R中的散点图是绘制两个向量变量彼此相对的图的最简单形式。
这些对于了解变量相对于另一个变量的分布和密度很有用。

假设您希望根据孩子的年龄绘制其身高，并查看给定年龄段的大多数孩子的身高，最好使用散点图。

这些也可以应用于肺活量与运动时间，一天中的时间与员工登录，每月中的一周与每日销售额等情况。

我们将首先使用R的基本软件包绘制一些散点图，然后再使用R在3D模式下可视化相似的图形。

在R中创建散点图

可以使用plot(x，y)命令创建最简单的散点图，其中x和y是向量。
让我们来看一个使用一些内置R数据集的示例。

R中的鸢尾花数据集是关于鸢尾花的5个变量的150个观测值的集合。
这些变量指示花朵的尺寸，例如萼片长度/宽度和花瓣长度/宽度。
让我们尝试根据观察到的花瓣长度绘制花朵的花瓣宽度。

> plot(iris$Petal.Length,iris$Petal.Width)

这是我们的第一个散点图。
该图易于阅读，并告诉我们某些花瓣的长度为1至2厘米，花瓣宽度小于1厘米-更精确地说约为0.5厘米。

此外，大多数花瓣较长(3-7厘米)，并且倾向于有较宽的花瓣，大部分簇集在1-2厘米左右。
我们也可以清楚地说，花瓣的长度和宽度之间存在微弱的线性关系。

我们如何使这些图更具参考价值？观察虹膜数据集有3种花。
我们可以有一个散点图，用上面选择的相同变量绘制3种具有3种不同颜色的物种。

您所需要做的就是在绘制图形时对col参数使用一个unclass()函数。
unclass函数将iris $species作为参数，并根据此点分配图中点的颜色。
我们还添加了标签，标题和图例，以使图形看起来更具吸引力。
让我们看一下代码片段。

plot(iris$Petal.Length, iris$Petal.Width, pch=20, col=c("red","green","blue")[unclass(iris$Species)], xlab="Petal Length", ylab="Petal Width" ,main="Iris length vs width by species")
legend("topleft",c("Setosa","Virginica","Versicolor"), pch=20, col=c('red','green','blue'), title="Species")

该图所包含的信息远远超过我们上面创建的简单信息，例如– Setosa是批次中最小的物种，而Versicolor是最大的物种。
此外，还有一些维珍妮卡虹膜，其大小足以看起来像Versicolor虹膜。
通过在图上方绘制的图例，所有这些解释都是可能的。

创建3D散点图

有时，我们可能对创建包含3个变量而不是2个变量的散点图感兴趣。

尽管R的基本图形仅支持2D散点图，但是还有另一个名为scatterplot3d的软件包可以实现此目的。
我们将从安装此软件包开始。

install.packages("scatterplot3d")

package ‘scatterplot3d’ successfully unpacked and MD5 sums checked
The downloaded binary packages are in
C:\Users\theitroad\AppData\Local\Temp\Rtmpc7b8JR\downloaded_packages

现在，请确保将已安装的程序包加载到您的环境中。

library("scatterplot3d")

因此，让我们为虹膜数据集中的三个变量创建3D散点图。

> scatterplot3d(iris$Petal.Length,iris$Petal.Width,iris$Sepal.Length)

现在，让我们尝试为上述每个类绘制不同的颜色。
但是，在这种情况下，unclass函数将不起作用。

我们需要使用as.factor()函数将物种变量转换为因子。
让我们还将x-label，y-label，z-label和标题添加到上述图形中。

> spec <- as.factor(iris$Species)
> scatterplot3d(iris$Petal.Length,iris$Petal.Width,iris$Sepal.Length, pch=20, xlab='Petal Length',ylab='Petal Width',zlab='Sepal Length',main="3D plot", color=c('red','green','blue')[spec])

散点图是数据分析中简单但重要的工具。
它们最适合用于识别异常值并获得对数据特征的一般观察。