现代统计图形 - 科学网—博客

5.18 三维透视图 105
倍数;font.labels指定标签的字体样式;row1attop为逻辑值,指定散点图的
第1行出现在顶部还是底部 2 ;gap设定窗格之间的间距大小。
图5.23是对鸢尾花数据iris所作的散点图矩阵,注意其中的上三角、
下三角和对角线窗格作图函数是如何定义的。
我们可以看到,主对角线上用了直方图(注意直方图的作法!),从中
我们可以看到四个变量各自的分布情况;上三角窗格中用不同样式的点
标记出了鸢尾花的不同类型(回顾图4.4);下三角窗格中简化了点的样式,
但是利用函数panel.smooth()添加了一条平滑曲线,对鸢尾花的四个变量两
两之间的关系作出了一种非参数概括(散点图平滑技术,参见Cleveland
(1979))。
在变量数目较多时,我们不妨将散点图矩阵作为一种探索变量之间相
关关系的工具,它比起相关系数矩阵等统计指标来优势在于:散点图矩阵
展示了所有原始数据,这样我们可以看到变量之间的任何关系(线性或非
线性、离群点),从而避免被单一的统计指标所误导。
5.18 三维透视图
相比其二维平面图形来说,三维透视图(Perspective Plot)可能在视
觉上更具有吸引力。 三维透视图的数据基础是网格数据(回顾5.8小节和
图5.11),它将一个矩阵中包含的高度数值用曲面连接起来,便形成了我
们所看到的三维透视图。前面等高图一节中我们曾经用到过透视图,参见
图5.13。
R中透视图的函数为persp(),其用法如下:
1 > usage(persp)
persp(x, ...)
1 > usage(persp, "default")
persp(x = seq(0, 1, length.out = nrow(z)),
y = seq(0, 1, length.out = ncol(z)), z, xlim = range(x),
ylim = range(y), zlim = range(z, na.rm = TRUE),
xlab = NULL, ylab = NULL, zlab = NULL, main = NULL,
sub = NULL, theta = 0, phi = 15, r = sqrt(3), d = 1,
2 按常规讲,前者是矩阵的形式,后者是图的形式,因为矩阵通常是从上至下、从左至右,而图的坐标
是从下至上、从左至右,所以第1行出现在顶部则是矩阵形式,在底部则是图的形式。