如果想要研究某一变量的分布情况，则需要使用直方图和密度曲线图。

函数hist（x，breaks＝，）绘制直方图。

x：是由一个数据值组成的数值向量

breaks：用于控制组的数量,breaks=seq(220,280,3)从220开始到280，间隔为3

freq=FALSE:控制y轴，使其变为密度​

rug(jitter(mtcar$mpg))​:轴须图

代码：

hist(mtcars$mpg,breaks=12,col="red4",xlab="miles per gallon"，main＝"histogram")

直方图

带有密度曲线的直方图

代码：

​hist(mtcars$mpg,freq＝FALSE,breaks=12,col="red4",xlab="miles per gallon"，main＝"histogram")

rug(jitter(mtcars$mpg))

lines(density(mtcars$mpg),col="blue4",lwd=2)

核密度图：

代码：

(1)d<-density(mtcars$mpg)

plot(d)

​

(2)d<-density(mtcars$mpg)

plot(d,main="he mi Du tu ")

​polygon(d,col="red4",border="blue4")

rug(mtcars$mpg,col="brown")

创建可比较的核密度图

函数：sm.density.compare(x,factor)

x：是一个数值型向量，factor是一个分组变量​

代码：

library​(sm)

attach(mtcars)

cyl.f<-factor(cyl,levels = c(4,6,8),labels = c("4 cylinder","6 cylinder","8 cylinder"))

sm.density.compare(mpg,cyl.f,xlab="miles per gallon")

title(main = "MPG distribution by car cylinders")

legend("topright",pch = 15,legend = c("4 cylinder","6 cylinder","8 cylinder"),col = c("blue","green","red"))