下面我用一个具体例子来展示：

数据：某校二年级学生共55人，数据表记录了在刚刚结束的体格检查中，55位学生的性别、身高情况及最近一次体育考试成绩。

其中，性别xingbie中，1代表男性，2代表女性；成绩chengji中，1代表优秀，2代表良好，3代表中等，4代表及格。

共55个数据，我共截取了19个数据。

1） 绘制该班身高分布的直方图，并在直方图中添加轴须图和密度曲线，使用灰色填充直方图；

首先把excel数据导入Rstudio软件里，代码如下：

read.csv(file.choose(),header=T)

h-read.csv(file.choose(),header=T)

h

attach(h)

hist(shengao,main=身高直方图,xlab=身高,ylab=频数,xlim=c(100,160),ylim=c(0,15),col=gray)

rug(jitter(shengao,amount=0.1))

lines(density(shengao))

box()

hist(shengao,breaks=12,col=gray,freq=FALSE)

lines(density(shengao))

rug(jitter(shengao,amount=0.1))

结果如图：

2） 绘制该班男女身高分布对比的箱型图；

代码如下：

boxplot(formula(shengao~xingbie))

xingbie.f-factor(xingbie,levels = c(1,2),labels = c(男生,女生))

boxplot(shengao~xingbie,col=c(gold,darkgreen))

结果如图：

3） 绘制该班性别与体育成绩交叉分组对比的身高箱型图，要求男生各组用蓝色表示，女生各组用红色表示，并用文字标示横轴分组信息。

代码如下：

boxplot(shengao~xingbie*chengji)

xingbie.f-factor(xingbie,levels=c(1,2),labels=c(男生,女生))

chengji.f-factor(chengji,levels=c(1,2,3,4))

boxplot(shengao~xingbie.f*chengji.f,col=c(blue,red),xlab=性别~成绩,ylab=身高)

结果如图：

4） 绘制该班男女身高分布对比的小提琴图，要求男、女生组用不同颜色表示，并用文字标示横轴分组信息；这个步骤需要安装vioplot包。

代码如下：

install.packages(vioplot)

library(vioplot)

x1-shengao

x2-shengao

vioplot(x1,x2,names =c(男生,女生),col=c(green,yellow),main=性别身高对比图,xlab=性别,ylab=身高)

结果如图：

5） 绘制该班按体育成绩分组后的身高点图，要求组别标签为黑色，点和学生序号标签颜色按成绩等级分别为优秀红色，良好橙色，中等绿色，及格蓝色，绘图符号为实心三角形。

代码如下：

x-h

attach(x)

chengji-factor(chengji)

x$color-red

x$color-orange

x$color-green

x$color-blue

dotchart(shengao,labels=row.names(x),cex=0.6,groups = xingbie,gcolor = black,color = x$color,pch=17)

结果如图：

分析：

1）可看出此身高图身高平均居中在115-3250px之间。

2）可分析出男生平均身高比女生高,女生最大值与最小值都大于男生。

3）可知，优秀人数中，男生的中位数大于女生，女生最大值大于男生；良好人数中，男女生中位数基本一致，女生最大值大于男生；中等的人数中，男生中位数大于女生，男生最大值大于女生；及格人数中，女生普遍大于男生。

4）可知，男女生中位数基本一致，核密度曲线相差不大。

5）由图看出，不管男生还是女生，在不同程度上的成绩都基本上集中在一条线上。

使用R软件完成变量分布特征的数据可视化。