基本统计绘图基础代码 R

### 绘制基本统计图表的R语言基础代码

在R语言中，`ggplot2`包是一个非常强大的绘图工具，可以用来创建各种类型的统计图表。下面是一些常见的统计图表及其对应的简单实现方法。

#### 条形图 (Bar Plot)

条形图适用于展示分类数据的数量分布情况：

library(ggplot2)
data <- data.frame(
  category = c('A', 'B', 'C'),
  value = c(10, 20, 30)
)

p <- ggplot(data, aes(x=category, y=value)) +
     geom_bar(stat="identity") +
     labs(title="Basic Bar Chart", x="Category", y="Value")
print(p)

此段代码展示了如何利用内置的数据框来构建一个简单的条形图[^1]。

#### 折线图 (Line Plot)

折线图适合表示连续变量随时间或其他有序因素的变化趋势：

time_series_data <- data.frame(
  time_point = seq(as.Date("2023-01-01"), by = "month", length.out = 6),
  measurement = rnorm(n = 6, mean = 50, sd = 10)
)

line_plot <- ggplot(time_series_data, aes(x=time_point, y=measurement)) +
             geom_line() +
             theme_minimal() +
             labs(title='Time Series Line Graph')
print(line_plot)

上述脚本说明了怎样通过指定日期序列作为横坐标制作一条平滑的时间序列曲线图[^2]。

#### 散点图 (Scatter Plot)

散点图有助于观察两个数值型特征之间的关系模式：

scatter_data <- mtcars[,c("mpg","hp")]

scatter_plot <- ggplot(scatter_data,aes(x=mpg,y=hp))+
                geom_point(color="blue")+ 
                labs(title="MPG vs Horsepower Scatter Plot",
                     subtitle="Using built-in mtcars dataset")

print(scatter_plot)

这里使用了经典的汽车性能数据集`mtcars`中的两列来进行可视化分析。

#### 箱线图(Box Plot)

箱线图能够很好地概括一组或多组样本的整体分布特性以及异常值的存在状况：

boxplot_data <- iris$Sepal.Length ~ iris$Species 

boxplot_graph <- ggplot(iris, aes(x=Species, y=Sepal.Length)) + 
                 geom_boxplot(fill="#9ECAE1") +
                 stat_summary(fun.y=mean, geom="point", shape=5, size=4) +
                 labs(title="Boxplots of Sepal Length Across Species")

print(boxplot_graph)

这段程序选取了著名的鸢尾花(Iris)数据集中关于萼片长度的信息进行了分种类别的汇总描述。