Mark Heckmann, profile picture
Hochgeladen vonMark Heckmann
PDF, PPTX4,334 aufrufe

R base graphics

Das Dokument behandelt die verschiedenen Grafiksysteme in R, insbesondere 'base graphics' und 'grid graphics'. Es beschreibt Funktionen zur Erstellung komplexer Grafiken und die Bedeutung von grafischen Parametern, um die Darstellung zu optimieren. Zudem werden einige spezifische Anwendungen und Beispiele für Histogramme und Streudiagramme gegeben, und es wird erläutert, wie man Grafiken in Dateien speichert.

Präsentation einbetten

Als PDF, PPTX herunterladen
1 / 105
2 / 105
3 / 105
4 / 105
5 / 105
6 / 105
7 / 105
8 / 105
9 / 105
10 / 105
11 / 105
12 / 105
13 / 105
14 / 105
15 / 105
16 / 105
17 / 105
18 / 105
19 / 105
20 / 105
21 / 105
22 / 105
23 / 105
24 / 105
25 / 105
26 / 105
27 / 105
28 / 105
29 / 105
30 / 105
31 / 105
32 / 105
33 / 105
34 / 105
35 / 105
36 / 105
37 / 105
38 / 105
39 / 105
40 / 105
41 / 105
42 / 105
43 / 105
44 / 105
45 / 105
46 / 105
47 / 105
48 / 105
49 / 105
50 / 105
51 / 105
52 / 105
53 / 105
54 / 105
55 / 105
56 / 105
57 / 105
58 / 105
59 / 105
60 / 105
61 / 105
62 / 105
63 / 105
64 / 105
65 / 105
66 / 105
67 / 105
68 / 105
69 / 105
70 / 105
71 / 105
72 / 105
73 / 105
74 / 105
75 / 105
76 / 105
77 / 105
78 / 105
79 / 105
80 / 105
81 / 105
82 / 105
83 / 105
84 / 105
85 / 105
86 / 105
87 / 105
88 / 105
89 / 105
90 / 105
91 / 105
92 / 105
93 / 105
94 / 105
95 / 105
96 / 105
97 / 105
98 / 105
99 / 105
100 / 105
101 / 105
102 / 105
103 / 105
104 / 105
105 / 105
R base graphics Mark Heckmann University of Bremen, Germany www.markheckmann.de Version Januar, 2014 © CC BY-NC 2.0 DE
Zwei Grafiksysteme (base) graphics •  Älteres System •  Sehr schnell •  Sehr viele vereinzelte Funktionen grid graphics lattice ggplot2
Arten von base graphics Funktionen High-Level functions Erstellen komplexer Grafiken, z.B. (hist) Low-Level functions Erstellung von Linien, Punkte, Achsen etc. oftmals on-top auf High-Level Funktion
High-Level Funktionen
High-Level Grafik-Funktionen plot! qqnorm! hist! boxplot! barplot!
Don‘t get fooled by default looks: Mit R base graphics kann man wunderschöne Grafiken produzieren. Allerdings benötigt dies meist viel Code ! par(mai=c(0.5,1,0.5,0.5),! omi=c(0.5,0.5,0.5,0.5),! family="Lato Light",las=1)! frauen <- read.csv("daten/frauen.txt",header =F,sep=",")! for(i in 1:111) ! colnames(frauen)[i]<-paste("x",i+1949,sep="") ! maenner<-read.csv("daten/maenner.txt",header =F,sep=",")! for(i in 1:111) ! colnames(maenner)[i]<-paste("x",i+1949,sep="")! rechts<-frauen$x2010! links<-maenner$x2010! farbe_rechts<-c(! rep(rgb(210,210,210,maxColorValue=255),15),! rep(rgb(144,157,172,maxColorValue=255),50),! rep(rgb(225,152,105,maxColorValue=255),! length(rechts)-65))! farbe_links<-farbe_rechts! barplot(rechts,axes=F,horiz=T,axis.lty=0,! border=NA, col=farbe_rechts,xlim=c(-750,750))! barplot(-links,axes=F,horiz=T,axis.lty=0,border=NA, ! col=farbe_links,xlim=c(-750,750),add=T)! abline(v=0,lwd=28,col=par("bg"))! for (i in seq(10,90,by=10)) text(0,i+i*0.2,i,cex=1.1) ! mtext(abs(seq(-600,600,by=200)),! at=seq(-600,600,by=200), 1,line=-1,cex=0.80)! rect(-1000,15+15*0.2,1000,66+66*0.2,xpd=T, ! col=rgb(210,210,210,90,maxColorValue=255),! border=NA)! mtext("erwerbsfähiges Alter",2,line=1.5,las=3,adj=0.38) ! mtext("Männer",3,line=-5,adj=0.25,cex=1.5,col="grey") ! mtext("Frauen",3,line=-5,adj=0.75,cex=1.5,col="grey") ! mtext("Altersaufb...",3,line=-1.5,adj=0,cex=1.75,! family="Lato Black",outer=T) ! mtext("Angaben in...",3,line=-3.25,adj=0,cex=1.25,! font=3,outer=T) ! mtext("Quelle: ww...",1,line=0,adj=1.0,cex=0.95,! font=3,outer=T)! Rahlf, T. (2014) Datendesign mit R, S. 222 ff.
Histogramm mit hist! x <- rnorm(1000)! hist(x)!
?hist - Argumente von hist! hist(x, breaks = "Sturges",! !freq = NULL, probability = !freq,! !include.lowest = TRUE, right = TRUE,! !density = NULL, angle = 45, ! ! !col = NULL, border = NULL! ! !main = paste("Histogram of" , xname),! !xlim = range(breaks), ylim = NULL,! !xlab = xname, ylab,! !axes = TRUE, plot = TRUE, ! Noch mehr ! !labels = FALSE,! Argumente. Mehr dazu !nclass = NULL, ! später ... ! !warn.unused = TRUE, ...)!
main! col! ylab! ylim! border! xlim! breaks! xlab! hist(x, breaks=25, col="grey", main="Histogramm", ! xlab="Werte von x", ylab="Häufigkeit",! ylim=c(0, 100), xlim=c(-5, 5),! border="white")!
Your turn! - Erstelle folgendes Histogramm mit zufälligen Werten mit dem Datensatz
Streudiagramm mit plot! main! ylab! type! ylim! xlim! xlab! plot(x=IQbio, y=IQfoster, type="p",! xlab="IQ of twin raised by biological parents",! ylab="IQ of twin raised by foster parents",! main="IQ - Zwilling im Vergleich",! xlim=c(60, 140), ylim=c(60, 140))!
Your turn! - Erstelle folgenden Plot mit dem iris Datensatz
Einstellung graphischer Parameter ?par # > 50 Parameter! bg cex col! las lwd pch Hintergrundfarbe des Plots Größe des Texts im Plot Farbe der dargestellten Elemente Stil der Achsenbeschriftung Breite von gezeichneten Linien Art des dargestellte Symbols
Graphical parameters Über die Funktion par können graphische Parameter festgelegt werden. Dies kann entweder a)  direkt über die Funktion par vor dem Aufruf einer High-Level Funktion, wie z.B plot, b)  oder über das Drei-Punkte-Argument ... innerhalb der Funktion geschehen. Üblicher ist letzteres, denn dies verändert nur den aktuellen Plot. Erstgenannte verändert alle nachfolgenden Plots.
Die Argumente von par können direkt in die Funktion plot eingegeben werden (Datensatz Burt aus Paket car) cex! las! col! pch! plot(IQbio, IQfoster, col="darkgrey",! las=1, pch=16, cex=3)!
Farben – Argument col ! Farben können u.a. als Zahl zwischen 1 und 8 oder als Text definiert werden "red", "blue", "green", "grey” ... später mehr !
Vektorisierte Argumente plot(IQbio, IQfoster, col=class,! las=1, pch=16, cex=4)!
Your turn! – Verändere den letzten Plot folgendermaßen
Argument pch – point character Kann ein Vektor mit Zahlen zwischen 1 und 20 sein oder mit einem Zeichen !! ! ! ! ! ! ! !pch="#"!
Weitere vektorisierte Argumente cnum <- as.numeric(class) # umwandeln! plot(IQbio, IQfoster, col=cnum,! las=1, pch=cnum, cex=cnum)!
Your turn! Erstelle folgenden Plot
Your turn! Erstelle folgenden Plot
par vor plot aufrufen Anstatt die Argumente für par innerhalb von plot anzugeben können diese auch vor dem Aufruf von plot angegeben werden !par(cex=2)! !plot(IQbio, Iqfoster)! ! Allerdings betrifft die Einstellung danach alle weiteren Plots. Für manche Argumente, wie bg (background), funktioniert es jedoch nur so.!
Deshalb sollte man nach Erstellung der Grafik die Ursprungseinstellung von par wieder herstellen ! par gibt eine Liste mit den Einstellungen vor der Änderung zurück op <- par(cex=2)! plot(IQbio, Iqfoster)! par(op)! Zurücksetzen auf alte Einstellungen (in op gespeichert)
par Aufrufe im Vergleich ! a) ! ! ! b) ! ! !op <- par(cex=2)! ! !plot(IQbio, Iqfoster)! ! !par(op)! ! !plot(IQbio, Iqfoster, cex=2)! ... - Argumente werden an die Funktion par weitergeleitet
Balkendiagramm mit barplot! names.arg! v <- c(1, 3, 2)! barplot(v, names.arg = c("A", "B", "C"))!
Mehrdimensionale Balkendiagramme! beside=FALSE! beside=TRUE! m <- matrix(c(1, 3, 2, ! 2, 2, 4), ncol=3, by=T)! barplot(m, beside=FALSE, names.arg = ! c("Col 1", "Col 2", "Col 3"))!
Balkendiagramme nutzen aggregierte Daten (Anzahl pro Kategorie). Die Datenstruktur kann z.B. mit Hilfe von table erzeugt werden attach(mtcars)! cats <- c("3 Gänge", "4 Gänge", "5 Gänge”)! tbl <- table(gear)! barplot(tbl, names=cats)! ! tbl! 3 4 5 ! 15 12 5 !
tbl <- table(vs, gear)! barplot(tbl, names=cats)! ! tbl! 3 4 5! 0 12 2 4! 1 3 10 1! prop <- prop.table(tbl, 2)! barplot(prop, names=cats)! ! prop! 3 4 5! 0 0.80 0.17 0.80! 1 0.20 0.83 0.20! !
Your turn! - Erstelle einen Barplot der anzeigt, wieviel Prozent der Personen pro Jahrgang abschalten (d.ngo Datensatz aus dem ryouready Paket)
Plot – Eine generische Funktion Bisher haben wir ein Streudiagramm mit plot erzeugt. Es existiert jedoch nicht nur eine, sondern sehr viele Funktionen mit dem Namen plot. Welche plot Funktion gemeint ist hängt davon ab, was für ein Objekt (Dataframes, Faktoren, Regressionen) geplottet werden soll. library(car)! attach(Burt)!
plot(IQbio, IQfoster) # numerisch! Streudia gramm
plot(Burt) # dataframe! Paarwe ise Streudia gramm e
plot(class, IQbio) # factor, num.! Boxplot
plot(class) # factor! Balkend iagram m
m <- lm(IQbio ~ IQfoster)! plot(m) # linear model! Regress ion
Plot – Eine generische Funktion Wenn man die Hilfe zu plot aufruft steht hier Generic function for plotting of R objects. Wenn ein Streudiagramm erstellt werden soll, erkennt R, dass x und y numerisch sind und nutzt deshalb die Funktion plot.default. Hier stehen in der Hilfe deutlich mehr Argumente als in plot. ! Zum plotten einer Regression nutzt R die Funktion plot.lm. Als Nutzer merkt man dies nicht, wenn man einfach plot eingibt. Wenn man jedoch die Argumente für plot sucht, muss man bei der jeweiligen plotFunktion nachschauen.!
Legenden
Legenden können über die Funktion legend hinzugefügt werden Es können vier Typen von Legende erzeugt werden: •  Boxen •  Linien •  Symbole •  Linien + Symbole !
title! fill! legend(x=1, y=10, ! legend=c("Eins","Zwei", ! legend! "Drei","Vier"), ! fill=1:4, ! title="Boxen")! ncol=2! border=“red"! border! density! density=20, horiz=TRUE!
legend(x=1, y=10, ! legend=c("Eins","Zwei", ! "Drei","Vier"), ! lwd=1, ! title=“Linien")! lwd:line width! lwd=4! seg.len=5! seg.len! lty=1:4! lty: line type!
legend(1, 10, ! ! ! c("Eins", "Zwei", ! "Drei", "Vier"), ! text.col! pch=1:4, col=1:4,! text.col=1:4,! title="Symbole")! pch! pt.cex=c(.5, 1, 1.5, 2) pt.lwd=c(1,3,6,9)! pt.cex, pt.lwd! pch=1:4! lwd=4! merge=TRUE!
title.col! bg! y.intersep! box.lwd! box.col! legend(1, 10, ! LETTERS[1:3], ! fill=1:4, ! title.col="blue",! title="Boxen", ! bg="gray90", ! box.col="red", ! box.lwd=3,! y.intersp=2)! cex=2!
Positionieren der Legende Argumente •  x! •  Y ! •  xjust ! •  yjust! 1! yjust! 0! 0! xjust! 1!
Über Schlüsselwörter positionieren
Legenden Argumente in Grafik Funktionen Einige Grafikfunktionen, z.B. barplot, besitzen Argumente um Legenden automatisch zu generieren m <- matrix(1:4, 2)! barplot(m, col = 2:3,! legend.text = c("A","B")) ! Unschöne Platzierung!
In dieser Variante wird die Legende ebenfalls durch die Funktion legend erzeugt. Die Funktion wird nur hinter den Kulissen durch barplot automatisch aufgerufen. Um die Legende anzupassen, können weitere Argumente an legend über das Argument args.legend als Liste übergeben werden. barplot(m, col = 2:3,! legend.text = c("A", "B"), ! args.legend = ! list(x="topleft”,bty="n"))! Platzierung oben links! Kein Rahmen um Legende!
Füge zum vorherigen Plot eine Legende hinzu
Plot in Datei speichern
Grafik als Datei speichern R kann unterschiedliche Output Formate erzeugen. Hierzu stehen u.a. folgende Funktionen zur Verfügung ## Bitmap Format! jpeg() ! ! ! ! !# bmp() ! ! ! ! !# png() ! ! ! ! !# ! ## Vektorformat! pdf() ! ! ! ! !# cairo_pdf !# ! öffnet jpeg device! öffnet bmp device! öffnet png device! pdf device öffnen! Alternative zu pdf()!
Grafikdatei erstellen Vorgehen für alle Dateitypen: 1.  Grafik Device (Datei) öffnen 2.  Grafikcode (eine / mehrere Zeilen) ausführen 3.  Device (Datei) schließen pdf("mein_plot.pdf“) !# pdf device öffnen! !plot(1:10) ! ! # Grafikbefehl(e)! dev.off()! ! ! ! ! !# device schließen! ! !
Plot in PDF ● ● 2 4 6 8 1:10 ● ● ● ● ● ● ● ● 2 4 6 8 10 Index Breite in Inch Höhe in Inch pdf("mein_plot.pdf", width=5, height=3)! par(bg="grey95") ! plot(1:10, col="blue", pch=16, ! !! ! ! !main="Plot in PDF")! dev.off()
Bitmap-Formate Bei Bitmap-Formaten wird die Größe (width, height) des Plots in Punkten (Pixel) angegeben. Die Voreinstellung sind 480 Pixel. Weiterhin gibt es ein Argument res, das die Auflösung (Feinheit des Plots), d.h. die Anzahl an Pixeln pro Inch (ppi, default sind 72), angibt. png("plot.png", width=480, height=480, res=72)! !par(bg="grey95") ! !plot(1:10)! dev.off()!
Bitmap Formate und Auflösung Die Standardeinstellung für z.B. png ist 72 Pixel pro Inch (ppi). Dies ist für Web-Grafiken der Standard. Diese Qualität ist jedoch zu gering für Publikationen. Ziel: 300ppi. 72ppi 300ppi
Die Auflösung kann mit dem Argument res verändert werden. Setzen wir diese zunächst auf 2 * 72ppi = 144 ppi Folge: Der Plot ist immer noch 480 Pixel breit. Bei doppelter Auflösung bedeutet dies effektiv jedoch nur noch die halbe Breite
Um das gleiche Ergebnis wie zuvor nur mit doppelter Auflösung zu erhalten, muss die Größe des Plots (Anzahl der Pixel) ebenfalls um den Faktor 2 vergrößert werden. Vorher: Einfache Auflösung und einfache Größe png("72ppi.png", ! width = 480, height = 480, res = 72)! plot(1:10)! dev.off()! Jetzt: Doppelte Auflösung und doppelte Größe png("144ppi.png", ! width = 480*2, height = 480*2, res = 72*2)! plot(1:10)! dev.off()!
Typische Fehler Achtung: Manchmal vergisst man offene devices wieder zu schließen dev.list() ! ! !# welche devices sind ! ! ! ! ! ! ! !# noch offen?! ! graphics.off()! !# alle devices schließen! ! !
Erstelle folgende png-Grafik mit einer Auflösung von 300 ppi
Plot Layout
Verschiedene Plot Bereiche Siehe auch: Clarkson, 2010, http://www.stat.tamu.edu/~jkim/Rfigurelayout.pdf
Verschiedene Plot Bereiche plot-Bereich: eigentlicher Inhalt des Plots (Punkte, Linien, Histogramm etc.) figure-Bereich: Achsen und zugehörige Labels. Breite wird als Vielfaches einer Zeilenhöhe im Uhrzeigersinn angegeben (unten, links, oben, rechts). Voreinstellung: ! ! !mar=c(5.1, 4.1, 4.1, 2.1)! device-Bereich: Umgrenzt einen oder mehrere figure Bereiche. Wird meist als zusätzlicher Rahmen genutzt. Voreinstellung: oma=c(5.1, 4.1, 4.1, 2.1)! Siehe auch: Clarkson, 2010, http://www.stat.tamu.edu/~jkim/Rfigurelayout.pdf
Verschiedene Plot Bereiche mar[1] = 5! oma[1] = 3! Siehe auch: Clarkson, 2010, chr
Funktionen zu den Bereichen box(which="plot") !# Rahmen um Plot Bereich! box(which="figure") # ... um Figure Bereich! box(which="outer") # ... um Device Bereich !! ! Text im Figure oder Device Bereich ! mtext("figure links", side=1, ! ! ! line= 2, adj=0)! mtext("device rechts", side=1, ! line= 2, adj=1, outer=TRUE)! Siehe auch: Clarkson, 2010, http://www.stat.tamu.edu/~jkim/Rfigurelayout.pdf
adj=1! adj=0! adj=1!
Your turn! – Verändere den irisDaten Plot folgendermaßen
Anordnen von Plots mit mfrow! par kennt das Argument mfrow. Dies gibt die horizontale und vertikal Anzahl an gleich großen figure Bereichen an Layout mit 1 Zeile und 2 Spalten! ! par(mfrow=c(1,2), oma=c(1,1,1,1))! plot(rnorm(10), rnorm(10))! hist(rnorm(100))!
mfrow=c(1,2)
Your turn! – Erweitere den irisDaten Plot folgendermaßen
Anordnen von Plots mit layout! layout erlaubt komplexe Anordnungen. Figure Bereiche können sich über mehrere Zeilen oder Spalten erstrecken. Auch kann die Breite und Höhe jeweils einzeln bestimmt werden. 5 separat bedruckbare Figure Bereiche! Figure Bereich 1 über 3 Spalten! ! Figure Bereich 5 über 2 Zeilen!
Definition des Layouts Die Definition des Layouts geschieht mit Hilfe einer Matrix m <- matrix(1:4), ncol=2, by=T)! m! [,1] [,2]! [1,] 1 2! [2,] 3 4! Das Erstellen und Aktivieren eines Layouts erfolgt über die Funktion layout! layout(m)!
Das Layout ist nach dem Erzeugen bereits aktiv. Es wird in der Reihenfolge der Zahlen in der Matrix gefüllt plot(1:10)! hist(rnorm(100))! plot(1:10, col=2)! plot(1:10, col=4)! Beim Aufruf einer High-Level Funktion wird jeweils ein neuer Plot-Bereich gefüllt
Visualisierung des Layouts Zur leichteren Erstellung kann eine Layout gespeichert und mittels layout.show visualisiert werden m <- matrix(1:4), ncol=2, by=T)! l <- layout(m)! ! layout.show(l)!
Um einen Figure Bereich über mehrere Zeilen oder Spalten zu erstrecken, bekommen Felder in der Layout-Matrix dieselbe Zahl zugeteilt. Felder mit der Zahl 0 bleiben leer und erhalten keinen Figure Bereich. m <- matrix(c(1,1,1,! 2,2,0,! 2,2,3), ! ncol=3, ! byrow=T)! m! [,1] [,2] [,3]! [1,] 1 1 1! [2,] 2 2 0! [3,] 2 2 3!
Über die layout Argumente widths und heights kann das Höhen-Verhältnis der Zeilen und Breiten-Verhältnis der Spalten zueinander bestimmt werden. 1 1 : 3 : 3 m <- matrix(1:4, ! ncol=2, ! by=T)! l <- layout(m, ! widths=c(1,2), heights=c(1,3))! ! layout.show(l)!
x <- rnorm(1000)! y <- rnorm(1000)! ! # Layout! par(oma=c(0,0,1,3))! m <- matrix(c(1,2), ncol=1)! layout(m, height=c(1,5))! ! # Histogramm! par(mar=c(0,4,0,0))! hist(x, xaxt="n", ! yaxt="n", main="",! ylab="", xlab="")! ! # Streudiagramm! par(mar=c(4,4,0,0))! plot(x, y, ! xlab="", ylab="", ! las=1, pch=16)! !
Your turn! – Erzeuge folgenden Plot mit dem iris-Datensatz
Low-Level Funktionen
Low-Level Funktionen Eine High-Level Funktion wie plot greift auf viele Low-Level Funktionen zurück und baut aus diesen die Grafik zusammen. Dabei geschieht u.a. Folgendes: •  Ein Plot-Bereich mit den Einstellungen für die Ränder (mar, oma) wird angelegt •  Die Inhalte (z.B. Punkte werden gedruckt) •  Die Achsen und die Labels werden hinzugefügt
Nutzung von Low-Level Funktionen Low-Level Funktionen werden auf zwei Weisen verwendet: 1.  Nachdem eine High-Level Funktion genutzt wurde. Z.B. um noch weitere Punkte oder Linien zum Plot hinzuzufügen 2.  Erstellung einer Grafik von Grund auf (engl. from sratch)
Einige Low-Level Grafik-Funktionen points! Punkte erzeugen lines! Linien erzeugen rect! Rechtecke erzeugen polygon! Polygon erzeugen abline! Einfache vert. und horiz. Linien arrows! Pfeil erzeugen text! Text erzeugen mtext! Text in den Rändern erzeugen title! Überschrift erzeugen axis! Achsen erstellen grid! Raster hinzufügen
# Plot aufsetzen! library(car)! attach(Burt)! plot(IQbio, IQfoster)! # Raster hinzufügen! grid(lty="solid")! ! ! # Horiz. und vert. Linien ! abline(h=100, col="red")! abline(v=100, col="red")! !
# Punkte oben rechts in! # rot neu plotten! i <- IQbio > 100 & ! IQfoster > 100! points(IQbio[i], IQfoster[i], ! col = "red", pch = 16)! # Halb-transparentes ! # Rechteck hinzufügen rect(100, 100, 140, 140,! col = "#FF000020", border = NA)! !
# Regressionsgrade! m <- lm(IQfoster ~ IQbio, ! data = Burt)! abline(m, col = "grey")! ! # Text hinzufügen! text(120, 120, "OR")!
Your turn! – Erzeuge folgenden Plot
Leere Plots erzeugen # Leerer plot mit Limits ! # von Hand! Keine Daten plot(NULL, ! xlim = c(70, 130), ! ylim = c(70, 130) )! # Leerer plot mit passenden! # Limits! plot(IQbio, IQfoster, ! type = "n")! ! „n“ unterdrückt die Punkte
Text
# Leerer plot mit korrekten! # Limits! plot(IQbio, IQfoster, ! type = "n")! ! „n“ unterdrückt die Punkte # Punkte hinzufügen! points(IQbio, IQfoster, ! col="grey", pch=16)!
# Leerer plot mit korrekten! # Limits! i <- which(IQbio > 130)! x <- IQbio[i]! y <- IQfoster[i]! points(x, y, col = "red", ! pch = 16)! # Pfeil und Text! arrows(x, y - 10, ! x, y, ! length=0.2, ! lwd = 2, col = "red")! text(x, y-12, ! "Sehr schlau", ! adj = 1, col = "red")!
Farben in R Inspired by http://research.stowers-institute.org/efg/Report/UsingColorInR.pdf
In R können verschiedene Elemente des Plots Farben annehmen •  •  •  •  •  •  •  Punkte Linien Achsen Legenden Text Hintergrund etc.
Überschrift Legende Achse Punkte Tick Hintergrund Tick-Label Achsen Label
Farben in R Farben können in R auf unterschiedliche Art spezifiziert werden Als Name: "red", "blue”! ! Als Zahl: ! Als Hexadezimal-Code: “#12FE99"! !
Als Zahl Wenn man eine Zahl eingibt wird die Standardpalette genutzt ! palette()! [1] "black" [4] "blue" [7] "yellow" "red" "cyan" "gray" ! "green3" ! "magenta"! Die Zahl 0 heißt keine Farbe, d.h. weiß, wenn der Hintergrund der Grafik weiß ist.
Als Zahl Größere Zahlen führen zu recycleten Farben Z.B. plot(1:50, pch=16, col=1:50)!
plot(1:8, pch=16,! plot(1:24, pch=16,! cex=4, col=1:8)! cex=4, col=1:24)!
Farben als Namen colors()! [1] "white" [4] "antiquewhite1" [7] "antiquewhite4" [10] "aquamarine2" "aliceblue" "antiquewhite2" "aquamarine" "aquamarine3" "antiquewhite" "antiquewhite3" "aquamarine1" "aquamarine4" ! ! ! !
Erstelle folgenden Plot
Grautöne grey(0)! [1] "#000000"! ! grey(.5)! [1] "#808080"! ! grey(1)! [1] "#FFFFFF"! ! "grey0"! ! ! "grey50"! ! ! "grey100"!
RGB Modell CC: By SharkD on http://en.wikipedia.org/wiki/File:AdditiveColor.svg rgb(1,1,1)! Funktion rgb setzt Farben aus Rot-Grün-Blau Anteilen zusammen Anteil kann jeweils von 0 bis 1 reichen Die Funktion gibt einen String zurück rgb(.4, .2, .8)! [1] "#6633CC"! rgb(0,1,0)! rgb(0,1,1)!
RGB Modell rgb(255,255,255, max=255)! CC: By SharkD on http://en.wikipedia.org/wiki/File:AdditiveColor.svg Häufig werden die Anteile auch mit Werten zwischen 0 und 255 genutzt. rgb(102, 51, 204, max=255)! [1] "#6633CC"! ! rgb(0,255,0,max=255)!
Alpha Parameter Alpha meint den Grad an Transparenz einer Farbe. Von 0=undurchlässig, 1=völlig durchlässig. rgb(1,0,0)! rgb(1,0,0,.5)! rgb(1,0,0,.9)! Transparenz führt, dass man overplotting sinnvoll wird
Erstelle folgenden Plot mit 10000 zufälligen Werten ~N(0,1)
RGB Modell in Hexadezimal-Notation Hex Dezimal 0 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 A 10 B 11 C 12 D 13 E 14 F 15 rgb(0,255,0, max=255)! [1] "#00FF00"! Dezimalsystem mit Basis 10 255 = 2 ⋅101 + 5⋅101 + 5⋅10 0 Hexa-Dezimalsystem mit Basis 16 1 255 = 15⋅16 +15⋅16 F 0 F Merksatz: 0=00 und 255=FF, alles andere liegt dazwischen
RGB Modell in Hexadezimal-Notation Hex Dezimal 0 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 A 10 B 11 C 12 D 13 E 14 F 15 Hex-Werte beginnen mit einer Raute: "#00FF00"! An der viertel Position kann auch hier Alpha angegeben werden "#00FF0010"! Alpha
R base graphics

Weitere ähnliche Inhalte

PDF
Schleifen in R
vonMark Heckmann
 
PDF
Java Streams und Lambdas
vonNane Kratzke
 
PDF
The Model I Love - Lyrics (performed at Bremen University, Germany, June, 2013)
vonMark Heckmann
 
PDF
The OpenRepGrid project – Software tools for the analysis and administration...
vonMark Heckmann
 
PDF
TMQL tutorial - part 5
vonLutz Maicher
 
PDF
OpenRepGrid – An Open Source Software for the Analysis of Repertory Grids
vonMark Heckmann
 
PDF
R Knitr - generating reports
vonMark Heckmann
 
PDF
Standardizing inter-element distances in repertory grids
vonMark Heckmann
 
Schleifen in R
vonMark Heckmann
 
Java Streams und Lambdas
vonNane Kratzke
 
The Model I Love - Lyrics (performed at Bremen University, Germany, June, 2013)
vonMark Heckmann
 
The OpenRepGrid project – Software tools for the analysis and administration...
vonMark Heckmann
 
TMQL tutorial - part 5
vonLutz Maicher
 
OpenRepGrid – An Open Source Software for the Analysis of Repertory Grids
vonMark Heckmann
 
R Knitr - generating reports
vonMark Heckmann
 
Standardizing inter-element distances in repertory grids
vonMark Heckmann
 

Mehr von Mark Heckmann

PDF
OpenRepGrid and Friends
vonMark Heckmann
 
PDF
Knitr Formeln - R
vonMark Heckmann
 
PDF
A new development in the hierarchical clustering of repertory grid data
vonMark Heckmann
 
PDF
Comparing interactive online and face-to-face repertory grid interviews in te...
vonMark Heckmann
 
PDF
Übersicht Glm Workshop 2009
vonMark Heckmann
 
PDF
R kurs so se 2010 uni bremen m. heckmann
vonMark Heckmann
 
PDF
R-Kurs Mark Heckmann WiSe 2010-2011 Uni Bremen
vonMark Heckmann
 
OpenRepGrid and Friends
vonMark Heckmann
 
Knitr Formeln - R
vonMark Heckmann
 
A new development in the hierarchical clustering of repertory grid data
vonMark Heckmann
 
Comparing interactive online and face-to-face repertory grid interviews in te...
vonMark Heckmann
 
Übersicht Glm Workshop 2009
vonMark Heckmann
 
R kurs so se 2010 uni bremen m. heckmann
vonMark Heckmann
 
R-Kurs Mark Heckmann WiSe 2010-2011 Uni Bremen
vonMark Heckmann
 

R base graphics

  • 1.
    R base graphics Mark Heckmann Universityof Bremen, Germany www.markheckmann.de Version Januar, 2014 © CC BY-NC 2.0 DE
  • 2.
    Zwei Grafiksysteme (base) graphics • Älteres System •  Sehr schnell •  Sehr viele vereinzelte Funktionen grid graphics lattice ggplot2
  • 3.
    Arten von basegraphics Funktionen High-Level functions Erstellen komplexer Grafiken, z.B. (hist) Low-Level functions Erstellung von Linien, Punkte, Achsen etc. oftmals on-top auf High-Level Funktion
  • 4.
  • 5.
  • 6.
    Don‘t get fooledby default looks: Mit R base graphics kann man wunderschöne Grafiken produzieren. Allerdings benötigt dies meist viel Code ! par(mai=c(0.5,1,0.5,0.5),! omi=c(0.5,0.5,0.5,0.5),! family="Lato Light",las=1)! frauen <- read.csv("daten/frauen.txt",header =F,sep=",")! for(i in 1:111) ! colnames(frauen)[i]<-paste("x",i+1949,sep="") ! maenner<-read.csv("daten/maenner.txt",header =F,sep=",")! for(i in 1:111) ! colnames(maenner)[i]<-paste("x",i+1949,sep="")! rechts<-frauen$x2010! links<-maenner$x2010! farbe_rechts<-c(! rep(rgb(210,210,210,maxColorValue=255),15),! rep(rgb(144,157,172,maxColorValue=255),50),! rep(rgb(225,152,105,maxColorValue=255),! length(rechts)-65))! farbe_links<-farbe_rechts! barplot(rechts,axes=F,horiz=T,axis.lty=0,! border=NA, col=farbe_rechts,xlim=c(-750,750))! barplot(-links,axes=F,horiz=T,axis.lty=0,border=NA, ! col=farbe_links,xlim=c(-750,750),add=T)! abline(v=0,lwd=28,col=par("bg"))! for (i in seq(10,90,by=10)) text(0,i+i*0.2,i,cex=1.1) ! mtext(abs(seq(-600,600,by=200)),! at=seq(-600,600,by=200), 1,line=-1,cex=0.80)! rect(-1000,15+15*0.2,1000,66+66*0.2,xpd=T, ! col=rgb(210,210,210,90,maxColorValue=255),! border=NA)! mtext("erwerbsfähiges Alter",2,line=1.5,las=3,adj=0.38) ! mtext("Männer",3,line=-5,adj=0.25,cex=1.5,col="grey") ! mtext("Frauen",3,line=-5,adj=0.75,cex=1.5,col="grey") ! mtext("Altersaufb...",3,line=-1.5,adj=0,cex=1.75,! family="Lato Black",outer=T) ! mtext("Angaben in...",3,line=-3.25,adj=0,cex=1.25,! font=3,outer=T) ! mtext("Quelle: ww...",1,line=0,adj=1.0,cex=0.95,! font=3,outer=T)! Rahlf, T. (2014) Datendesign mit R, S. 222 ff.
  • 7.
    Histogramm mit hist! x<- rnorm(1000)! hist(x)!
  • 8.
    ?hist - Argumentevon hist! hist(x, breaks = "Sturges",! !freq = NULL, probability = !freq,! !include.lowest = TRUE, right = TRUE,! !density = NULL, angle = 45, ! ! !col = NULL, border = NULL! ! !main = paste("Histogram of" , xname),! !xlim = range(breaks), ylim = NULL,! !xlab = xname, ylab,! !axes = TRUE, plot = TRUE, ! Noch mehr ! !labels = FALSE,! Argumente. Mehr dazu !nclass = NULL, ! später ... ! !warn.unused = TRUE, ...)!
  • 9.
    main! col! ylab! ylim! border! xlim! breaks! xlab! hist(x, breaks=25, col="grey",main="Histogramm", ! xlab="Werte von x", ylab="Häufigkeit",! ylim=c(0, 100), xlim=c(-5, 5),! border="white")!
  • 10.
    Your turn! -Erstelle folgendes Histogramm mit zufälligen Werten mit dem Datensatz
  • 11.
    Streudiagramm mit plot! main! ylab! type! ylim! xlim! xlab! plot(x=IQbio,y=IQfoster, type="p",! xlab="IQ of twin raised by biological parents",! ylab="IQ of twin raised by foster parents",! main="IQ - Zwilling im Vergleich",! xlim=c(60, 140), ylim=c(60, 140))!
  • 12.
    Your turn! -Erstelle folgenden Plot mit dem iris Datensatz
  • 13.
    Einstellung graphischer Parameter ?par #> 50 Parameter! bg cex col! las lwd pch Hintergrundfarbe des Plots Größe des Texts im Plot Farbe der dargestellten Elemente Stil der Achsenbeschriftung Breite von gezeichneten Linien Art des dargestellte Symbols
  • 14.
    Graphical parameters Über dieFunktion par können graphische Parameter festgelegt werden. Dies kann entweder a)  direkt über die Funktion par vor dem Aufruf einer High-Level Funktion, wie z.B plot, b)  oder über das Drei-Punkte-Argument ... innerhalb der Funktion geschehen. Üblicher ist letzteres, denn dies verändert nur den aktuellen Plot. Erstgenannte verändert alle nachfolgenden Plots.
  • 15.
    Die Argumente vonpar können direkt in die Funktion plot eingegeben werden (Datensatz Burt aus Paket car) cex! las! col! pch! plot(IQbio, IQfoster, col="darkgrey",! las=1, pch=16, cex=3)!
  • 16.
    Farben – Argumentcol ! Farben können u.a. als Zahl zwischen 1 und 8 oder als Text definiert werden "red", "blue", "green", "grey” ... später mehr !
  • 17.
    Vektorisierte Argumente plot(IQbio, IQfoster,col=class,! las=1, pch=16, cex=4)!
  • 18.
    Your turn! –Verändere den letzten Plot folgendermaßen
  • 19.
    Argument pch –point character Kann ein Vektor mit Zahlen zwischen 1 und 20 sein oder mit einem Zeichen !! ! ! ! ! ! ! !pch="#"!
  • 20.
    Weitere vektorisierte Argumente cnum<- as.numeric(class) # umwandeln! plot(IQbio, IQfoster, col=cnum,! las=1, pch=cnum, cex=cnum)!
  • 21.
  • 22.
  • 23.
    par vor plotaufrufen Anstatt die Argumente für par innerhalb von plot anzugeben können diese auch vor dem Aufruf von plot angegeben werden !par(cex=2)! !plot(IQbio, Iqfoster)! ! Allerdings betrifft die Einstellung danach alle weiteren Plots. Für manche Argumente, wie bg (background), funktioniert es jedoch nur so.!
  • 24.
    Deshalb sollte mannach Erstellung der Grafik die Ursprungseinstellung von par wieder herstellen ! par gibt eine Liste mit den Einstellungen vor der Änderung zurück op <- par(cex=2)! plot(IQbio, Iqfoster)! par(op)! Zurücksetzen auf alte Einstellungen (in op gespeichert)
  • 25.
    par Aufrufe imVergleich ! a) ! ! ! b) ! ! !op <- par(cex=2)! ! !plot(IQbio, Iqfoster)! ! !par(op)! ! !plot(IQbio, Iqfoster, cex=2)! ... - Argumente werden an die Funktion par weitergeleitet
  • 26.
    Balkendiagramm mit barplot! names.arg! v<- c(1, 3, 2)! barplot(v, names.arg = c("A", "B", "C"))!
  • 27.
    Mehrdimensionale Balkendiagramme! beside=FALSE! beside=TRUE! m <-matrix(c(1, 3, 2, ! 2, 2, 4), ncol=3, by=T)! barplot(m, beside=FALSE, names.arg = ! c("Col 1", "Col 2", "Col 3"))!
  • 28.
    Balkendiagramme nutzen aggregierteDaten (Anzahl pro Kategorie). Die Datenstruktur kann z.B. mit Hilfe von table erzeugt werden attach(mtcars)! cats <- c("3 Gänge", "4 Gänge", "5 Gänge”)! tbl <- table(gear)! barplot(tbl, names=cats)! ! tbl! 3 4 5 ! 15 12 5 !
  • 29.
    tbl <- table(vs,gear)! barplot(tbl, names=cats)! ! tbl! 3 4 5! 0 12 2 4! 1 3 10 1! prop <- prop.table(tbl, 2)! barplot(prop, names=cats)! ! prop! 3 4 5! 0 0.80 0.17 0.80! 1 0.20 0.83 0.20! !
  • 30.
    Your turn! -Erstelle einen Barplot der anzeigt, wieviel Prozent der Personen pro Jahrgang abschalten (d.ngo Datensatz aus dem ryouready Paket)
  • 31.
    Plot – Einegenerische Funktion Bisher haben wir ein Streudiagramm mit plot erzeugt. Es existiert jedoch nicht nur eine, sondern sehr viele Funktionen mit dem Namen plot. Welche plot Funktion gemeint ist hängt davon ab, was für ein Objekt (Dataframes, Faktoren, Regressionen) geplottet werden soll. library(car)! attach(Burt)!
  • 32.
  • 33.
  • 34.
  • 35.
  • 36.
    m <- lm(IQbio~ IQfoster)! plot(m) # linear model! Regress ion
  • 37.
    Plot – Einegenerische Funktion Wenn man die Hilfe zu plot aufruft steht hier Generic function for plotting of R objects. Wenn ein Streudiagramm erstellt werden soll, erkennt R, dass x und y numerisch sind und nutzt deshalb die Funktion plot.default. Hier stehen in der Hilfe deutlich mehr Argumente als in plot. ! Zum plotten einer Regression nutzt R die Funktion plot.lm. Als Nutzer merkt man dies nicht, wenn man einfach plot eingibt. Wenn man jedoch die Argumente für plot sucht, muss man bei der jeweiligen plotFunktion nachschauen.!
  • 38.
  • 39.
    Legenden können überdie Funktion legend hinzugefügt werden Es können vier Typen von Legende erzeugt werden: •  Boxen •  Linien •  Symbole •  Linien + Symbole !
  • 40.
    title! fill! legend(x=1, y=10, ! legend=c("Eins","Zwei",! legend! "Drei","Vier"), ! fill=1:4, ! title="Boxen")! ncol=2! border=“red"! border! density! density=20, horiz=TRUE!
  • 41.
    legend(x=1, y=10, ! legend=c("Eins","Zwei",! "Drei","Vier"), ! lwd=1, ! title=“Linien")! lwd:line width! lwd=4! seg.len=5! seg.len! lty=1:4! lty: line type!
  • 42.
    legend(1, 10, ! !! c("Eins", "Zwei", ! "Drei", "Vier"), ! text.col! pch=1:4, col=1:4,! text.col=1:4,! title="Symbole")! pch! pt.cex=c(.5, 1, 1.5, 2) pt.lwd=c(1,3,6,9)! pt.cex, pt.lwd! pch=1:4! lwd=4! merge=TRUE!
  • 43.
    title.col! bg! y.intersep! box.lwd! box.col! legend(1, 10, ! LETTERS[1:3],! fill=1:4, ! title.col="blue",! title="Boxen", ! bg="gray90", ! box.col="red", ! box.lwd=3,! y.intersp=2)! cex=2!
  • 44.
    Positionieren der Legende Argumente • x! •  Y ! •  xjust ! •  yjust! 1! yjust! 0! 0! xjust! 1!
  • 45.
  • 46.
    Legenden Argumente inGrafik Funktionen Einige Grafikfunktionen, z.B. barplot, besitzen Argumente um Legenden automatisch zu generieren m <- matrix(1:4, 2)! barplot(m, col = 2:3,! legend.text = c("A","B")) ! Unschöne Platzierung!
  • 47.
    In dieser Variantewird die Legende ebenfalls durch die Funktion legend erzeugt. Die Funktion wird nur hinter den Kulissen durch barplot automatisch aufgerufen. Um die Legende anzupassen, können weitere Argumente an legend über das Argument args.legend als Liste übergeben werden. barplot(m, col = 2:3,! legend.text = c("A", "B"), ! args.legend = ! list(x="topleft”,bty="n"))! Platzierung oben links! Kein Rahmen um Legende!
  • 48.
    Füge zum vorherigenPlot eine Legende hinzu
  • 49.
  • 50.
    Grafik als Dateispeichern R kann unterschiedliche Output Formate erzeugen. Hierzu stehen u.a. folgende Funktionen zur Verfügung ## Bitmap Format! jpeg() ! ! ! ! !# bmp() ! ! ! ! !# png() ! ! ! ! !# ! ## Vektorformat! pdf() ! ! ! ! !# cairo_pdf !# ! öffnet jpeg device! öffnet bmp device! öffnet png device! pdf device öffnen! Alternative zu pdf()!
  • 51.
    Grafikdatei erstellen Vorgehen füralle Dateitypen: 1.  Grafik Device (Datei) öffnen 2.  Grafikcode (eine / mehrere Zeilen) ausführen 3.  Device (Datei) schließen pdf("mein_plot.pdf“) !# pdf device öffnen! !plot(1:10) ! ! # Grafikbefehl(e)! dev.off()! ! ! ! ! !# device schließen! ! !
  • 52.
    Plot in PDF ● ● 24 6 8 1:10 ● ● ● ● ● ● ● ● 2 4 6 8 10 Index Breite in Inch Höhe in Inch pdf("mein_plot.pdf", width=5, height=3)! par(bg="grey95") ! plot(1:10, col="blue", pch=16, ! !! ! ! !main="Plot in PDF")! dev.off()
  • 53.
    Bitmap-Formate Bei Bitmap-Formaten wirddie Größe (width, height) des Plots in Punkten (Pixel) angegeben. Die Voreinstellung sind 480 Pixel. Weiterhin gibt es ein Argument res, das die Auflösung (Feinheit des Plots), d.h. die Anzahl an Pixeln pro Inch (ppi, default sind 72), angibt. png("plot.png", width=480, height=480, res=72)! !par(bg="grey95") ! !plot(1:10)! dev.off()!
  • 54.
    Bitmap Formate undAuflösung Die Standardeinstellung für z.B. png ist 72 Pixel pro Inch (ppi). Dies ist für Web-Grafiken der Standard. Diese Qualität ist jedoch zu gering für Publikationen. Ziel: 300ppi. 72ppi 300ppi
  • 55.
    Die Auflösung kannmit dem Argument res verändert werden. Setzen wir diese zunächst auf 2 * 72ppi = 144 ppi Folge: Der Plot ist immer noch 480 Pixel breit. Bei doppelter Auflösung bedeutet dies effektiv jedoch nur noch die halbe Breite
  • 56.
    Um das gleicheErgebnis wie zuvor nur mit doppelter Auflösung zu erhalten, muss die Größe des Plots (Anzahl der Pixel) ebenfalls um den Faktor 2 vergrößert werden. Vorher: Einfache Auflösung und einfache Größe png("72ppi.png", ! width = 480, height = 480, res = 72)! plot(1:10)! dev.off()! Jetzt: Doppelte Auflösung und doppelte Größe png("144ppi.png", ! width = 480*2, height = 480*2, res = 72*2)! plot(1:10)! dev.off()!
  • 57.
    Typische Fehler Achtung: Manchmalvergisst man offene devices wieder zu schließen dev.list() ! ! !# welche devices sind ! ! ! ! ! ! ! !# noch offen?! ! graphics.off()! !# alle devices schließen! ! !
  • 58.
    Erstelle folgende png-Grafikmit einer Auflösung von 300 ppi
  • 59.
  • 60.
    Verschiedene Plot Bereiche Sieheauch: Clarkson, 2010, http://www.stat.tamu.edu/~jkim/Rfigurelayout.pdf
  • 61.
    Verschiedene Plot Bereiche plot-Bereich:eigentlicher Inhalt des Plots (Punkte, Linien, Histogramm etc.) figure-Bereich: Achsen und zugehörige Labels. Breite wird als Vielfaches einer Zeilenhöhe im Uhrzeigersinn angegeben (unten, links, oben, rechts). Voreinstellung: ! ! !mar=c(5.1, 4.1, 4.1, 2.1)! device-Bereich: Umgrenzt einen oder mehrere figure Bereiche. Wird meist als zusätzlicher Rahmen genutzt. Voreinstellung: oma=c(5.1, 4.1, 4.1, 2.1)! Siehe auch: Clarkson, 2010, http://www.stat.tamu.edu/~jkim/Rfigurelayout.pdf
  • 62.
    Verschiedene Plot Bereiche mar[1]= 5! oma[1] = 3! Siehe auch: Clarkson, 2010, chr
  • 63.
    Funktionen zu denBereichen box(which="plot") !# Rahmen um Plot Bereich! box(which="figure") # ... um Figure Bereich! box(which="outer") # ... um Device Bereich !! ! Text im Figure oder Device Bereich ! mtext("figure links", side=1, ! ! ! line= 2, adj=0)! mtext("device rechts", side=1, ! line= 2, adj=1, outer=TRUE)! Siehe auch: Clarkson, 2010, http://www.stat.tamu.edu/~jkim/Rfigurelayout.pdf
  • 64.
  • 65.
    Your turn! –Verändere den irisDaten Plot folgendermaßen
  • 66.
    Anordnen von Plotsmit mfrow! par kennt das Argument mfrow. Dies gibt die horizontale und vertikal Anzahl an gleich großen figure Bereichen an Layout mit 1 Zeile und 2 Spalten! ! par(mfrow=c(1,2), oma=c(1,1,1,1))! plot(rnorm(10), rnorm(10))! hist(rnorm(100))!
  • 67.
  • 68.
    Your turn! –Erweitere den irisDaten Plot folgendermaßen
  • 69.
    Anordnen von Plotsmit layout! layout erlaubt komplexe Anordnungen. Figure Bereiche können sich über mehrere Zeilen oder Spalten erstrecken. Auch kann die Breite und Höhe jeweils einzeln bestimmt werden. 5 separat bedruckbare Figure Bereiche! Figure Bereich 1 über 3 Spalten! ! Figure Bereich 5 über 2 Zeilen!
  • 70.
    Definition des Layouts DieDefinition des Layouts geschieht mit Hilfe einer Matrix m <- matrix(1:4), ncol=2, by=T)! m! [,1] [,2]! [1,] 1 2! [2,] 3 4! Das Erstellen und Aktivieren eines Layouts erfolgt über die Funktion layout! layout(m)!
  • 71.
    Das Layout istnach dem Erzeugen bereits aktiv. Es wird in der Reihenfolge der Zahlen in der Matrix gefüllt plot(1:10)! hist(rnorm(100))! plot(1:10, col=2)! plot(1:10, col=4)! Beim Aufruf einer High-Level Funktion wird jeweils ein neuer Plot-Bereich gefüllt
  • 72.
    Visualisierung des Layouts Zurleichteren Erstellung kann eine Layout gespeichert und mittels layout.show visualisiert werden m <- matrix(1:4), ncol=2, by=T)! l <- layout(m)! ! layout.show(l)!
  • 73.
    Um einen FigureBereich über mehrere Zeilen oder Spalten zu erstrecken, bekommen Felder in der Layout-Matrix dieselbe Zahl zugeteilt. Felder mit der Zahl 0 bleiben leer und erhalten keinen Figure Bereich. m <- matrix(c(1,1,1,! 2,2,0,! 2,2,3), ! ncol=3, ! byrow=T)! m! [,1] [,2] [,3]! [1,] 1 1 1! [2,] 2 2 0! [3,] 2 2 3!
  • 74.
    Über die layoutArgumente widths und heights kann das Höhen-Verhältnis der Zeilen und Breiten-Verhältnis der Spalten zueinander bestimmt werden. 1 1 : 3 : 3 m <- matrix(1:4, ! ncol=2, ! by=T)! l <- layout(m, ! widths=c(1,2), heights=c(1,3))! ! layout.show(l)!
  • 75.
    x <- rnorm(1000)! y<- rnorm(1000)! ! # Layout! par(oma=c(0,0,1,3))! m <- matrix(c(1,2), ncol=1)! layout(m, height=c(1,5))! ! # Histogramm! par(mar=c(0,4,0,0))! hist(x, xaxt="n", ! yaxt="n", main="",! ylab="", xlab="")! ! # Streudiagramm! par(mar=c(4,4,0,0))! plot(x, y, ! xlab="", ylab="", ! las=1, pch=16)! !
  • 76.
    Your turn! –Erzeuge folgenden Plot mit dem iris-Datensatz
  • 77.
  • 78.
    Low-Level Funktionen Eine High-LevelFunktion wie plot greift auf viele Low-Level Funktionen zurück und baut aus diesen die Grafik zusammen. Dabei geschieht u.a. Folgendes: •  Ein Plot-Bereich mit den Einstellungen für die Ränder (mar, oma) wird angelegt •  Die Inhalte (z.B. Punkte werden gedruckt) •  Die Achsen und die Labels werden hinzugefügt
  • 79.
    Nutzung von Low-LevelFunktionen Low-Level Funktionen werden auf zwei Weisen verwendet: 1.  Nachdem eine High-Level Funktion genutzt wurde. Z.B. um noch weitere Punkte oder Linien zum Plot hinzuzufügen 2.  Erstellung einer Grafik von Grund auf (engl. from sratch)
  • 80.
    Einige Low-Level Grafik-Funktionen points! Punkteerzeugen lines! Linien erzeugen rect! Rechtecke erzeugen polygon! Polygon erzeugen abline! Einfache vert. und horiz. Linien arrows! Pfeil erzeugen text! Text erzeugen mtext! Text in den Rändern erzeugen title! Überschrift erzeugen axis! Achsen erstellen grid! Raster hinzufügen
  • 81.
    # Plot aufsetzen! library(car)! attach(Burt)! plot(IQbio,IQfoster)! # Raster hinzufügen! grid(lty="solid")! ! ! # Horiz. und vert. Linien ! abline(h=100, col="red")! abline(v=100, col="red")! !
  • 82.
    # Punkte obenrechts in! # rot neu plotten! i <- IQbio > 100 & ! IQfoster > 100! points(IQbio[i], IQfoster[i], ! col = "red", pch = 16)! # Halb-transparentes ! # Rechteck hinzufügen rect(100, 100, 140, 140,! col = "#FF000020", border = NA)! !
  • 83.
    # Regressionsgrade! m <-lm(IQfoster ~ IQbio, ! data = Burt)! abline(m, col = "grey")! ! # Text hinzufügen! text(120, 120, "OR")!
  • 84.
    Your turn! –Erzeuge folgenden Plot
  • 85.
    Leere Plots erzeugen #Leerer plot mit Limits ! # von Hand! Keine Daten plot(NULL, ! xlim = c(70, 130), ! ylim = c(70, 130) )! # Leerer plot mit passenden! # Limits! plot(IQbio, IQfoster, ! type = "n")! ! „n“ unterdrückt die Punkte
  • 86.
  • 87.
    # Leerer plotmit korrekten! # Limits! plot(IQbio, IQfoster, ! type = "n")! ! „n“ unterdrückt die Punkte # Punkte hinzufügen! points(IQbio, IQfoster, ! col="grey", pch=16)!
  • 88.
    # Leerer plotmit korrekten! # Limits! i <- which(IQbio > 130)! x <- IQbio[i]! y <- IQfoster[i]! points(x, y, col = "red", ! pch = 16)! # Pfeil und Text! arrows(x, y - 10, ! x, y, ! length=0.2, ! lwd = 2, col = "red")! text(x, y-12, ! "Sehr schlau", ! adj = 1, col = "red")!
  • 89.
    Farben in R Inspiredby http://research.stowers-institute.org/efg/Report/UsingColorInR.pdf
  • 90.
    In R könnenverschiedene Elemente des Plots Farben annehmen •  •  •  •  •  •  •  Punkte Linien Achsen Legenden Text Hintergrund etc.
  • 91.
  • 92.
    Farben in R Farbenkönnen in R auf unterschiedliche Art spezifiziert werden Als Name: "red", "blue”! ! Als Zahl: ! Als Hexadezimal-Code: “#12FE99"! !
  • 93.
    Als Zahl Wenn maneine Zahl eingibt wird die Standardpalette genutzt ! palette()! [1] "black" [4] "blue" [7] "yellow" "red" "cyan" "gray" ! "green3" ! "magenta"! Die Zahl 0 heißt keine Farbe, d.h. weiß, wenn der Hintergrund der Grafik weiß ist.
  • 94.
    Als Zahl Größere Zahlenführen zu recycleten Farben Z.B. plot(1:50, pch=16, col=1:50)!
  • 95.
  • 96.
    Farben als Namen colors()! [1]"white" [4] "antiquewhite1" [7] "antiquewhite4" [10] "aquamarine2" "aliceblue" "antiquewhite2" "aquamarine" "aquamarine3" "antiquewhite" "antiquewhite3" "aquamarine1" "aquamarine4" ! ! ! !
  • 97.
  • 98.
    Grautöne grey(0)! [1] "#000000"! ! grey(.5)! [1] "#808080"! ! grey(1)! [1]"#FFFFFF"! ! "grey0"! ! ! "grey50"! ! ! "grey100"!
  • 99.
    RGB Modell CC: BySharkD on http://en.wikipedia.org/wiki/File:AdditiveColor.svg rgb(1,1,1)! Funktion rgb setzt Farben aus Rot-Grün-Blau Anteilen zusammen Anteil kann jeweils von 0 bis 1 reichen Die Funktion gibt einen String zurück rgb(.4, .2, .8)! [1] "#6633CC"! rgb(0,1,0)! rgb(0,1,1)!
  • 100.
    RGB Modell rgb(255,255,255, max=255)! CC:By SharkD on http://en.wikipedia.org/wiki/File:AdditiveColor.svg Häufig werden die Anteile auch mit Werten zwischen 0 und 255 genutzt. rgb(102, 51, 204, max=255)! [1] "#6633CC"! ! rgb(0,255,0,max=255)!
  • 101.
    Alpha Parameter Alpha meintden Grad an Transparenz einer Farbe. Von 0=undurchlässig, 1=völlig durchlässig. rgb(1,0,0)! rgb(1,0,0,.5)! rgb(1,0,0,.9)! Transparenz führt, dass man overplotting sinnvoll wird
  • 102.
    Erstelle folgenden Plotmit 10000 zufälligen Werten ~N(0,1)
  • 103.
    RGB Modell inHexadezimal-Notation Hex Dezimal 0 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 A 10 B 11 C 12 D 13 E 14 F 15 rgb(0,255,0, max=255)! [1] "#00FF00"! Dezimalsystem mit Basis 10 255 = 2 ⋅101 + 5⋅101 + 5⋅10 0 Hexa-Dezimalsystem mit Basis 16 1 255 = 15⋅16 +15⋅16 F 0 F Merksatz: 0=00 und 255=FF, alles andere liegt dazwischen
  • 104.
    RGB Modell inHexadezimal-Notation Hex Dezimal 0 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 A 10 B 11 C 12 D 13 E 14 F 15 Hex-Werte beginnen mit einer Raute: "#00FF00"! An der viertel Position kann auch hier Alpha angegeben werden "#00FF0010"! Alpha