R Language
आधार प्लॉटिंग

पैरामीटर

टिप्पणियों

बेसिक प्लॉट

plot() कॉल करके एक मूल प्लॉट बनाया जाता है। यहां हम बिल्ट-इन cars डेटा फ्रेम का उपयोग करते हैं जिसमें कारों की गति और 1920 के दशक में बंद होने के लिए ली गई दूरियां शामिल हैं। (डेटासेट के बारे में अधिक जानने के लिए, मदद (कारों) का उपयोग करें)।

plot(x = cars$speed, y = cars$dist, pch = 1, col = 1, 
     main = "Distance vs Speed of Cars", 
     xlab = "Speed", ylab = "Distance")

हम समान परिणाम प्राप्त करने के लिए कोड में कई अन्य विविधताओं का उपयोग कर सकते हैं। हम विभिन्न परिणाम प्राप्त करने के लिए पैरामीटर भी बदल सकते हैं।

with(cars, plot(dist~speed, pch = 2, col = 3, 
     main = "Distance to stop vs Speed of Cars", 
     xlab = "Speed", ylab = "Distance"))

अतिरिक्त सुविधाओं को इस points() कॉलिंग points() , text() , mtext() , lines() , grid() , आदि द्वारा जोड़ा जा सकता है।

plot(dist~speed, pch = "*", col = "magenta", data=cars,
     main = "Distance to stop vs Speed of Cars", 
     xlab = "Speed", ylab = "Distance")
mtext("In the 1920s.")
grid(,col="lightblue")

Matplot

matplot विशेष रूप से एक ही ग्राफ पर, एक ही वस्तु से, एक ही वस्तु से टिप्पणियों के कई सेटों की साजिश रचने के लिए उपयोगी है।

यहां एक मैट्रिक्स का एक उदाहरण है जिसमें यादृच्छिक ड्रॉ के चार सेट होते हैं, प्रत्येक का एक अलग मतलब होता है।

xmat <- cbind(rnorm(100, -3), rnorm(100, -1), rnorm(100, 1), rnorm(100, 3))
head(xmat)
#          [,1]        [,2]       [,3]     [,4]
# [1,] -3.072793 -2.53111494  0.6168063 3.780465
# [2,] -3.702545 -1.42789347 -0.2197196 2.478416
# [3,] -2.890698 -1.88476126  1.9586467 5.268474
# [4,] -3.431133 -2.02626870  1.1153643 3.170689
# [5,] -4.532925  0.02164187  0.9783948 3.162121
# [6,] -2.169391 -1.42699116  0.3214854 4.480305

एक ही ग्राफ पर इन सभी अवलोकनों को प्लॉट करने का एक तरीका यह है कि एक plot कॉल के बाद तीन और points या lines कॉल किया जाए।

plot(xmat[,1], type = 'l')
lines(xmat[,2], col = 'red')
lines(xmat[,3], col = 'green')
lines(xmat[,4], col = 'blue')

हालाँकि, यह थकाऊ है, और समस्याओं का कारण बनता है, क्योंकि अन्य बातों के अलावा, धुरी की सीमाएं केवल पहले कॉलम को फिट करने के लिए plot द्वारा तय की जाती हैं।

इस स्थिति में बहुत अधिक सुविधाजनक matplot फ़ंक्शन का उपयोग करना है, जिसमें केवल एक कॉल की आवश्यकता होती है और स्वचालित रूप से अक्ष सीमा का ख्याल रखता है और प्रत्येक स्तंभ के लिए सौंदर्यशास्त्र को बदलकर उन्हें अलग पहचान देता है।

matplot(xmat, type = 'l')

ध्यान दें कि, डिफ़ॉल्ट रूप से, matplot दोनों रंग ( col ) और linetype ( lty ) को बदलता है क्योंकि इससे दोहराए जाने से पहले संभावित संयोजनों की संख्या बढ़ जाती है। हालांकि, इन सौंदर्यशास्त्रों में से किसी (या दोनों) को एक ही मूल्य के लिए तय किया जा सकता है ...

matplot(xmat, type = 'l', col = 'black')

... या एक कस्टम वेक्टर (जो मानक आर वेक्टर रीसाइक्लिंग नियमों का पालन करते हुए, स्तंभों की संख्या को रीसायकल करेगा)।

matplot(xmat, type = 'l', col = c('red', 'green', 'blue', 'orange'))

main , xlab , xmin सहित मानक ग्राफिकल पैरामीटर, plot लिए ठीक उसी तरह काम करते हैं। उन पर अधिक के लिए, देखें ?par

plot तरह, यदि केवल एक ही वस्तु दी जाती है, तो matplot यह y चर है और x लिए सूचकांकों का उपयोग करता है। हालाँकि, x और y को स्पष्ट रूप से निर्दिष्ट किया जा सकता है।

matplot(x = seq(0, 10, length.out = 100), y = xmat, type='l')

वास्तव में, x और y दोनों मैट्रिसेस हो सकते हैं।

xes <- cbind(seq(0, 10, length.out = 100),
             seq(2.5, 12.5, length.out = 100),
             seq(5, 15, length.out = 100),
             seq(7.5, 17.5, length.out = 100))
matplot(x = xes, y = xmat, type = 'l')

हिस्टोग्राम

हिस्टोग्राम्स डेटा के अंतर्निहित वितरण के छद्म प्लॉट के लिए अनुमति देते हैं।

hist(ldeaths)

hist(ldeaths, breaks = 20, freq = F, col = 3)

भूखंडों का मेल

यह अक्सर एक ग्राफ में कई प्लॉट प्रकारों को संयोजित करने के लिए उपयोगी होता है (उदाहरण के लिए स्कैटरप्लॉट के बगल में एक बारप्लॉट।) आर फ़ंक्शंस par() और layout() की मदद से इसे आसान बनाता है।

par()

par nrows और ncols c(nrows, ncols) का एक मैट्रिक्स बनाने के लिए तर्कों mfrow या mfcol का उपयोग करता है जो आपके भूखंडों के लिए ग्रिड के रूप में काम करेगा। निम्न उदाहरण से पता चलता है कि एक ग्राफ में चार भूखंडों को कैसे संयोजित किया जाए:

par(mfrow=c(2,2))
plot(cars, main="Speed vs. Distance")
hist(cars$speed, main="Histogram of Speed")
boxplot(cars$dist, main="Boxplot of Distance")
boxplot(cars$speed, main="Boxplot of Speed")

layout()

layout() अधिक लचीला है और आपको अंतिम संयुक्त ग्राफ के भीतर स्थान और प्रत्येक भूखंड की सीमा निर्दिष्ट करने की अनुमति देता है। यह फ़ंक्शन इनपुट के रूप में एक मैट्रिक्स ऑब्जेक्ट की उम्मीद करता है:

layout(matrix(c(1,1,2,3), 2,2, byrow=T))
hist(cars$speed, main="Histogram of Speed")
boxplot(cars$dist, main="Boxplot of Distance")
boxplot(cars$speed, main="Boxplot of Speed")

घनत्व की साजिश

हिस्टोग्राम के लिए एक बहुत ही उपयोगी और तार्किक अनुवर्ती एक यादृच्छिक चर के चिकने घनत्व समारोह की साजिश होगी। कमान द्वारा निर्मित एक मूल भूखंड

plot(density(rnorm(100)),main="Normal density",xlab="x")

जैसा दिखेगा

आप एक हिस्टोग्राम और एक घनत्व वक्र के साथ ओवरले कर सकते हैं

x=rnorm(100)
hist(x,prob=TRUE,main="Normal density + histogram")
lines(density(x),lty="dotted",col="red")

जो देता है

अनुभवजन्य संचयी वितरण समारोह

हिस्टोग्राम और घनत्व भूखंडों के लिए एक बहुत ही उपयोगी और तार्किक अनुवर्ती अनुभवजन्य संचयी वितरण समारोह होगा। हम इस उद्देश्य के लिए फ़ंक्शन ecdf() उपयोग कर सकते हैं। कमान द्वारा निर्मित एक मूल भूखंड

plot(ecdf(rnorm(100)),main="Cumulative distribution",xlab="x")

जैसा दिखेगा

R_Plots के साथ आरंभ करना

• स्कैटर प्लॉट

आपके पास दो वैक्टर हैं और आप उन्हें प्लॉट करना चाहते हैं।

x_values <- rnorm(n = 20 , mean = 5 , sd = 8) #20 values generated from Normal(5,8)
y_values <- rbeta(n = 20 , shape1 = 500 , shape2 = 10) #20 values generated from Beta(500,10)

आप एक साजिश जो है बनाना चाहते हैं y_values ऊर्ध्वाधर अक्ष में और x_values क्षैतिज अक्ष में, आप निम्न आदेश का उपयोग कर सकते हैं:

plot(x = x_values, y = y_values, type = "p") #standard scatter-plot
plot(x = x_values, y = y_values, type = "l") # plot with lines
plot(x = x_values, y = y_values, type = "n") # empty plot

अधिक विकल्पों के बारे में पढ़ने के लिए आप कंसोल में टाइप ?plot() कर सकते हैं।

• बॉक्स प्लॉट

आपके पास कुछ चर हैं और आप उनके वितरण की जांच करना चाहते हैं

#boxplot is an easy way to see if we have some outliers in the data.
   
z<- rbeta(20 , 500 , 10) #generating values from beta distribution
z[c(19 , 20)] <- c(0.97 , 1.05) # replace the two last values with outliers      
boxplot(z) # the two points are the outliers of variable z.

• हिस्टोग्राम

हिस्टोग्राम को खींचने का आसान तरीका

hist(x = x_values) # Histogram for x vector
hist(x = x_values, breaks = 3) #use breaks to set the numbers of bars you want

• वृत्त चित्र

यदि आप एक चर की आवृत्तियों की कल्पना करना चाहते हैं, तो बस पाई आकर्षित करें

पहले हमें आवृत्तियों के साथ डेटा उत्पन्न करना होगा, उदाहरण के लिए:

P <- c(rep('A' , 3) , rep('B' , 10) , rep('C' , 7) )
t <- table(P) # this is a frequency matrix of variable P
pie(t) # And this is a visual version of the matrix above