一、实验目的

  1. 使用对车辆重量与油耗之间关系的数据集mtcars，说明数据进行可视化的操作。
  2. 数据导入操作，使用函数attach()的操作。
  3. 数据可视化操作，使用函数plot()的操作。
  4. 数据进阶可视化操作，使用函数scatterplot()的操作。
  5. 列出实验结果包含绘图以及完整代码包含注解。

    二、实验内容

    说明 1: 举一个对车辆重量与油耗之间关系的数据集mtcars进行可视化说明，共有32个车型，即32笔纪录，字段有mpg（油耗）、cyl（汽缸数）、disp、hp、drat、wt（质量）、qsec、vs、am、gear和 carb，内容如下：
    image.png
    说明 3: 使用函数attach()将原始数据集mtcars，导入R工作空间。
    说明 4: 使用函数plot() 将数据可视化。
    说明 5: 使用”car”程序包内的函数scatterplot() 建立进阶的数据可视化操作，并列出实验结果包含绘图以及完整代 码包含注解。

    三、实验报告

    1. 实验环境：

    Win10

    2. 实验内容与完成情况：

    1)实验参考代码

    attach(mtcars)
    plot(wt, mpg, main=”汽车重量与耗油之间的关系”, xlab=”车重（千磅）”, ylab=”油耗”, pch=19)
    abline(lm(mpg~wt), col=”black”, lwd=2, lty=1)
    lines(lowess(wt,mpg), col=”blue”, lwd=2, lty=2)
    #install.packages(“car”)
    library(car)
    scatterplot(mpg ~ wt | cyl, data=mtcars, lwd=2, main=”散点图”, xlab=”车重（千磅）”, ylab=”油耗（英里/加仑）”, legend=TRUE)

    2）完整代码及注释

    image.png

    3）数据集导入

    使用函数attach()将原始数据集mtcars导入，并展示出来：
    image.png
    结果如下所示：
    image.png

    4）数据可视化（函数plot()）

    函数plot() 将数据可视化，选取车重和油耗绘制散点图：
    image.png
    image.png
    在散点图中绘制线性回归曲线：
    image.png
    image.png
    在散点图中绘制加权回归曲线：
    image.png
    image.png
    将图片保存至工作目录下，结果如下图所示：
    image.png

    6）数据可视化（函数scatterplot() ）

    使用”car”程序包内的函数scatterplot() 建立进阶的数据可视化
    安装R包”car”，成功如下所示：
    image.png
    使用car包中scatterplot（）函数自动划分数据集，并按子集绘制出线性回归曲线和加权回归曲线（采用不同颜色表示）：
    image.png
    image.png
    将图片保存至工作目录下，结果如下图所示：
    image.png

    3. 出现的问题：

    1）不能很好的区分abline（）函数和lines（）函数的区别

    4. 解决方案：

    2）查询相关资料，解决疑惑：
    函数lines()其作用是在已有图上加线，命令为lines(x,y),其功能相当于plot(x,y,type=“1”)
    函数abline()可以在图上加直线，其使用方法有四种格式。
    （1）abline(a,b)
    表示画一条y=a+bx的直线
    （2）abline(h=i)
    表示画出一条y=i的水平直线
    （3）abline(v=i)
    表示画出一条x=i的竖直直线
    （4）abline(lm.obj)
    表示绘出线性模型得到的线性方程
    lines()函数做的是一般连线图，其输入是x,y的点向量。
    abline()函数做的是回归线，其输入是回归模型对象。