跳至主要内容

R 直方图教程：使用基础 R 创建并自定义图表

学习在基础 R 中使用 hist() 创建并自定义直方图。涵盖颜色、标签、分箱、密度曲线和描述性统计。
· 10分钟 阅读

使用 AI 探索

在本教程中，我将带您使用 R 编程语言创建并自定义直方图。我们将介绍什么是直方图、如何准备数据、如何构建基础直方图，以及如何调整颜色、标签、箱数和坐标轴范围。

我们将只使用基础 R 语言，不依赖任何额外包。这种方式在无法使用额外包或需要进行快速探索性分析时尤其有用。在其他情况下，您可以考虑使用 ggplot2，详见我们的教程How to Make a ggplot2 Histogram in R。

要点速览

  • 使用 hist(x) 在基础 R 中创建一个基本直方图，无需额外包

  • 使用 col（填充色）、border（边框色）、main（标题）、xlab 和 ylab 自定义外观

  • 使用 breaks 参数控制分箱：可传入数字、断点向量，或方法名（"Sturges"、"Scott"、"Freedman-Diaconis"）

  • 使用 abline() 添加均值竖线，使用 lines(density()) 叠加密度曲线

  • 对于分组或出版级别的直方图，请切换到 ggplot2

什么是直方图？

直方图是一种展示连续（数值）变量频率分布的图形。通过直方图，我们可以看到变量跨越的取值范围内，各区间内观测值的计数。

直方图与条形图外观相似。二者的关键区别在于，条形图对应特定类别或离散变量的数值，而直方图则用于可视化连续变量的频数。

为直方图准备数据

我们将使用这个住房数据集，其中包含不同房源的详细信息，包括房屋面积、房间数量、价格以及位置信息。我们可以使用 read.csv() 函数读取数据，可以直接从 URL 读取，或先将 csv 文件下载到目录后再从本地读取。我们也可以指定只保留本教程需要的列：price 和 condition。

home_data <- read.csv("https://raw.githubusercontent.com/rashida048/Datasets/master/home_data.csv")[ ,c('price', 'condition')]

使用 head() 函数查看数据的前几行。

head(home_data, 5)

在 R 中展示住房数据集前几行，包含 price 和 condition 列

使用基础 R 创建直方图

接下来，我们使用 hist() 函数创建一个直方图，查看数据集中价格的分布。

hist(home_data$price)

在基础 R 中绘制房价直方图

房价基础直方图。作者供图。

添加描述性统计

我们可以使用 abline() 函数为直方图添加描述性统计。这会在图中加入一条竖线。

  • 将 v 参数设为 x 轴上的位置以绘制竖线。此处我们用 mean() 计算房价均值。

  • col 参数设置线条颜色，这里为红色。

  • lwd 参数设置线宽。取值 3 可加粗线条，便于观察。

hist(home_data$price)

abline(v = mean(home_data$price), col='red', lwd = 3)

绘制概率密度

要在直方图上添加概率密度线，首先需要将 y 轴改为密度尺度。在调用 hist() 时，将 probability 参数设为 TRUE。

概率密度线由 density() 与 lines() 配合完成：density() 计算概率密度曲线的位置，lines() 将其添加到现有图形上。

hist(home_data$price, probability = TRUE)
abline(v = mean(home_data$price), col='red', lwd = 3)
lines(density(home_data$price), col = 'green', lwd = 3)

基础 R 房价直方图，并突出显示均值
带有均值标注的房价直方图。作者供图。

请注意，y 轴上的数值已经变化。

自定义颜色

hist() 的 col 参数设置柱体填充色，border 设置边框色。这里我将填充色设为蓝色，边框设为白色。

hist(home_data$price, col = 'blue', border = "white")

基础 R 房价直方图，添加了颜色添加颜色的房价直方图。作者供图。

添加标签和标题

我们可以更改图中的标签，使其更易读、更易展示。如果您要与他人分享图表，这会很有帮助。

  • xlab 设置 x 轴标签

  • ylab 设置 y 轴标签

  • main 设置图表标题

hist(home_data$price, xlab = 'Price (USD)', ylab = 'Number of Listings', main = 'Distribution of House Prices')

基础 R 直方图，添加了坐标轴标签带坐标轴标签的房价直方图。作者供图。

使用 breaks 分箱

在默认参数下，很难看清整个价格范围内房价分布的细节。我们能看到它们集中在前几个箱中，但信息不够丰富。

可以通过 breaks 参数增加箱数。该参数可以接受一个具体断点的向量、用于计算断点的函数、希望的断点数量，或用于计算箱数的函数。

在这个示例中，我们将传入希望的箱数。该数值应根据您希望在图中展示的内容而定，具有情境相关性。

hist(home_data$price, breaks = 100)

基础 R 直方图，修改了箱宽修改箱宽的房价直方图。作者供图。

当 breaks 设为 100 时，前几个区间的分布细节明显更清晰。

我们也可以通过传入常见的最优分箱计算方法名称来指定断点数量。默认情况下，hist() 使用 “Sturges” 方法。这里我们显式指定该方法。

hist(home_data$price, breaks = "Sturges")

基础 R 直方图，使用 Sturges 方法使用 Sturges 方法的房价直方图。作者供图。

我们还可以为 breaks 属性传入 “Scott”，以使用 Scott 方法。

hist(home_data$price, breaks = "Scott")

基础 R 直方图，使用 Scott 方法
使用 Scott 方法的房价直方图。作者供图。

最后，我们也可以使用 Freedman-Diaconis（FD）方法。

hist(home_data$price, breaks = "Freedman-Diaconis")

基础 R 直方图，使用 Freedman-Diaconis 方法使用 Freedman-Diaconis 方法的房价直方图。作者供图。

比较分箱方法

下表总结了 hist() 中可用的三种命名分箱方法。默认使用 Sturges。

方法工作原理最佳适用场景
Sturges箱数 = 1 + log₂(n)。假设数据近似正态。小到中等规模、近似正态分布的数据集
Scott箱宽 = 3.49 × sd × n⁻¹ᐟ³。最小化积分均方误差。方差重要的正态分布数据
Freedman-Diaconis箱宽 = 2 × IQR × n⁻¹ᐟ³。使用四分位距而非标准差。偏态数据或含离群值的分布

设置坐标轴范围

我们可以使用 xlim 参数设置图中 x 轴范围，以便聚焦于我们感兴趣的数据。例如，与其查看整个图中较长的尾部，有时更有帮助的是关注分布的中心部分。

也可以更改 y 轴范围（使用 ylim 参数），但对于直方图而言，这通常意义不大，因为自动计算的取值几乎总是理想的。

我们将把价格缩放到 0 美元到 200 万美元之间。

hist(home_data$price, breaks = 100, xlim = c(0, 2000000))

基础 R 房价直方图，缩放至 0 到 200 万美元范围更改坐标轴范围的房价直方图。作者供图。

直方图可视化的下一步

当您对 R 更加熟悉后，可以尝试专用的可视化包，它们在美观性、布局和交互性方面提供更多控制。R 中一款非常流行且易用的绘图库是 ggplot2。下面我们基于卧室数量，创建了一个关于价格分布的有趣视图。


在 R 中使用 ggplot2 按卧室数量分面显示房价直方图使用 ggplot2 绘制的房价直方图。作者供图。

ggplot2 是 R 中使用最广泛的可视化包。您可以在我们的教程 How to Make a ggplot2 Histogram in R 中学习用它创建直方图，或查阅更广泛的入门教程 Graphics with ggplot2。想要更深入学习，请查看我们的 Introduction to ggplot2 course 和 Intermediate ggplot2 course。

总结

在本教程中，我们了解到直方图是用于观察连续变量分布的优秀可视化方式。我们学习了如何在 R 中制作直方图、如何在直方图上绘制汇总统计、如何自定义图表的各项要素（如坐标轴标题、颜色、x 轴分箱方式），以及如何设置坐标轴范围。最后，我们也展示了 ggplot2 库的一些强大功能。

想要继续阅读 DataCamp 的资料与资源，请查看我们的互动课程：

作者

Kevin Babitz

LinkedIn

数据科学作者｜Wayfair 高级技术营销分析师｜宾夕法尼亚大学数据科学硕士（MSE）

主题

R数据可视化数据分析