1. 繪圖函數：
- lattice 包：
· xyplot / bwplot / histogram / stripplot / dotplot / splom / levelplot / contourplot
· 格式：xyplot ( y ~ x | f * g , data )
· panel 函數，用於控制每個面板內的繪圖
- grid 包：
· 實現了獨立於base的繪圖系統
· lattice包是基於grid創建的；很少直接從grid包調用函數
2. Lattice 與 Base 的重要區別
- Base 繪圖函數直接在圖形設備上繪圖
- 而Lattice 繪圖函數返回 trellis 類對象
· 打印函數真正執行了在設備上繪圖
· 命令執行時，trellis 類對象會被自動打印，所以看起來就像是 lattice 函數直接完成了繪圖
3. 實踐
- 安裝 lattice 包：install.packages("lattice")
- 查詢幫助文檔：如 ？xyplot
library(lattice)
# 引入lattice包
xyplot(Temp~Ozone, data=airquality)
# 考察Temp和Ozone之間的關系
airquality$Month <- factor(airquality$Month)
# Month變量轉換成factor，即分類變量
xyplot(Temp~Ozone | Month, data=airquality, layout=c(5,1))
# Temp和Ozone 與月份之間的關系（lattice體現交互作用）
q <- xyplot(Temp~Wind, data=airquality)
# xyplot存到變量里，生成類對象
print(q)
# 打印類對象，若xyplot不存入變量，則會直接打印出來
set.seed(1)
# 設置種子點，意義在於每次產生的隨機數是一樣的（使用隨機數時切記使用種子點）
x <- rnorm(100)
# 從變准正態分布中抽取100個隨機數，賦值給x
f <- rep(0:1, each=50)
# f變量只包含0和1這兩個值，每個值出現50次，所以f變量內有100個數
y <- x + f - f*x + rnorm(100, sd=0.5)
# 讓x與y之間的關系與f變量有交互
f <- factor(f, labels=c("Group1","Group2"))
# f變量轉換成factor，即分類變量
xyplot(y~x | f, layout=c(2,1))
# x和y 與f之間的關系
xyplot(y~x | f, panel=function(x, y){
panel.xyplot(x,y)
panel.abline(v=mean(x), h=mean(y), lty=2)
panel.lmline(x,y,col="red")
})
# abline:添加x平均直線，添加y平均直線
# lmline:擬合線性模型
