柱状图：

##利用ggplot2包

library(ggplot2)

with(mpg,table(class,year))

 p <- ggplot(data=mpg,aes(x=class,fill=factor(year)))

 p + geom_bar(position='dodge')

#dodge将不同年份数据并列放置

p + geom_bar(position='stack')  #stack将不同年份数据堆叠放置，默认处理方式

p + geom_bar(position='fill') #展示方式与stack类似，但Y轴不再是计数，而是百分比显示

p + geom_bar(position='identity',alpha=0.3)  #identity不做任何改变直接显示，需要设置透明度才可看得清

散点图：

library(ggplot2)

p <- ggplot(mpg, aes(cty, hwy))

p1 <- p + geom_point(aes(colour = factor(year),shape = factor(year), size = displ), alpha = 0.6)

print(p1)

饼图：

slices<-c(10,12,4,16,8)

lbls<-c('US','UK','Australia','Germany','France')

pie(slices,labels = lbls,main='Simple Pie Chart')

直方图：

在x轴将值域分割为一定数量的组，在Y轴显示相应值的频数，展示了连续型变量的分布

Freq = T, 纵轴为频数

Freq = F, 纵轴为密度

hist(mtcars$mpg,freq=F,breaks=12,col='red',xlab = 'Miles Per Gallon',main = 'Colored histogram with 12 bins')

hist(mtcars$mpg,freq=T,breaks=12,col='red',xlab = 'Miles Per Gallon',main = 'Colored histogram with 12 bins')

密度曲线图：

在频率分布直方图中，当样本容量充分放大时，图中的组距就会充分缩短，这时图中的阶梯折线就会演变成一条光滑的曲线，这条曲线就称为总体的密度分布曲线。

d<-density(mtcars$mpg)

plot(d,main='Kernel Density of Miles Per Gallon')

箱线图：

箱线图需要用到统计学的四分位数（Quartile）的概念，所谓四分位数，就是把组中所有数据由小到大排列并分成四等份，处于三个分割点位置的数字就是四分位数。第一四分位数（Q1），又称“较小四分位数”或“下四分位数”，等于该样本中所有数值由小到大排列后第25%的数字。第二四分位数（Q2），又称“中位数”，等于该样本中所有数值由小到大排列后第50%的数字。第三四分位数（Q3），又称“较大四分位数”或“上四分位数”，等于该样本中所有数值由小到大排列后第75%的数字。第三四分位数与第一四分位数的差距又称四分位间距（InterQuartile Range，IQR）。

boxplot(mpg~cyl,data = mtcars,main='Car Mileage Data',xlab='Number of Cylinders',ylab='Miles Per Gallon')

violet图：

小提琴图中的白色的点表示中位数，黑色的框表示IQR，细黑线表示须，小提琴的胖瘦表示分布密度。

library(vioplot)

x1 <- mtcars$mpg[cyl==4]

x2 <- mtcars$mpg[cyl==6]

x3 <- mtcars$mpg[cyl==8]

vioplot(x1,x2,x3,names=c("4 Cylinders","6 Cylinders","8 Cylinders"),col="gold")

title("Violin Plot of MPG by Number of Cylinders")