Stata绘图小白必看：5种常用图表从入门到美化（附完整代码）

Stata数据可视化实战：从基础图表到高级美化的完整指南

刚接触Stata的用户常常面临三大困扰：面对数据不知该选择哪种图表类型、生成的图表过于简陋不敢展示、复杂的绘图代码令人望而生畏。本文将聚焦箱线图、直方图、饼图、柱状图和散点图这五种最实用的基础图表，通过完整案例演示从数据导入到最终美化的全流程。

1. 数据准备与环境设置

在开始绘图前，我们需要先了解Stata的基本数据结构和绘图环境配置。Stata内置了多个经典数据集，非常适合用于练习绘图功能。通过sysuse命令可以调用这些数据集：

sysuse auto, clear // 加载汽车数据集 describe // 查看数据结构

这个数据集包含了74辆汽车的各项指标，包括价格(price)、里程数(mpg)、重量(weight)等连续变量，以及产地(foreign)、维修记录(rep78)等分类变量。

推荐的基础配置：

• 使用#delimit ;命令启用分号换行模式，使代码更易读
• 设置set scheme选择默认图形风格
• 安装schemepack扩展获取更多图形模板

#delimit ; set scheme s1mono; // 设置默认黑白风格 ssc install schemepack, replace; // 安装风格包 #delimit cr

2. 单变量分布可视化

2.1 箱线图：展示数据分布特征

箱线图是展示连续变量分布特征最有效的工具之一。它能直观显示数据的中位数、四分位数和异常值。以下是绘制汽车价格分布箱线图的基础命令：

graph box price

这个基础图形虽然功能完整，但视觉效果较为简陋。我们可以通过以下参数进行美化：

#delimit ; graph box price, title("汽车价格分布") subtitle("单位：美元", size(small)) box(1, color("227 137 81") lcolor(black)) marker(1, msymbol(oh) mcolor(black)) ylabel(, nogrid) note("数据来源：Stata auto数据集"); #delimit cr

关键美化参数：

• box()：设置箱体颜色和边框
• marker()：调整异常值点的显示样式
• ylabel(, nogrid)：去除y轴网格线
• title()/subtitle()：添加标题和副标题

2.2 直方图：观察数据频次分布

当我们需要了解数据的详细分布情况时，直方图比箱线图更为合适。基础直方图命令如下：

histogram price

进阶美化版本可以精确控制每个柱子的位置和样式：

#delimit ; histogram price, title("汽车价格分布直方图") width(2000) // 每个柱子宽度为2000美元 start(3000) // 从3000美元开始 frequency // y轴显示频次而非百分比 fcolor("72 101 160") // 柱子填充色 lcolor(black) // 边框颜色 addlabels // 显示柱子高度数值 kdensity // 叠加核密度曲线 kdenopts(lcolor(red) lwidth(medthick)); #delimit cr

3. 分类变量可视化

3.1 饼图：展示比例关系

对于分类变量，饼图能直观展示各类别的比例关系。以汽车产地(foreign)为例：

graph pie, over(foreign)

美化后的饼图可以更清晰地传达信息：

#delimit ; graph pie, over(foreign) title("汽车产地分布") pie(1, color("180 180 180")) // 国产车颜色 pie(2, color("50 120 200")) // 进口车颜色 plabel(_all percent, format(%3.1f)) // 显示百分比 legend(pos(3) cols(1)) // 图例位置 note("国产车=0，进口车=1", size(vsmall)); #delimit cr

提示：当类别超过5个时，建议使用柱状图替代饼图，因为过多的扇形会降低可读性。

3.2 柱状图：比较类别差异

柱状图是展示分类变量最常用的图表类型。以不同维修记录(rep78)的汽车数量为例：

基础命令：

graph bar, over(rep78)

美化版本：

#delimit ; graph bar, over(rep78) title("不同维修记录的汽车数量") ytitle("数量") bar(1, color("100 160 100") lcolor(black)) blabel(bar) // 显示柱子高度 ylabel(0(5)20, grid gmax) // y轴刻度设置 legend(off) // 关闭图例 note("rep78: 1978年维修记录(1-5)"); #delimit cr

4. 多变量关系可视化

4.1 散点图：探索变量间关系

散点图是研究两个连续变量关系的首选工具。以汽车重量(weight)和价格(price)的关系为例：

基础散点图：

scatter price weight

高级美化版本：

#delimit ; twoway scatter price weight || lfit price weight || // 添加线性拟合线 qfit price weight, // 添加二次拟合线 title("汽车重量与价格关系") xtitle("重量(磅)") ytitle("价格(美元)") legend(order(1 "实际数据" 2 "线性拟合" 3 "二次拟合")) scheme(white_tableau) // 使用Tableau风格 mcolor("70 130 180") // 点颜色 msymbol(Oh) // 点形状 msize(medium) // 点大小 note("数据来源：Stata auto数据集"); #delimit cr

4.2 分组柱状图：比较类别间的数值差异

当需要比较不同分组下连续变量的差异时，分组柱状图非常有用。例如比较国产和进口汽车的价格和里程数：

#delimit ; graph bar price mpg, over(foreign) title("国产与进口汽车比较") legend(label(1 "价格") label(2 "里程(MPG)")) bar(1, color("200 80 80")) bar(2, color("80 80 200")) blabel(bar, format(%5.0f)) yvaroptions(relabel(1 "价格(美元)" 2 "里程(MPG)")) note("国产车=0，进口车=1"); #delimit cr

5. 高级技巧与图形组合

5.1 图形组合技术

Stata允许将多个图形组合在一张图中展示。以下是将散点图和箱线图组合的示例：

#delimit ; // 保存散点图 scatter price weight, saving(scatter, replace) title("价格-重量关系"); // 保存箱线图 graph box price, saving(box, replace) title("价格分布"); // 组合图形 graph combine scatter.gph box.gph, title("汽车数据分析") note("组合图形示例") cols(2); #delimit cr

5.2 使用暂元简化代码

当需要重复相似的图形设置时，可以使用Stata的暂元(local macro)功能简化代码：

#delimit ; // 定义暂元存储通用设置 local style scheme(white_tableau) title(, size(medium)) note(, size(vsmall)); // 使用暂元绘制图形 scatter price mpg, `style' title("价格与里程关系"); scatter price weight, `style' title("价格与重量关系"); #delimit cr

5.3 图形导出设置

完成图形绘制后，可以使用以下命令导出高质量图片：

graph export "price_analysis.png", width(2000) replace

导出参数建议：

• 期刊论文：600dpi以上，推荐PDF或EPS格式
• 网页展示：72-150dpi，PNG或JPEG格式
• 演示文稿：150-300dpi，PNG格式

掌握这些基础图表的美化技巧后，你的数据分析报告和专业论文的图表质量将显著提升。实际应用中，建议根据具体需求和数据特点选择合适的图表类型，并通过不断调整参数获得最佳视觉效果。