SAS学习系列16. 绘图Ⅱ—条形图,直方图,盒形图.docx

16. 绘图Ⅱ—条形图,直方图,盒形图

（一）定性变量的图形
定性变量（分类变量）也可以通过图形直观地描绘出它们各类的数量和所占比例，常用的有条形图、饼形图和马赛克图。

一、条形图（Bar Chart）
用若干个细长的矩形条的高度（不是宽度，也不是面积）来表示定性变量各水平组的频数。分为
单式条形图——横轴上只有一个定性变量；
复式条形图——横轴上有两个或多个定性变量（GROUP可选项）；

基本语法：
PROC SGPLOT data = 数据集;
VBAR或HBAR 变量列表 </可选项>;
注：“VBAR”绘制竖直方向的条形图，“HBAR”绘制水平方向的条形图。
可选项：
GROUP = 变量名
指定分组变量
GROUPDISPLAY =选项
指定分组条形的显示方式：
STACK（堆叠型，默认），CLUSTER（簇型）；
RESPONSE = 变量名
指定一个数值变量做统计分析；
STAT = 统计量
对RESPONSE变量做指定的统计分析；
有RESPONSE变量默认FREQ；否则默认SUM；
ALPHA = p
设定置信限: [0,1]，默认为0.05（95%可信）
BARWIDTH=w
设定“条形”宽度，介于0.1和1之间，默认为0.8；
DISCRETEOFFSET = x
设定每个条形偏移中心的距离: [-0.5,0.5]，默认为0
TRANSPARENCY = n
指定条形的透明度: [0,1]，默认是 0（完全不透明）
DATALABEL = 变量名
指定用该变量的值作为每个“条形”的标签，
默认SAS自动计算适当的值
MISSING
绘制包含缺省值的条形；
LIMITSTAT = 选项
设定要显示的极限线的类型：CLM（均值左右95%的双侧置信区间）；STDDEV（样本标准差）；STDERR（标准误）；

例1 巧克力生产商考虑是否增加 4 个新品种，公司找志愿者品尝它们的味道，得到数据（C:\MyRawData\Choc.dat），变量包括年龄组（A-成年；C-儿童）、喜欢吃的口味（注意每行有 6 个测试）：

读入数据，用 PROC SGPLOT 过程步生成关于年龄段分组的条形图。

代码：
data chocolate;
infile 'c:\MyRawData\Choc.dat';
input AgeGroup $ FavoriteFlavor $ @@;
run;
proc format;
value $AgeGp 'A' = 'Adult' 'C' = 'Child';
run;
* Bar chart for favorite flavor;
proc sgplot data = chocolate;
vbar FavoriteFlavor / GROUP = AgeGroup GROUPDISPLAY = CLUSTER;
format AgeGroup $AgeGp.;
label FavoriteFlavor = 'Flavor of Chocolate';
title 'Favorite Chocolate Flavors by Age';
run;
运行结果：

注：上图是“簇型”（CLUSTER），若改为“堆叠型”（STACK）输出：

另外，可以用旧版的 GCHART 过程步绘制条形图；

二、饼图（Pie Chart）
饼图，用圆的各扇形面积的大小来表示定性变量各水平组的频数。
SGPLOT过程步没有提供绘制饼形图的命令，用GCHART过程步可以实现。

例2 细菌培养的数据（C:\MyRawData\bacterial.txt），变量包括细菌类别、例数：

读入数据，绘制饼形图来表达各类细菌的百分比关系。
代码：
data Bacterial;
infile 'C:\MyRawData\bacterial.txt';
input BacterialClass $ Number;
run;
* Bar chart for Bacterial;
proc gchart data = Bacterial;
pie BacterialClass / sumvar = Number PERCENT = arraw;
label BacterialClass = '细菌类别' Number = '例数';
title '400 例细菌培养结果';
run;
运行结果：

程序说明：
（1）可选项“sumvar = Number”，指定变量Number为做统计计算的量（默认是FREQ）；
（2）可选项“PERCENT = arraw;”，指定按百分数显示，并连上线。
（二）定量变量的图形

一、直方图（Histogram），也称质量分布图
对于定量变量（数值型变量），常用直方图来展示某个变量取值的分布，利用直方图可以估计总体的概率密度。
将变量取值的范围分成若干区间。直方图是用面积而不是用高度来表示数，总面积是100%. 每个区间矩形的面积恰是落在该区间内的百分数（频率），所以
矩形的高 = 频率 / 区间长度 = 密度
特别地，若区间是等长的，则“矩形的高”就是频率。
注意：直方图矩形之间是没有间隔的。

用SGPLOT过程步绘制直方图以及密度曲线
基本语法：
PROC SGPLOT data = 数据集;
HISTOGRAM variable-name / options;
DENSITY variable-name / options;
1. HISTOGRAM可选项
（1）BINSTART = n
指定第一个矩形中点的起始位置；
（2）BINWIDTH = n和NBINS = n
指定矩形的宽度，或矩形的个数（二者只给其中之一）
（3）SCALE = scalingtype
指定竖轴的刻度类型：PERCENT（默认，百分数）,
COUNT（频数）, PROPORTION（频率）；
（4）SHOWBINS
指定刻度标记标在每个矩形的中点位置，默认只标记将
取值范围分为四段的分点；
（5）TRANSPARENCY = n——设置透明度：[0,1].

2. DENSITY可选项
（1）TYPE =distribution-type
指定密度曲线的分布类型：NORMAL（默认，正态分布）、
KERNEL（核密度曲线）；
（2）TRANSPARENCY = n——设置透明度。

例3 四年级学生在某月阅读书籍的数据（C:\MyRawData\Reading.dat），变量包括学生姓名、书籍数，注意每行有多组数据：

读入数据，绘制关于书籍数的直方图以及密度曲线，并与正态分布的密度曲线做对比，竖轴显示频数，直方图每个矩形下面都作刻度标记。

代码：
data contest;
infile 'c:\MyRawData\Reading.dat';
input Name $ NumberBooks @@;
run;
* Create histogram and density curves;
proc sgplot data = contest;
histogram NumberBooks / BINWIDTH = 2 SHOWBINS SCALE = COUNT;
density NumberBooks;
density NumberBooks / type = KERNEL;
title 'Reading Contest';
run;
运行结果：

二、盒形图（Box Plots），也叫箱线图
在一条数轴上，以数据的上下四分位数（Q1-Q3）为界画一个矩形盒子（中间50%的数据落在盒内）；在数据的中位数位置画一条线段为中位线；用◇标记数据的均值；默认延长线不超过盒长的1.5倍，之外的点认为是异常值（用○标记）。

盒形图的主要应用就是，剔除数据的异常值、判断数据的偏态和尾重。

用SGPLOT过程步绘制盒形图
基本语法：
PROC SGPLOT;
VBOX或HBOX variable-name / options;
注：VBOX——竖直盒形图；HBOX——水平盒形图。
可选项：
（1）CATEGORY = variable-name
指定分类变量，给它的每个值分别绘制一个盒形图；
（2）EXTREME
指定延长线到真正的最大、最小值（相当于没有异常值）；
（3）GROUP = variablename
指定CATEGORY变量的下一级分类变量；
（4）MISSING
包含CATEGORY变量或GROUP变量的缺省值；
（5）TRANSPARENCY = n——设定透明度。

例4 自行车环形公路赛的数据（C:\MyRawData\Criterium.dat），变量包括年龄组（青年组、成人组、选手组）、圈数，注意每行有多组数据：

读入数据，用SGPLOT过程步为每个年龄组分别绘制盒形图。

代码：
data bikerace;
infile 'c:\MyRawData\Criterium.dat';
input Division $ NumberLaps @@;
run;
* Create box plot;
proc sgplot data = bikerace;
vbox NumberLaps / CATEGORY = Division;
title 'Bicycle Criterium Results by Division';
run;
运行结果：