直方图展示连续数据的分布，其绘制原理基于密度函数的估计。在R语言中，`hist()`函数提供了解决方案。箱线图从四分位数角度描述数据分布，通过展示最大值、上四分位数、中位数、下四分位数和最小值来反映数据集的集中或离散趋势。条形图以矩形条的长度展示原始数值，用`barplot()`函数实现。散点图展示两个变量之间的关系，其趋势反映两个变量之间的关联，使用`plot.default()`函数绘制。关联图基于列联表的独立性检验理论生成图形，展示二维数据分布，使用`assocplot()`函数实现。条件密度图展示一个连续变量相对于分类变量的条件密度，用`cdplot()`函数计算。等高图展示三维数据的二维表示，使用`contour()`函数绘制。条件分割图展示在给定某个变量后关注变量的分布，通过散点图表示，使用`pairs()`函数实现。一元函数曲线图展示单变量函数的图形。点图和条形图功能类似，通过`dotchart()`函数实现。颜色等高图/层次图使用`filled.contour()`函数表示不同高度的颜色。颜色图使用`image()`函数将网格矩阵映射到指定颜色上。矩阵图、矩阵点、矩阵线分别使用`matplot()`, `matpoints()`, `matlines()`函数实现。马赛克图展示多维列联表数据，使用`mosaicplot()`函数。棘状图是马赛克图的特例和堆砌条形图的推广，使用`spineplot()`函数实现。三维透视图使用`persp()`函数绘制。坐标轴须图通过短须表示变量数值的具体位置，使用`rug()`函数实现。平滑散点图使用`smoothScatter()`或`ggpointdensity`函数。向日葵散点图使用`sunflowerplot()`函数处理数据重叠问题。符号图使用`symbols()`函数扩展散点图，表示高于二维的数据。饼图一般不建议使用，展示数据占比，使用`pie()`函数。热图使用`heatmap()`函数表示数据矩阵。交互效应图在回归模型或方差分析中展示自变量对因变量的影响。QQ图检查数据分布，使用`qqplot()`或`qqnorm()`函数绘制。生存函数图研究事件发生时间，使用`survival plot`函数。分类与回归树图使用递归分割技术寻找自变量的最佳分割，使用`Classification and Regression Tree`函数。小提琴图结合密度曲线图与箱线图，使用`Violin Plot`函数。脸谱图使用脸谱特征反映数据数值大小，使用`face`函数。平行坐标图在坐标系下展示多个变量，使用`pairs()`函数实现。
温馨提示：答案为网友推荐，仅供参考