发现数据的模式。
检查数据的异常值。
人类非常善于从视觉呈现中洞察关系。
数据初步可视化：图形的创建和保存；自定义符号、线条、颜色和坐标轴；标注文本和标题；图形的维度；多个图形的组合。
参考书籍：《R语言实战（第2版）》第三章。
本文代码运行环境为Windows版RStudio。

简单的例子

看下面这张Excel表格，这是一个假想的例子，描述了病人对两种药物五个剂量水平上的响应情况。

dose <- c(20, 30, 40, 45, 60)
drugA <- c(16, 20, 27, 40, 60)
drugB <- c(15, 18, 25, 31, 40)

如何用函数plot绘制一幅描述药物A剂量与病人响应关系的图形呢？

首先，我们需要了解函数plot的基本情况。在RStudio中输入help(plot)，在右下角的区域中可以详细看到函数plot的帮助文件，纯英文版本（敲黑板，论学好英文的重要性），非常详细的介绍了plot函数的用法（Usage）、参数（Arguments）以及一些细节信息（Details）和例子（Examples）等。

详细说一下最重要的两部分——用法（Usage）和参数（Arguments）。

用法（Usage）指的是函数plot的公式：。公式中有三个参数“x”、“y”和“...”，其中x和y都是图形中点的坐标，x表示横轴，y表示纵轴；最后一个参数“...”是绘制图形的各种方法和选项（methods），主要有type、main、sub、xlab、ylab、asp等（请自行阅读理解并自己动手尝试画图看效果），具体见下图。

plot(dose, drugA, type="b")

于是得到了一幅非常简单的描述药物A剂量与病人响应关系的图形，姑且称之为图A。

图形参数

上面绘制出来的图形非常简单（粗糙），我们可以通过修改图形参数来自定义一幅图形的许多特征：字体、颜色、坐标轴、标题。

利用函数par可以对设置图形参数，在RStudio（或R语言程序）中直接运行代码par()可以查看当前图形的各种参数，运行代码par(no.readonly = TRUE)查看可以修改当前图形的参数列表。

记忆方法：英文readonly表示只读，no.readonly就表示非只读，当其为真（TRUE）时，即表示可以修改参数。

#查看各种参数，执行以下代码
par()

#查看可以修改当前图形的参数列表
par(no.readonly = TRUE)

利用函数par设置了参数之后一直有效，除非参数值被再次修改或者结束会话（关闭软件）。

输入并运行下面的代码可以对图A进行一些修改。

#复制并记录图形当前的参数设置，并记录为opar，当然也可以把opar改成任何你想要的名称
opar <- par(no.readonly = TRUE) 

#将默认的线条类型修改为虚线（lty=2），将默认的点符号改为了实心三角（pch=17）
par(lty = 2, pch = 17)
#也可以多次使用par函数，即写成par(lty = 2)、par(pch = 17)

#绘制图形
plot(dose, drugA, type="b")

#将之前记录的参数opar利用函数par还原
par(opar)  

运行代码，结果如下图，记为图A-1。

plot(dose, drugA, type="b", lty = 2, pch = 17)

对于看了以上内容还是一头雾水纠结代码中“lty = 2”和“pch = 17”的同学，请继续往下看。

一、符号与线条

为了方（tou）便（lan），除了在RStudio中运行代码生成的图形之外，以下部分图表直接截取《R语言实战（第2版）》第三章中的内容。

通过改变下表中的图形参数修改绘制图形时使用的符号和线条类型。

plot(dose, drugA, type="b", lty = 3, lwd = 3, pch = 15, cex = 2)

线条类型选择数字3对应的线条，宽度是默认的3倍，点符号选择15实心方块，符号大小是默认的2倍，运行代码后结果如下图，记为图A-2。

同上，除了在RStudio中运行代码生成的图形之外，以下部分图表直接截取《R语言实战（第2版）》第三章中的内容。

col=1
col="white"
col="#FFFFFF"  
col=rgb(1,1,1)
col=hsv(0,0,1)

函数color()的返回值是所有657种颜色的名称，下图是运行函数color()后的部分截图。

R语言中有许多生成连续颜色的函数，包括函数 rainbow() 、heat.colors() 、terrain.colors() 、topo.colors()以及cm.colors()等；函数gray可以生成多阶灰度，需要通过用0-1之间的向量值来确定各种颜色的灰度，比如gray(0:10/10) 将生成10阶灰度色（五十度灰是可以实现的，亲测有效）。

在RStudio中输入以下代码，注释里将具体每行代码的含义。

#将绘图区域划分为1行2列，函数mfrow(x, y)表示将指将绘图区域分成x行y列，并按行的顺序依次绘图填充。
par(mfrow = c(1, 2))

#给n赋值10
n <- 10

#生成n种连续的“彩虹型”颜色
mycolors <- rainbow(n)

#pie函数用来画饼图，运行help("pie")查看该函数帮助文件；嵌套重复函数rep(x, y)，表示将x重复y次；labels标签显示为变量mycolors的名称；col颜色为变量mycolors的颜色
pie(rep(1:10), labels = mycolors, col = mycolors)

#生成n阶灰度色
mygrays <- gray(0:n/n)

#pie函数同上
pie(rep(1,n), labels = mygrays, col = mygrays)

运行代码后生成下图。

除了在RStudio中运行代码生成的图形之外，以下部分图表直接截取《R语言实战（第2版）》第三章中的内容。

图形参数同样可以用来指定字号、字体和字样。

字号和字体的设置相对容易。如果在RStudio中运行以下代码，之后创建的所有图形的坐标轴标签名称的字体为：斜体（font.lab）、1.5倍（cex.lab）于默认文本大小，标题字体为：粗斜体（font.main）、2倍（cex.main）于默认文本大小。

par(font.lab = 3, cex.lab = 1.5, font.main = 4, cex.main = 2)

字体族（family）的设置相对复杂。字体族的衬线、无衬线和等宽字体可以设置，Windows系统中通过函数windowFont()创建，Mac系统通过函数quartzFonts()创建。

以PDF格式输出图形，可以运行代码names(pdfFonts()) 找出你的系统中有哪些字体是可用的，然后使用 pdf(file="myplot.pdf", family="fontname") 来生成图形。以PostScript格式输出的图形，将相应的代码更换为names(postscriptFonts())和postscript(file="myplot.ps", family="fontname")即可。

四、图形尺寸和边界尺寸

除了在RStudio中运行代码生成的图形之外，以下部分图表直接截取《R语言实战（第2版）》第三章中的内容。

我们还以最开始创建图形A的原始数据作为例子，重新绘制两幅图形。我将下面代码中以注释的形式详细说明每一行代码的含义，全部代码如下：

#将绘图区域划分为1行2列，函数mfrow(x, y)表示将指将绘图区域分成x行y列，并按行的顺序依次绘图填充。
par(mfrow = c(1,2))

#输入表格数据
dose <- c(20, 30, 40, 45, 60)
drugA <- c(16, 20, 27, 40, 60)
drugB <- c(15, 18, 25, 31, 40)

#复制并记录图形当前的参数设置，并记录为opar，可把opar改成任何其它自定义名称
opar <- par(no.readonly = TRUE) 

#图形尺寸为2英寸宽，3英寸高
par(pin = c(2, 3))

#图形中线条的宽度是宽度是默认的3倍，符号大小是默认的2倍
par(lwd = 2, cex = 1.5)

#坐标轴字符大小为默认的0.75倍，坐标轴字符类型为3
par(cex.axis = 0.75, font.axis = 3)

#绘制图形，横轴为药物剂量，纵轴为病人对药物A的响应情况，并且同时绘制点和线；图形中的点为符号19（实心圆点），线条类型为数字2对应线条，线和点的颜色设定为红色
plot(dose, drugA, type = "b", pch = 19, lty = 2, col = "red")

#绘制图形，横轴为药物剂量，纵轴为病人对药物B的响应情况，并且同时绘制点和线；图形中的点为符号23（设定边界颜色为蓝色和填充颜色为绿色），线条类型为数字6对应线条，颜色为蓝色。
#需要注意，col不仅设定符号pch=23的边界颜色，同时也设定了线条颜色。bg仅设定符号pch=23的填充颜色
plot(dose, drugB, type = "b", pch = 23, lty = 6, col = "blue", bg = "green")

#将之前记录的参数opar利用函数par还原
par(opar)

在RStudio中运行以上全部代码，生成下图。

明显可以看出，上面的图形并非完美无瑕。比如，这两幅图都缺少标题，并且纵轴的刻度单位不同，人们也很难直接比较两种药物的能力。同时，坐标轴的标签（名称）也缺少更多的相关信息。