplot2和ggvis。这些职位面向需要可访问且易于理解的资源的初级和中级R用户。
使用基本的R命令制作直方图将是本文的主题。你将在本教程中介绍以下主题：

什么是直方图？
如何使用Basic R制作直方图

想了解更多？在srcmini发现R课程。
什么是直方图？直方图是数据集分布的直观表示。因此, 直方图的形状是其最明显, 最有用的特征：它使你可以轻松地看到相对大量的数据位于何处, 以及几乎找不到什么数据(Verzani 2004)。换句话说, 你可以看到数据分布中的中间位置, 该中间位置附近数据的距离以及在哪里可以找到异常值。因此, 直方图是了解你的数据的好方法！
但是, 直方图的特定形状到底是什么样的？
简而言之, 直方图由x轴, y轴和不同高度的各种条组成。 y轴显示数据中x轴上的值出现的频率, 而条形图将值的范围或连续类别分组在x轴上。后者解释了为什么直方图在条形图之间没有间隙。
注意, 直方图的条通常被称为” bins” ；本教程还将使用该名称。
如何使用Basic R制作直方图 1.向我显示数据
由于直方图需要首先绘制一些数据, 因此可以很好地导入数据集或使用R中内置的数据集。
本教程利用两个数据集：内置的R数据集AirPassengers和一个名为chol的数据集, 它们存储在.txt文件中并可供下载。
在开始使用直方图中的chol之前, 最好借助read.table()函数阅读文本文件：

chol < - read.table(url("http://assets.srcmini.com/blog_assets/chol.txt"), header = TRUE)

2.熟悉Hist()函数
你可以使用hist()函数简单地制作一个直方图, 该函数计算给定数据值的直方图。你可以将数据集的名称放在该函数的括号之间, 如下所示：
结果为以下直方图：

文章图片
但是, 如果你只想选择数据框的特定列(例如chol)以制作直方图, 则必须使用hist()函数, 将数据集名称与$符号结合使用, 然后再使用该列名称：
注意, chol数据已经为你加载！
在这段代码中, 你将计算数据帧的列chol中名为chol的数据值的直方图。执行此行代码后, 你将获得以下直方图：

文章图片
3.将hist()函数提升一个档次
上一节的直方图看起来有些沉闷, 不是吗？
默认的可视化效果通常对理解直方图没有多大帮助。因此, 你需要采取进一步的步骤, 以更好, 更轻松地理解直方图。幸运的是, 这并不太难：R允许使用几种简便快捷的方法来优化图的可视化, 同时仍使用hist()函数。
为了适应直方图, 你只需要向hist()函数添加更多参数, 就像这样：
此代码计算数据集AirPassengers的数据值的直方图, 将其作为” 航空乘客的直方图” 作为标题, 将x轴标记为” Passengers” , 对垃圾箱给出蓝色边框和绿色, 同时限制x轴从100到700, 将y轴上打印的值旋转1, 并将bin宽度更改为5。

文章图片
你觉得这串大代码有点不知所措吗？别担心！
以下各节将上述代码块分解为小段, 以查看每个参数(例如main, col, … )的作用。
名称/颜色你可以通过将main作为参数添加到hist()函数来更改直方图的标题。在这种情况下, 你可以使用标题为” 航空旅客的直方图” 的航空客机数据集直方图：
如果要调整x轴的标签, 请添加xlab。同样, 你也可以使用ylab标记y轴：
在上面的srcmini Light块中, 你制作了AirPassengers数据集的直方图, 并在x轴和y轴上更改了标签。
如果要更改默认直方图的颜色, 只需添加参数border或col。你可以调整直方图的边框或颜色, 如名称本身一样。在下面的代码块中, 直方图将具有蓝色边框的垃圾箱, 其中绿色填充：
提示：不要忘记将颜色和名称放在” ” 之间。
X和Y轴通过将xlim和ylim作为参数添加到hist()函数, 更改轴上x和y值的范围：
在上面的代码块中, 直方图的x轴限制为100到700, 而y轴限制为0到30。
请注意, 使用xlim和ylim时, c()函数用于在轴上定界。它有两个值：第一个是开始值；第二个是开始值。第二个是最终值。
你可以通过添加las = 1作为参数来在y轴上旋转标签。 las可以采用以下值：0、1、2或3。
根据选择的选项, 标签的位置将有所不同：如果选择0, 则标签将始终与轴平行(默认设置)；否则, 标签将始终与轴平行。如果选择1, 则标签将水平放置。如果要使其垂直于轴, 则选择2；如果要垂直放置, 则选择3。
在这种情况下, 由于将值1传递给las参数, 因此直方图具有水平投影的y值。尝试更改传递给las参数的数量, 然后查看效果！
垃圾箱你可以通过添加分隔符作为参数以及所需的断点数来更改容器宽度：
上面的srcmini Light块中的代码行的结果直方图有5个断点。
如果你想更好地控制分档之间的断点, 可以通过给它一个断点向量来丰富breaks参数。你可以使用c()函数执行此操作：
换句话说, 作为上述代码的结果的直方图具有bin, 使得它们的范围从100到300、300到500和500到700。
但是, c()函数有时会使你的代码非常混乱。这就是为什么你可以改为添加seq(x, y, z)的原因。 x, y和z的值由你自己确定, 并按出现顺序表示x轴的开始编号, x轴的结束编号以及这些编号出现的间隔。
请注意, 你还可以将两个功能结合在一起：
该直方图在x轴上从100开始, 在200到700的值处, 条带宽度为150。通过查看以下图像或执行srcmini Light块, 来查看这段代码的结果！

文章图片
提示：尝试seq参数中使用的数字时, 请彻底研究y轴的变化！
请注意, 条形或箱形的不同宽度可能会使人们感到困惑, 并且当你将此技术应用于原始直方图时, 数据中最有趣的部分可能会发现自己没有被突出显示甚至隐藏。因此, 只需尝试一下, 看看最适合你的目的！
额外：概率密度默认情况下, hist()函数向你显示y轴上某个bin的频率。但是, 如果要查看x轴值间隔出现的可能性, 则需要概率密度而不是频率。因此, 你要询问比例的直方图。你可以通过将freq参数设置为false或将prob参数设置为TRUE来更改此设置：
调用hist()函数创建上述概率密度图后, 你可以随后使用lines()函数将密度曲线添加到数据集中：
请注意, 此函数要求你首先将直方图的prob参数设置为TRUE！
想走得更远吗？有关可以添加到hist()函数的所有参数的详尽列表, 请查看有关hist()函数的RDocumentation文章。
【如何使用Basic R制作直方图】这是有关使用R创建直方图的三篇文章中的第一篇。下一篇文章涵盖了使用ggplot2创建直方图的内容。