一開始用lattice包，感覺在多元數據的可視化方面，確實做得非常好。各種函數，可以實現任何想要實現的展示。
| barchart(y ~ x) | y對x的直方圖 |
| bwplot(y ~ x) | 盒形圖 |
| densityplot(~ x) | 密度函數圖 |
| dotplot(y ~ x) | Cleveland點圖(逐行逐列累加圖) |
| histogram(~ x) | x的頻率直方圖 |
| qqmath(~ x) | x的關於某理論分布的分位數-分位數圖 |
| stripplot(y ~ x) | 一維圖，x必須是數值型，y可以是因子 |
| qq(y ~ x) | 比較兩個分布的分位數，x必須是數值型，y可以是數值型，字符型，或者因子，但是必須有兩個"水平" |
| xyplot(y ~ x) | 二元圖（有許多功能） |
| levelplot(z ~ x*y) contourplot(z ~ x*y) |
在x，y坐標點的z值的彩色等值線圖（x，y和z等長） |
| cloud(z ~ x*y) | 3-D透視圖（點） |
| wireframe(z ~ x*y) | 同上（面） |
| splom(~ x) | 二維圖矩陣 |
| parallel(~ x) | 平行坐標圖 |
下面詳細介紹下xyplot，xyplot相當於plot，不過可以畫多個子圖。
一.不過如果想要在每個子圖里展示幾種點或線，就要想想辦法了。
1)這是一個利用公式關系的方法：Sepal.Length + Sepal.Width ~ Petal.Length + Petal.Width能在一個子圖中畫出
Sepal.Length ~ Petal.Length，Sepal.Width ~ Petal.Length，Sepal.Length ~ Petal.Width，Sepal.Width ~ Petal.Width四種關系
*代碼：
library(lattice)
require(stats)
xyplot(Sepal.Length + Sepal.Width ~ Petal.Length + Petal.Width | Species,
data = iris, scales = "free", layout = c(2, 2),
auto.key = list(x = .6, y = .7, corner = c(0, 0)))
2)下面是另一種方法，利用groups參數：
*代碼：
xyplot(freq~abun |KO ,groups=country,data =zz, type="o", layout = c(4, 6),xlab="Abundance (log10)",ylab="Frequency",scales="free")
不過我想要畫hist分布圖，所以嘗試了幾種不同方法：
1）barchart：可惜柱子的透明度無法調節
*代碼：
barchart(freq~abun |KO ,groups=country,data =zz,stack =T,strip=T, layout = c(2, 2),xlab="Abundance (log10)",ylab="Frequency",scales="free",col=rainbow(2,alpha=0.5),box.ratio =100,horizontal=F)
2）想用xyplot 函數，把type改成“h”柱形，但是 lwd 這個參數沒法每個子圖不一樣，lend參數無效 。
*代碼：
xyplot(freq~abun |KO ,groups=country,data =zz, type="h", lwd = 10, lend =2, layout = c(4, 6),xlab="Abundance (log10)",ylab="Frequency",scales="free",col=rainbow(2,alpha=0.5))
3）經過一番研究，用histogram函以及函數中的panel（子圖中加函數）可以實現，但是發覺xlim無法各個子圖自己調整，最后無奈選擇最原始的方法。
*代碼：
histogram(~abun |KO ,data=zz , layout = c(4, 6),xlab="Abundance (log10)",ylab="Frequency",scales="free",col=rainbow(2,alpha=0.5)[1],
panel = function(x, ...) {
panel.histogram(x[1:100],breaks=NULL,type="count",col = rainbow(2,alpha=0.5)[1])
panel.histogram(x[101:160],breaks=NULL,type="count",col = rainbow(2,alpha=0.5)[2])
}
)
4）最原始的方法：
*代碼：
par(mfrow=c(6,4),mar=c(2.1,2.1,0.1,0.1))
for (i in 1:length(id))
{
tmp=log10(as.numeric(data[id[i],2:161]))
a=hist(tmp,breaks=10,plot=F)
b=hist(tmp[1:100],breaks=a$breaks,plot=F)
c=hist(tmp[101:160],breaks=a$breaks,plot=F)
if((max(b$count)/100)>(max(c$count)/60)){
hist(tmp[1:100],breaks=a$breaks,col=rainbow(2,alpha=0.5)[1],xlab="",ylab="",main="");
e=hist(tmp[101:160],breaks=a$breaks,plot=F)
e$counts = e$counts*100/sum(e$counts)
plot(e,add=T,col=rainbow(2,alpha=0.5)[2],xlab="",ylab="",main="")
}else{
e=hist(tmp[101:160],breaks=a$breaks,plot=F)
e$counts = e$counts*100/sum(e$counts)
plot(e,col=rainbow(2,alpha=0.5)[2],xlab="",ylab="",main="",border=0)
hist(tmp[1:100],breaks=a$breaks,add=T,col=rainbow(2,alpha=0.5)[1],xlab="",ylab="",main="");
plot(e,add=T,col=rainbow(2,alpha=0.5)[2],xlab="",ylab="",main="")
}
}
最后終於大功告成，里面還有很多地方值得仔細研究。
例如：
i.我兩組樣品的數量不一樣，但是我想在一個hist圖中比較，怎么辦？hist縱軸百分比顯示！！！
e=hist(tmp[101:160],breaks=a$breaks,plot=F)#先hist存到變量中
e$counts = e$counts*100/sum(e$counts) #將counts轉換成百分比
plot(e,add=T,col=rainbow(2,alpha=0.5)[2],xlab="",ylab="",main="")#再畫圖
ii.我畫兩個具有一定透明度的hist，發覺畫圖先后順序對重疊部分的顏色有影響，例如我先畫紅色再畫藍色vs.先畫藍色再畫紅色，結果就不一樣了。
但是我又需要讓x軸和y軸依據最大的圖來確定。
所以我先根據所有數據來取breaks，保持兩個hist的break一致，這樣x軸問題就解決了；
然后判斷哪個hist的y值最大，那么我先根據最大的那個畫一個空白的hist，y軸問題解決；
然后再按照先紅后藍的順序畫上兩個hist。