现在我们开始去学习关于R的画图，我们无论在何时分析数据，第一件要做的事情就是观察它。对于每个变量，哪些值是最常见的？值域是大是小？是否有不寻常的观测？R中提供了丰富的数据可视化函数。

条形图

条形图通过垂直的或水平的条形展示了类别型变量的分布（频数） 。函数barplot()的最简单用法是：barplot(height) 其中的height是一个向量或一个矩阵。 在接下来的示例中，我们将绘制一项探索类风湿性关节炎新疗法研究的结果。数据已包含在随vcd包分发的Arthritis数据框中。由于vcd包并没用包括在R的默认安装中，请确保在第一次使用之前先安装它（install. packages("vcd")） 。注意，我们并不需要使用vcd包来创建条形图。我们读入它的原因是为了使用Arthritis数据集。

简单的条形图

若height是一个向量，则它的值就确定了各条形的高度，并将绘制一幅垂直的条形图。使用选项horiz=TRUE则会生成一幅水平条形图。你也可以添加标注选项。选项main可添加一个图形标题，而选项 xlab 和 ylab 则会分别添加 x 轴和 y 轴标签。在关节炎研究中， 变量Improved记录了对每位接受了安慰剂或药物治疗的病人的治疗结果： 

library(vcd)
counts <- table(Arthritis$Improved)
counts
None   Some Marked
42     14     28 

这里我们看到，28位病人有了明显改善，14人有部分改善，而42人没有改善。你可以使用一幅垂直或水平的条形图来绘制变量counts。 

#纵向条形图
barplot(counts,
        main="Simple Bar Plot",
        xlab="Improvement", ylab="Frequency")
#横向条形图
barplot(counts,
        main="Horizontal Bar Plot",
        xlab="Frequency", ylab="Improvement",
        horiz=TRUE)

堆砌条形图和分组条形图 

如果height是一个矩阵而不是一个向量，则绘图结果将是一幅堆砌条形图或分组条形图。若beside=FALSE（默认值） ，则矩阵中的每一列都将生成图中的一个条形，各列中的值将给出堆砌的“子条”的高度。若beside=TRUE，则矩阵中的每一列都表示一个分组，各列中的值将并列而不是堆砌。考虑治疗类型和改善情况的列联表： 

library(vcd)
counts <- table(Arthritis$Improved, Arthritis$Treatment)
counts
   Treatment
Improved Placebo Treated
None        29      13 
Some         7       7 
Marked       7      21 

你可以将此结果绘制为一幅堆砌条形图或一幅分组条形图。

#对齐条形图
barplot(counts,
     main="Stacked Bar Plot",
     xlab="Treatment", ylab="Frequency",
     col=c("red", "yellow","green"),
     legend=rownames(counts))
#分组条形图
barplot(counts,
     main="Grouped Bar Plot",
     xlab="Treatment", ylab="Frequency",
     col=c("red", "yellow", "green"),
     legend=rownames(counts), beside=TRUE)

棘状图

最后让我们再来看一种特殊的条形图，它称为棘状图（spinogram） 。棘状图对堆砌条形图进行了重缩放，这样每个条形的高度均为1，每一段的高度即表示比例。棘状图可由vcd包中的函数spine()绘制。以下代码可以生成一幅简单的棘状图： 

library(vcd)
attach(Arthritis)
counts <- table(Treatment, Improved)
spine(counts, main="Spinogram Example")
detach(Arthritis)

治疗组同安慰剂组相比，获得显著改善的患者比例明显更高