R: R 基础绘图

Q: 怎么保存图到文件？

用 png() / pdf() / jpeg() 等：

Q: 图中文乱码怎么办？

加 par(family = "PingFang SC") （macOS）或 family = "SimHei" （Windows）。Linux 用 family = "WenQuanYi Zen Hei" 。ggplot2 用 theme(text = element_text(family = ...)) 。

Q: 怎么画多图布局？

① par(mfrow = c(行, 列)) 平均分 ② layout(matrix(...)) 灵活布局 ③ ggplot2 用 facet_wrap() 分面（更强大）。

Q: 基础 R 画的图能改样式吗？

能但繁琐—— col lwd pch cex 几十个参数要一个个调。ggplot2 用 theme() 统一样式更高效。

最后更新：2026-08-26

这一课开始 R 教程的"图形篇"——数据可视化。R 有两套绘图系统：基础 R（plot/line/bar）和 ggplot2（ggplot + geom_）。这一课先学基础 R 绘图——简单快速，适合临时查看数据。

读完这一课你就能用 R 画 6 种基础图表：散点、折线、柱状、饼图、直方图、箱线。

1. 你将学到

R 基础绘图系统（graphics 包）
6 种核心图表：plot/line/bar/pie/hist/boxplot
par() 图形参数（颜色、字体、布局）
layout() 多图布局
与 ggplot2 的差异（何时用哪个）
实战：销售数据多图报告

2. 一个销售可视化的故事

(1) 痛点：表格不够直观

Bob给manager展示 4 季度销售数据：

TEXT 📖 仅展示

地区    Q1    Q2    Q3    Q4
北京  1000  1200  1100  1500
上海  1500  1800  1700  2000
广州   800   900  1000  1200

manager看了一眼说："数字我不看，给我图"。

(2) R 的解法

# 1. 一行画折线图（4 城市季度趋势）
plot(sales, type = "b", col = rainbow(4), main = "季度销售趋势")

# 2. 一行画柱状图（4 城市总销售）
barplot(rowSums(sales[, -1]), main = "总销售对比", col = "skyblue")

# 3. 一行画饼图（占比）
pie(rowSums(sales[, -1]), labels = rownames(sales))

3 行代码 → 3 张图。基础 R 绘图就是这么快。

3. R 的两套绘图系统

(1) 对比

特性	基础 R（graphics）	ggplot2
速度	极快（10 行）	较慢（几十行）
易学性	✅ 简单	❌ 学习曲线陡
默认美观	❌ 简陋	✅ 出版级
灵活性	⚠️ 有限	✅ 极灵活
适合场景	快速看数据	发表/报告
底层语法	"画在画布上"	Grammar of Graphics

(2) 何时用哪个？

graph TB
    A[想画图] --> B{场景}
    B -->|快速看数据| C[基础 R plot]
    B -->|发表/报告| D[ggplot2]
    B -->|教学演示| E[两者都行]
    
    style A fill:#fff3cd
    style C fill:#d4edda
    style D fill:#cce5ff

💡 提示：临时看数据用基础 R（快），出报告/写论文用 ggplot2（美）。本课学基础 R，下一课学 ggplot2。

4. plot()：万能图（散点图为主）

(1) 基础散点图

# 两列数据画散点图
x <- 1:10
y <- x ^ 2
plot(x, y)

(2) 常用参数

plot(x, y,
     type = "p",           # 图形类型
     main = "标题",
     xlab = "X 轴",
     ylab = "Y 轴",
     col = "blue",         # 颜色
     pch = 19,             # 点形状（0-25）
     cex = 1.5,            # 点大小
     xlim = c(0, 12),     # X 轴范围
     ylim = c(0, 110))    # Y 轴范围

(3) 6 种 type 类型

type	含义	用途
`"p"`	点（默认）	散点图
`"l"`	线	折线图
`"b"`	点 + 线	趋势图
`"o"`	点穿过线	时间序列
`"h"`	垂直线	柱状（线版）
`"s"`	阶梯	阶梯图

# 同一组数据的 6 种画法
x <- 1:5
y <- c(2, 4, 3, 5, 4)

par(mfrow = c(2, 3))  # 2 行 3 列布局
for (t in c("p", "l", "b", "o", "h", "s")) {
  plot(x, y, type = t, main = paste("type =", t))
}

5. 6 种核心图表

(1) 散点图 plot()

# 4 城市散点图
x <- c(1, 2, 3, 4)
y <- c(1000, 1500, 800, 1200)
plot(x, y,
     main = "城市销售散点图",
     xlab = "城市编号",
     ylab = "销售额",
     col = "blue",
     pch = 19)

(2) 折线图 plot(type = "l")

# 季度趋势图
quarters <- c("Q1", "Q2", "Q3", "Q4")
sales <- c(1000, 1200, 1100, 1500)

plot(quarters, sales,
     type = "b",     # 点 + 线
     main = "Q1-Q4 销售趋势",
     xlab = "季度",
     ylab = "销售额",
     col = "darkblue",
     lwd = 2,        # 线宽
     pch = 19)

(3) 柱状图 barplot()

# 4 城市销售柱状图
sales_data <- c(北京 = 4800, 上海 = 7000, 广州 = 3900, 深圳 = 4500)

barplot(sales_data,
        main = "各城市总销售",
        xlab = "城市",
        ylab = "销售额",
        col = c("red", "blue", "green", "orange"),
        border = "white",
        horiz = FALSE)  # TRUE 横向

(4) 饼图 pie()

# 销售占比饼图
sales_data <- c(北京 = 4800, 上海 = 7000, 广州 = 3900, 深圳 = 4500)

pie(sales_data,
    main = "销售占比",
    col = rainbow(4),
    labels = paste0(names(sales_data), "\n", sales_data))

⚠️ 注意：饼图不推荐用——人眼对角度不敏感，柱状图更准确。ggplot2 作者也建议用 geom_bar() 替代 pie()。

(5) 直方图 hist()

# 1000 个随机数的分布
data <- rnorm(1000, mean = 100, sd = 15)

hist(data,
     main = "正态分布",
     xlab = "值",
     ylab = "频次",
     col = "lightblue",
     border = "white",
     breaks = 30)  # 分 30 个区间

(6) 箱线图 boxplot()

# 4 班考试成绩分布
scores <- list(
  1班 = c(85, 90, 78, 92, 88, 76, 95, 80),
  2班 = c(72, 80, 85, 78, 90, 88, 82, 75),
  3班 = c(95, 88, 92, 90, 85, 78, 80, 88),
  4班 = c(60, 65, 70, 75, 80, 85, 90, 95)
)

boxplot(scores,
        main = "4 班成绩分布",
        xlab = "班级",
        ylab = "分数",
        col = c("red", "blue", "green", "orange"))

6. par() 图形参数

(1) par 速查表

参数	作用	示例
`mfrow`	多图布局（行 × 列）	`par(mfrow = c(2, 2))`
`mar`	边距（4 个数字）	`par(mar = c(5, 4, 4, 2))`
`bg`	背景色	`par(bg = "lightyellow")`
`col`	默认颜色	`par(col = "blue")`
`cex`	默认文字大小	`par(cex = 1.2)`
`lty`	线型	`par(lty = 2)` 虚线
`pch`	点形状	`par(pch = 19)`

(2) 多图布局

# 2x2 布局
par(mfrow = c(2, 2))

plot(1:10, main = "图 1")
plot(1:10, type = "l", main = "图 2")
barplot(1:5, main = "图 3")
pie(1:4, main = "图 4")

# 恢复默认布局
par(mfrow = c(1, 1))

(3) layout() 灵活布局

# 1 大 + 4 小 布局
layout(matrix(c(1, 1, 2, 3,
                1, 1, 4, 5), nrow = 2, byrow = TRUE))

plot(1:10, main = "大图")           # 1
plot(1:5, main = "小图 1")          # 2
plot(1:5, main = "小图 2")          # 3
plot(1:5, main = "小图 3")          # 4
plot(1:5, main = "小图 4")          # 5

layout(1)  # 恢复

7. 颜色与点形状

(1) 颜色

# 1. 名称
plot(1:5, col = "red")
plot(1:5, col = "blue")
plot(1:5, col = "darkgreen")

# 2. 十六进制
plot(1:5, col = "#FF0000")
plot(1:5, col = "#3366CC")

# 3. rainbow() 调色板
barplot(1:7, col = rainbow(7))
barplot(1:7, col = heat.colors(7))
barplot(1:7, col = topo.colors(7))
barplot(1:7, col = terrain.colors(7))

(2) 点形状 pch

pch	形状	用途
0-6	空心	不同形状
19-25	实心	推荐（清晰）
19	圆点	最常用
17	三角	强调
15	方块	二元

plot(1:25, pch = 0:25, cex = 2)

8. 与 ggplot2 的对比

(1) 同一图的两套写法

# 数据
df <- data.frame(x = 1:5, y = c(2, 4, 3, 5, 4))

# 基础 R（5 行）
plot(df$x, df$y, type = "b", main = "趋势", xlab = "X", ylab = "Y",
     col = "blue", pch = 19, lwd = 2)

# ggplot2（6 行，**默认更美**）
library(ggplot2)
ggplot(df, aes(x = x, y = y)) +
  geom_line(color = "blue") +
  geom_point(color = "blue", size = 3) +
  labs(title = "趋势", x = "X", y = "Y") +
  theme_minimal()

(2) 何时选哪个？

场景	推荐
快速看数据	基础 R（1 行画图）
发表/论文	ggplot2（出版级美观）
教学演示	基础 R（简单易懂）
标准化报告	ggplot2（统一主题）
参数调优	ggplot2（精细控制）

9. 完整示例：销售数据多图报告

下面是一个完整工作流示例，把本课所有图表串起来。

▶ 示例：4 城市季度销售可视化

# ============================================
# 4 城市季度销售可视化
# 功能：6 种基础图表综合展示
# ============================================

# 1. Prepare data
sales <- matrix(c(
  1000, 1200, 1100, 1500,  # 北京
  1500, 1800, 1700, 2000,  # 上海
   800,  900, 1000, 1200,  # 广州
  1200, 1400, 1300, 1600   # 深圳
), nrow = 4, byrow = TRUE)
rownames(sales) <- c("北京", "上海", "广州", "深圳")
colnames(sales) <- c("Q1", "Q2", "Q3", "Q4")
print(sales)

# 2. 设置 2x3 布局
par(mfrow = c(2, 3), mar = c(4, 4, 3, 1))

# 3. 图 1：折线趋势图（4 城市）
plot(1:4, sales[1, ], type = "b", col = "red", ylim = c(0, 2500),
     main = "季度销售趋势", xlab = "季度", ylab = "销售额",
     pch = 19, lwd = 2, xaxt = "n")
axis(1, at = 1:4, labels = colnames(sales))
for (i in 2:4) {
  lines(1:4, sales[i, ], type = "b", col = i, pch = 19, lwd = 2)
}
legend("topleft", legend = rownames(sales),
       col = 1:4, pch = 19, lwd = 2, cex = 0.7)

# 4. 图 2：柱状图（总销售）
barplot(rowSums(sales),
        main = "各城市总销售",
        xlab = "城市", ylab = "总销售额",
        col = c("red", "blue", "green", "orange"),
        border = "white")

# 5. 图 3：饼图（占比）
pie(rowSums(sales),
    main = "销售占比",
    col = rainbow(4),
    labels = paste0(rownames(sales), "\n", rowSums(sales)))

# 6. 图 4：直方图（销售分布）
hist(sales, main = "销售额分布", xlab = "销售额",
     col = "lightblue", border = "white", breaks = 10)

# 7. 图 5：箱线图（按城市分布）
boxplot(sales, main = "各城市季度销售分布",
        xlab = "城市", ylab = "销售额",
        col = c("red", "blue", "green", "orange"))

# 8. 图 6：堆叠柱状图
barplot(sales, beside = FALSE,  # beside=FALSE 堆叠
        main = "季度销售堆叠图",
        xlab = "城市", ylab = "销售额",
        col = c("red", "blue", "green", "orange"),
        legend.text = colnames(sales))

# 9. 恢复布局
par(mfrow = c(1, 1))

▶ 试一试

预期输出：6 张图（折线 / 柱状 / 饼图 / 直方图 / 箱线 / 堆叠柱状）排成 2x3 网格。

❓ 常见问题

Q 怎么保存图到文件？

A 用 png() / pdf() / jpeg() 等：

png("myplot.png", width = 800, height = 600)
plot(1:10)
dev.off()

Q 图中文乱码怎么办？

A 加 par(family = "PingFang SC")（macOS）或 family = "SimHei"（Windows）。Linux 用 family = "WenQuanYi Zen Hei"。ggplot2 用 theme(text = element_text(family = ...))。

Q 怎么画多图布局？

A ① par(mfrow = c(行, 列)) 平均分 ② layout(matrix(...)) 灵活布局 ③ ggplot2 用 facet_wrap() 分面（更强大）。

Q 基础 R 画的图能改样式吗？

A 能但繁琐——col lwd pch cex 几十个参数要一个个调。ggplot2 用 theme() 统一样式更高效。

📖 小节

R 有两套绘图系统：基础 R（graphics）和 ggplot2
基础 R 6 种核心图：plot 散点 / plot type="l" 折线 / barplot 柱状 / pie 饼图 / hist 直方图 / boxplot 箱线
par() 设置全局参数：mfrow 多图 / mar 边距 / bg 背景 / col 颜色 / pch 点形
layout() 灵活布局（1 大 + 4 小）
颜色用 "red" / "#FF0000" / rainbow(n)
保存图用 png() + dev.off() 或 ggsave()
基础 R 适合快速看数据，ggplot2 适合发表——两者都学，按需选

📝 作业

基础题：构造 1 个向量 sales <- c(100, 150, 200, 180, 220)，分别用 type = "p", "l", "b", "h" 画 4 张图（用 par(mfrow = c(2, 2))），验证 4 种图形差异。
基础题：用 barplot() 画 5 个城市（自定义名字）的销售对比图，加上 col = rainbow(5)、main、xlab、ylab 4 个参数。
基础题：用 hist() 画 1000 个 rnorm(100, 15) 随机数的直方图，加 breaks = 30 col = "lightblue" 参数，验证分布近似正态。
进阶题：模拟 4 个班级 × 10 个学生的成绩（用 list() 或 data.frame），用 boxplot() 画 4 班成绩分布图，加上颜色和标题。
挑战题：完整工作流——模拟 4 季度 4 产品销售矩阵，用 par(mfrow = c(2, 3)) 画 6 张图：① 折线趋势 ② 柱状对比 ③ 饼图占比 ④ 直方图分布 ⑤ 箱线分布 ⑥ 堆叠柱状。最后 png("report.png", 1200, 800) 保存为一张大图。

Web-Tutorial 技术团队

由多位开发者共同维护的编程教程平台。每篇教程由对应领域的开发者编写和审核，确保内容准确可靠。如发现任何问题，欢迎向我们反馈。

关于我们

R: R 基础绘图

1. 你将学到

2. 一个销售可视化的故事

(1) 痛点：表格不够直观

(2) R 的解法

3. R 的两套绘图系统

(1) 对比

(2) 何时用哪个？

4. plot()：万能图（散点图为主）

(1) 基础散点图

(2) 常用参数

(3) 6 种 type 类型

5. 6 种核心图表

(1) 散点图 plot()

(2) 折线图 plot(type = "l")

(3) 柱状图 barplot()

(4) 饼图 pie()

(5) 直方图 hist()

(6) 箱线图 boxplot()

6. par() 图形参数

(1) par 速查表

(2) 多图布局

(3) layout() 灵活布局

7. 颜色与点形状

(1) 颜色

(2) 点形状 pch

8. 与 ggplot2 的对比

(1) 同一图的两套写法

(2) 何时选哪个？

9. 完整示例：销售数据多图报告

▶ 示例：4 城市季度销售可视化

❓ 常见问题

📖 小节

📝 作业

🙏 帮我们做得更好