参考资料：R语言实战【第2版】
1、散点图矩阵
pairs()函数可以创建基础的散点图矩阵。下面代码用于绘制一个散点图矩阵，包含mtcars数据集中的mpg、disp、drat和wt四个变量：
pairs(~mpg+disp+drat+wt,data=mtcars,
main="Basic Scatter Plot Matrix")
作图结果如下，在此图中我们可以看到所有指定变量的二元关系。值得注意的是，主对角线的上方和下方的六幅散点图是相同的，women也可以通过调整参数，只显示下三角或上三角的图形。例如upper.panel=NULL时，将只生成下三角图形。
pairs(~mpg+disp+drat+wt,data=mtcars,
upper.panel=NULL,
main="Basic Scatter Plot Matrix")
car包中的scatterplotMatrix()函数也可以生成散点图矩阵，并有以下可选操作：
①以某个因子为条件绘制散点图矩阵
②包含线性和平滑拟合曲线
③在主对角线放置箱线图、密度图或直方图
④在各单元格的边界添加轴须图
# 加载car包
library(car)
# 绘制散点图矩阵
scatterplotMatrix(~mpg+disp+drat+wt,data=mtcars,
main="Sctter Plot Matrix via car Package")
R语言还提供了许多其他的方式来创建散点图矩阵，如：glus包中的cpars()函数，TeachingDemos包中的pairs2()函数，HH包中的xysplom()函数，ResourceSelection包中的kepairs()函数和SMPracticals包中的pairs.mod()函数。
2、高密度散点图
当数据点重叠很严重时，用散点图观察变量关系就显得“力不从心”了，如下：
#设置随机种子
set.seed(1234)
# 生成随机数
n<-10000
c1<-matrix(rnorm(n,mean=0,sd=0.5),ncol=2)
c2<-matrix(rnorm(n,mean=3,sd=2),ncol=2)
mydata<-rbind(c1,c2)
mydata<-as.data.frame(mydata)
names(mydata)<-c("x","y")
# 绘制一幅标准的散点图
with(mydata,
plot(x,y,
pch=19,
main="Scatter Plot with 10,000 Observations"))
由上图可看出，数据点的重叠导致识别x和y的关系变得异常困难。针对这种情况，R语言提供了一些解决办法。我们可以使用封箱、颜色和透明度来指明图中任意点上重叠点的数目。
smoothScatter()函数可以利用核密度估计生成用颜色密度来表示点分布的散点图，如下：
with(mydata,
smoothScatter(
x,y,
main="Scatter Plot Colored by Smoothed Densities"
))
hexbin包中的hexbin()函数将二元变量的封箱放到六边形单元格中，如下：
