zoukankan      html  css  js  c++  java
  • R语言的高质量图形渲染库Cairo(转)

    前言

    R语言不仅在统计分析,数据挖掘领域,计算能力强大。在数据可视化上,也不逊于昂贵的商业。当然,背后离不开各种开源软件包的支持,Cairo就是这样一个用于矢量图形处理的类库。

    Cairo可以创建高质量的矢量图形(PDF, PostScript, SVG) 和 位图(PNG, JPEG, TIFF),同时支持在后台程序中高质量渲染!

    本文将介绍,Cairo在R语言中的使用。

    目录

    1. Cairo介绍
    2. Cairo安装
    3. Cairo使用

    1. Cairo介绍

    在信息领域中,cairo 是一个让用于提供矢量图形绘图的免费库,cairo 提供在多个背景下做 2D 的绘图,高级的更可以使用硬件加速功能。

    虽然 cairo 是使用C语言撰写的,但是当使用 cairo 时,可以用许多其他种语言来使用,包括有 C++、C#、Java、Python、Perl、Ruby、Scheme、Smalltalk 以及许多种语言,cairo 在 GNU LGPL 与 Mozilla Public License (MPL) 两个认证下发布。

    上文介绍,摘自:http://zh.wikipedia.org/wiki/Cairo_(绘图)

    R语言Cairo接口的官方发布页:http://www.rforge.net/Cairo/

    2. Cairo安装

    系统环境

    • Linux: Ubuntu 12.04.2 LTS 64bit
    • R: 3.0.1 x86_64-pc-linux-gnu

    Cairo基本库安装

    
    ~ sudo apt-get install libcairo2-dev
    ~ sudo apt-get install libxt-dev
    
    ~ R 
    > install.packages("Cairo")
    ** R
    ** preparing package for lazy loading
    ** help
    *** installing help indices
    ** building package indices
    ** testing if installed package can be loaded
    Warning: ignoring .First.lib() for package ‘Cairo’
    * DONE (Cairo)
    

    3. Cairo使用

    Cairo使用起来非常简单,和基础包grDevices中的函数对应。

    • CairoPNG: 对应grDevices:png()
    • CairoJPEG: 对应grDevices:jpeg()
    • CairoTIFF: 对应grDevices:tiff()
    • CairoSVG: 对应grDevices:svg()
    • CairoPDF: 对应grDevices:pdf()

    我常用的图形输出,就是png和svg。

    检查Cairo的兼容性:

    
    ~ R
    
    > library(Cairo)
    > Cairo.capabilities()
       png   jpeg   tiff    pdf    svg     ps    x11    win raster
      TRUE   TRUE  FALSE   TRUE   TRUE   TRUE   TRUE  FALSE   TRUE
    

    下面比较一下 CairoPNG() 和 png() 输出效果。

    1). 散点图

    
    x<-rnorm(6000)
    y<-rnorm(6000)
    
    # PNG图
    png(file="plot4.png",width=640,height=480)
    plot(x,y,col="#ff000018",pch=19,cex=2,main = "plot")
    dev.off()
    
    CairoPNG(file="Cairo4.png",width=640,height=480)
    plot(x,y,col="#ff000018",pch=19,cex=2,main = "Cairo")
    dev.off()
    
    # SVG图
    svg(file="plot-svg4.svg",width=6,height=6)
    plot(x,y,col="#ff000018",pch=19,cex=2,main = "plot-svg")
    dev.off()
    
    CairoSVG(file="Cairo-svg4.svg",width=6,height=6)
    plot(x,y,col="#ff000018",pch=19,cex=2,main = "Cairo-svg")
    dev.off()
    

    以下为PNG图:

    plot4

    Cairo4

    2). 三维截面图

    
    x <- seq(-10, 10, length= 30)
    y <- x
    f <- function(x,y) { r <- sqrt(x^2+y^2); 10 * sin(r)/r }
    z <- outer(x, y, f)
    z[is.na(z)] <- 1
    
    # PNG图
    png(file="plot2.png",width=640,height=480)
    op <- par(bg = "white", mar=c(0,2,3,0)+.1)
    persp(x, y, z,
    theta = 30, phi = 30,
    expand = 0.5,
    col = "lightblue",
    ltheta = 120,
    shade = 0.75,
    ticktype = "detailed",
    xlab = "X", ylab = "Y", zlab = "Sinc(r)",
    main = "Plot"
    )
    par(op)
    dev.off()
    
    CairoPNG(file="Cairo2.png",width=640,height=480)
    op <- par(bg = "white", mar=c(0,2,3,0)+.1)
    persp(x, y, z,
    theta = 30, phi = 30,
    expand = 0.5,
    col = "lightblue",
    ltheta = 120,
    shade = 0.75,
    ticktype = "detailed",
    xlab = "X", ylab = "Y", zlab = "Sinc(r)",
    main = "Cairo"
    )
    par(op)
    dev.off()
    

    以下为PNG图:

    plot2

    Cairo2

    3). 文字显示

    
    library(MASS)
    data(HairEyeColor)
    x <- HairEyeColor[,,1]+HairEyeColor[,,2]
    
    n <- 100
    m <- matrix(sample(c(T,F),n^2,replace=T), nr=n, nc=n)
    
    # PNG图
    png(file="plot5.png",width=640,height=480)
    biplot(corresp(m, nf=2), main="Plot")
    dev.off()
    
    CairoPNG(file="Cairo5.png",width=640,height=480)
    biplot(corresp(m, nf=2), main="Cairo")
    dev.off()
    
    # SVG图
    svg(file="plot-svg5.svg",width=6,height=6)
    biplot(corresp(m, nf=2), main="Plot-svg")
    dev.off()
    
    CairoSVG(file="Cairo-svg5.svg",width=6,height=6)
    biplot(corresp(m, nf=2), main="Cairo-svg")
    dev.off()
    

    以下为PNG图:

    plot5

    Cairo5

    我们查看两个文件的属性:以png直接生成的图54KB,以CairoPNG生成的图43.8KB。

    cairo-demo5

    综上的3个例子,我分辨不出太大区别,只是Cairo感觉更淡、更柔和一些。

    大家不妨找一些更复杂的图形来尝试着比较。

    转载请注明出处:
    http://blog.fens.me/r-cairo/

    ---------------------------------------------------------------------------------- 数据和特征决定了效果上限,模型和算法决定了逼近这个上限的程度 ----------------------------------------------------------------------------------
  • 相关阅读:
    2021年Web开发的7大趋势
    webpack4.0各个击破(9)—— karma篇
    Webpack4.0各个击破(8)tapable篇
    你应该了解的25个JS技巧
    Webpack4.0各个击破(7)plugin篇
    Webpack4.0各个击破(5)module篇
    webpack4.0各个击破(4)—— Javascript & splitChunk
    webpack4.0各个击破(3)—— Assets篇
    10 张图聊聊线程的生命周期和常用 APIs
    新手一看就懂的线程池!
  • 原文地址:https://www.cnblogs.com/payton/p/5391680.html
Copyright © 2011-2022 走看看