本文中主要介绍car包中的scatterplot()函数，它提供了许多增强的特性，包括拟合线、边缘框图、对因子的调节和交互式点标识。这些特性都是可选的。

首先看下我们常规的散点图：

很多时候我们想用图像更深刻的、全面的展示我们的观点或者表达的含义，此时我们会给图上的点加上颜色、拟合线等一系列的信息。为了达到我们目的，首先探索一下散点图的展示信息。

下面的示例我们主要利用car包中的scatterplot()函数来绘制散点图。

我们采用提供的mtcars数据集进行后续的绘图，数据结构如下：

library(car) 
scatterplot(mpg ~ wt | cyl, data=mtcars, 
   xlab="Weight of Car", ylab="Miles Per Gallon", 
   main="Enhanced Scatter Plot", 
   boxplots="xy", # 添加盒装图，可以选择x,y,xy或者不添加
   ellipse=T,#TRUE 相当于list(levels=c(.5, .95), robust=TRUE, fill=TRUE, fill.alpha=0.2)
   )

当然car包也能做很多组合图，具体大家可以研究下官方说明文档：

library(car)
spm(~Sepal.Length + Sepal.Width + Petal.Length + Petal.Width | Species, data = iris)
car官方文档下载

参考文章：

1.https://www.statmethods.net/graphs/scatterplot.html

2.https://cran.r-project.org/web/packages/car/index.html

阅读: 652