最近迷恋上了画图，一方面是觉得挺有意思的，另一方面是觉得自己确实画图方面比较弱，所以决定比较系统地回顾反思一下，同时顺带记录下来分享给大家。也确实是好久好久没更新文章了，真的是杂事太多太忙太牵扯精力没法更新，好多粉丝的消息也都回不了。

还有一个原因就是画图这个东西，可以学一点记一点，然后写一点，碎片化时间可以完全利用起来，写统计方法的话，是需要大量整块的时间去思考的，思路断了下次相连起来就特别困难，所以如果不是特别闲，有大量整块的时间，感觉我自己也很难写的出来了。因为太多是精力被牵扯，稍有闲暇时间就只想躺平在床上，哪有心力写什么公众号哦，如今这个氛围世道下，作为一名青年教师，真的很难有整块时间进行深度工作。

说到深度工作，这儿将深度工作的理念分享给大家，我挺认可这些话的，不过眼前似乎看不到鼓励深度工作的氛围：

卡尔·纽波特先生认为，深度工作是在无干扰的状态下专注进行的职业活动，从而使人的认识能力达到极限。

他认为，深度工作能够创造新价值，提升技能，而且难以复制。也就是我们常讲的心无旁骛和专心致志，是深度工作的精神状态。

和深度工作相对应，纽波特也提出浮浅工作的概念，他认为，浮浅工作是对认知要求不高的事务性工作，这类工作往往在受干扰的情况下开展，浮浅工作通常不会创造太多的价值，而且容易复制。

深度工作才能创造更高价值，其成果才难以复制，深度工作才能使人有所见树和获得成功。纽波特认为，深度工作的能力日益稀少，而深度工作的价值在社会经济中日益提升。

因此培养深度工作这项技能，将其内化为工作生活核心的人，将会取得成功，这就是为什么我们要深度工作。在现代社会，无论是经济生活还是技术进步，都是一个十分复杂的系统，不管我们从事什么工作，都需要静下心来，深度学习，深度思考，深度工作。

当前，我们大力提倡工匠精神，我觉得工匠精神的核心就是深度工作。工匠精神必须是一丝不苟，必须是见微知著，必须是持之以恒，而这些特点正是深度工作所必需的。

我常想，我国古代一些巧夺天工的建筑艺术，那不仅需要精密的计算和设计，还需要精益求精的建造。那个时代虽然科技并不发达，但工匠们凭着比较单一的知识和经验，全神贯注地去做，把工作做到了极致。

在当代社会，陈景润破解歌德巴赫猜想、屠呦呦发明青蒿素靠深度工作，袁隆平培育新稻种靠的也是深度工作。

我们今天提倡深度工作，对于重拾和筑牢我国的工匠精神至关重要。

所以今天就只能给大家写一些比较肤浅的，最最最基础的作图函数plot，希望大家不要嫌弃哈。

plot函数常用参数介绍

首先plot函数可以接受一系列的参数，通过参数的组合修改基本上可以画出你想要的任何图形，plot可以接受的常见的参数如下：

常见的图形参数的意思，直接拉一张表给大家：

表中都是一些很简单的描述，我相信大家一看就懂，这儿要给大家提的是type，tpye参数可以控制图的类型，常见的图的类型一览如下：

比如你要画一个点图，就可以写type='p'，要画一个线图就可以写type='l'等等，其余的type对应的图的样子如下图：

就是你只要设定好了x和y的数据，你想画个啥图，就将type设置为对应的啥就可以。

还要给大家介绍颜色参数col的表示，col的表示有很多种方法，比如你想要你图呈红色，只需要将col参数设置为col="red"就行，那么当然不止可以设置为红，R有很多预先设定好的颜色可以供你选择，你在console中运行colors()就可以看到预设的颜色了，如下：

总共其实有657个颜色，这儿我就只截图了这么多而已哈。657个颜色如下，可以随便选：

其实颜色的设定还有很多别的方式，比如可以用颜色的index，颜色names，也可以用RGB，也可以用十六进制表示都行：

颜色介绍完了我们再看las参数，轴标签的style可以用las参数修改，什么意思呢，就是我们的轴标签可以选择是和轴水平，还是一直水平，或者一直垂直。什么意思呢？大家看这幅图：

可以看到轴标签都是和轴平行的（y轴的标签和y轴平行），这个时候我们将y轴的标签改为水平才更符合我们的读图习惯，这个时候我们就可以将las设置为1，得到如下的图：

此时大家再注意纵轴的标签，可以看到也变为平行分布了，这个就是las参数的作用。

继续看bty参数，这个参数是用来改画图的框框的，就是说默认我们用plot作图都会带一个框框，如下：

比如我想要一个无框图我就可以将bty设置为n，然后就得到效果如下，没有框框只有轴：

plot函数中还有个pch参数是控制点的类型的，取值意义如下，大家也可以换着用用试试：

比如我想要我的点是空心菱形，我就可以设置pch=5，就可以得到下面的图：

上图的完整代码如下：

plot(pressure,pch=21,col='#eb280a', bg="lightblue",las=1,     cex=1,type='p',bty='n'     )

我们在一个图中画多组对象的时候，这个时候就需要图例来帮助我们读图，比如对下面的图，这个图中有两组数据，但却没有图例，我们不知道三角形和圈圈代表啥：

我想加一个图例，这个时候就需要继续运行legend函数，比如我想圈圈代表‘关注’，三角代表‘Codewar’，我就可以写出如下代码，这儿的“关注”和“Codewar”你都可以换成你想的任何字符哈，这儿仅用它举例：

legend(0,800,       c("关注","Codewar"), pch=c(19,17), col=c("lightblue","blue"))

图例当然也可以改，首先就是改位置，位置的关键字有9个，对应的位置如下图：

图例的位置可以用关键字改，也可以更加的个性化，用坐标改也是可以的，其可以接受的参数如下图：

比如我想将原来的图例换成红色的背景，然后放在（25，800）这个坐标上，我就可以写出如下代码：

legend(25,800,       bg = 'red',       c("关注","Codewar"), pch=c(19,17), col=c("lightblue","blue"))

运行后得到下图：

大家可以看到一个红色背景的图例已经在对应位置加上了，但是仔细观察上图，其实我们现在图是没有边框的，这个时候图例加个边框也不合适，所以我还想设置下图例的边框，甚至我还想改图例中的字体，甚至图例整体的大小，甚至是....统统都是可以的哈，就是这么牛！

比如，我现在突发奇想，我想给我的图例加一个标题，再将其变小一点，放在右下角，并且让图例中的字水平排列，我就可以写出如下代码：

legend("bottomright", title="欢迎大家",       c("关注","Codewar"),col=c("lightblue","blue"), horiz=TRUE, cex=0.4,       box.lty=0,       bg = 'red',       text.font=4       )

依然是给大家解释下上面代码中各个参数的意思：bottomright是图例位置的关键字，title是标题字符，horiz是图例内容水平排列，cex是图例整体大小，box.lty是图例边框（取0就是无框），text.font是字体（取4就是斜体）。大家可以尝试着改改上面的参数自己试试呀。

实例操练

比如我给一位同学做了个轨迹模型，这个模型本身是用plot函数输出的，默认输出的图像如下：

我此时想将这个图参照已经发表的一篇文献，改一改，大概改成下面这个样子：

我们先观察一下需要改动的地方，首先就是图的边框，之前给大家写了边框可以用bty参数改；然后是横轴的标签，这个可以用axis改，并且需要将标签改为始终水平放置（使用las参数）；然后就是图例了，图例需要放在整幅图的下面，可以用legend函数改。

我们就来实操一下：运行下面代码

plot(plotpred, lty=1, lwd=5, shades=T,     xlab="Time",     ylab="PTG",      bty='l',     las=1,     cex=0.75,legend = NULL)axis(side=1, at=c(0,0.5,1,1.5,2), labels = c('2001','2002','2003','2004','2005'))legend("bottom",       legend = c('Low','Moderate','High'),       col = c(2,1,3),         lty=1, lwd=5,       horiz = T,       seg.len=6,       bty='n',       xpd = T,inset=-0.25)

运行上面的代码即可得到下图，效果基本上和发表的文献已经一致了，放在论文中肯定也是没问题的：

上面的代码中axis是对图形坐标轴进行重新设置，side参数的可以取4个值，side=1的意思是below，就是下面这个轴，对下面这个轴进行操作，at参数可以设置轴标签的位置，此时写了5个位置，相应地labels就是轴标签，即在at的5个位置上标签分别为2001-2005年。还有legend函数中，需要提示一下的就是xpd参数，这个参数为TRUE就表示允许在原图外进行绘制，此时就表示我在原图外，也就是原图的下方添加图例。

以上实例就是这样。

小结

今天给大家写了一些基础包中plot作图设置的基础知识点，感谢大家耐心看完，自己的文章都写的很细，重要代码都在原文中，希望大家都可以自己做一做，请转发本文到朋友圈后私信回复“数据链接”获取所有数据和本人收集的学习资料。如果对您有用请先记得收藏，再点赞分享。

也欢迎大家的意见和建议，大家想了解什么统计方法都可以在文章下留言，说不定我看见了就会给你写教程哦，有疑问欢迎私信，有合作意向请直接滴滴我。

如果你是一个大学本科生或研究生，如果你正在因为你的统计作业、数据分析、模型构建,科研统计设计等发愁，如果你在使用SPSS, R，Python，Mplus, Excel中遇到任何问题，都可以联系我。因为我可以给您提供最好的，最详细和耐心的数据分析服务。

如果你对Z检验，t检验，方差分析，多元方差分析，回归，卡方检验，相关，多水平模型，结构方程模型，中介调节，量表信效度等等统计技巧有任何问题，请私信我，获取详细和耐心的指导。

If you are a student and you are worried about you statistical #Assignments, #Data #Analysis, #Thesis, #Reports, #Composing, #Quizzes, Exams.. And if you are facing problem in #SPSS, #R-Programming, #Excel, Mplus, then contact me. Because I could provide you the best services for your Data Analysis.

Are you confused with statistical Techniques like z-test, t-test, ANOVA, MANOVA, Regression, Logistic Regression, Chi-Square, Correlation, Association, SEM, multilevel model, mediation and moderation etc. for your Data Analysis...??

Then Contact Me. I will solve your Problem...

加油吧，打工人！

往期精彩

R数据分析：ROC曲线与模型评价实例

R数据分析：著名的“三门问题”的R语言模拟

R数据分析：跟随top期刊手把手教你做一个临床预测模型

R机器学习：分类算法之logistics回归分类器的原理和实现

R数据分析：变量间的非线性关系，多项式，样条回归和可加模型

R数据分析：PLS结构方程模型介绍，论文报告方法和实际操作

Mplus数据分析：性别差异gendergap的相关研究如何做？

R数据分析：嵌套数据分析为什么要用加随机效应？终于解释清楚了

R数据分析：Lasso回归筛选变量构建Cox模型并绘制列线图

R数据分析：如何用lavaan包做结构方程模型，实例解析

R数据分析：潜变量与降维方法（主成分分析与因子分析）

R机器学习：分类算法之K最邻进算法（KNN）的原理与实现

R数据分析：孟德尔随机化分析文献解析和实例操练

R数据分析：如何给结构方程画路径图，tidySEM包详解

R数据分析：纵向数据如何做中介，交叉滞后中介模型介绍

R数据分析：双连续变量交互作用的简单斜率图作图及解释

R机器学习：朴素贝叶斯与支持向量机的原理与实现

R数据分析：潜类别轨迹模型LCTM的做法，实例解析

R数据分析：用lme4包拟合线性和非线性混合效应模型

R数据分析：如何用mice做多重插补，实例解析

R数据分析：如何用层次聚类分析做“症状群”，实例操练

R机器学习：分类算法之判别分析LDA,QDA的原理与实现

R数据分析：广义估计方程式GEE的做法和解释