R语言可视化

R语言基础(一) 可视化基础

##数据获取

x1=round(runif(100,min=80,max=100))

x2=round(rnorm(100,mean=80, sd=7))

x3=round(rnorm(100,mean=80,sd=18))

x3[which(x3>100)]=100

num=seq(2005138101,length=100)

x=data.frame(num,x1,x2,x3)

write.table(x, "grade.txt")

##数据分析

y=read.table("grade.txt")

mean(y)

colMeans(y)

colMeans(y)(c("x1","x2","x3"))

#//2代表按列取平均值

apply(x, 2, mean)

apply(x, 2, max)

apply(x, 2, min)

apply(x[c("x1","x2","x3")], 2, sum)

#常用分布函数

均匀分布:runif()

正态分布:rnorm()

二项式分布:rbinom()

gamma分布:rgamma()

泊松分布:rpois()

指数分布:rexp()

几何分布:rgeom()

> which.max(apply(x[c("x1","x2","x3")], 1, sum)) 49

> x$num[which.max(apply(x[c("x1","x2","x3")], 1, sum))] [1] 2005138149

> hist(x$x1)

> plot(x$x1,x$x2)

> table(x$x1)

80 81 82 83 84 85 86 87 88 89 90 91 92 93 95 96 97 98 99 100   2   3   4   3   8   3   6   6   6   7   4   6   4   8   8   3   5   6   6   2

> barplot(table(x$x1))

> pie(table(x$x2))

> boxplot(x$x1, x$x2, x$x3)

> boxplot(x[2:4], col=c("red", "blue", "green"), notch=T)

> stars(x[c("x1","x2","x3")])

> stars(x[c("x1","x2","x3")],full=T, draw.segment=T)

> faces(x[c("x1","x2","x3")])

> stem(x$x1)

The decimal point is at the |

80 | 00000    82 | 0000000    84 | 00000000000    86 | 000000000000    88 | 0000000000000    90 | 0000000000    92 | 000000000000    94 | 00000000    96 | 00000000    98 | 000000000000   100 | 00

> stem(x$x2, scale = 1, width = 80, atom = 1e-08)

The decimal point is 1 digit(s) to the right of the |

6 | 23   6 | 7788889   7 | 00001222333444444   7 | 55666677777788888999   8 | 0000000000111122233333344444   8 | 5566666677778999   9 | 001112234   9 | 5

> stem(x$x3, scale = 1, width = 80, atom = 1e-08)

The decimal point is 1 digit(s) to the right of the |

3 | 9    4 |    5 | 0022346788    6 | 1112233344555667789    7 | 022223344444555667889    8 | 0122333444455677999    9 | 000112223345666777889   10 | 000000000

> qqnorm(x1) > qqline(x1)

> qqnorm(x2)

> qqline(x2)

时间: 2024-08-07 16:58:39

R语言可视化的相关文章

R语言可视化学习笔记之添加p-value和显著性标记

R语言可视化学习笔记之添加p-value和显著性标记 http://www.jianshu.com/p/b7274afff14f?from=timeline 上篇文章中提了一下如何通过ggpubr包为ggplot图添加p-value以及显著性标记,本文将详细介绍.利用数据集ToothGrowth进行演示 #先加载包 library(ggpubr) #加载数据集ToothGrowth data("ToothGrowth") head(ToothGrowth) ## len supp do

R语言中文社区历史文章整理(类型篇)

R语言中文社区历史文章整理(类型篇) R包: R语言交互式绘制杭州市地图:leafletCN包简介 clickpaste包介绍 igraph包快速上手 jiebaR,从入门到喜欢 Catterplots包,让你绘制不一样的图 今天再来谈谈REmap包 ggplot2你需要知道的都在这... R访问数据库管理系统(通过RODBC包和RMySQL包两种方式) NLP--自然语言处理(三)text2vec包 Rattle:数据挖掘的界面化操作 借助caret包实现特征选择的工作 R语言的高质量图形渲染

手把手教你学习R语言

本文为带大家了解R语言以及分段式的步骤教程! 人们学习R语言时普遍存在缺乏系统学习方法的问题.学习者不知道从哪开始,如何进行,选择什么学习资源.虽然网络上有许多不错的免费学习资源,然而它们多过了头,反而会让人挑花了眼. 为了构建R语言学习方法,我们在Vidhya和DataCamp中选一组综合资源,帮您从头学习R语言.这套学习方法对于数据科学或R语言的初学者会很有用;如果读者是R语言的老用户,则会由本文了解这门语言的部分最新成果. R语言学习方法会帮助您快速.高效学习R语言. 前言 在开始学习之前

R语言基础(二) 可视化基础

> which.max(apply(x[c("x1","x2","x3")], 1, sum))49 > x$num[which.max(apply(x[c("x1","x2","x3")], 1, sum))][1] 2005138149 > hist(x$x1) > plot(x$x1,x$x2) > table(x$x1) 80 81 82 83 84

第四篇:R语言数据可视化之折线图、堆积图、堆积面积图

前言 折线图通常用来对两个连续变量的依存关系进行可视化,其中横轴很多时候是时间轴. 但横轴也不一定是连续型变量,可以是有序的离散型变量. 绘制基本折线图 本例选用如下测试数据集: 绘制方法是首先调用ggplot函数选定数据集,并在aes参数中指明横轴纵轴.然后调用条形图函数geom_line()便可绘制出基本折线图.R语言示例代码如下: # 基函数 ggplot(BOD, aes(x = Time, y = demand)) + # 折线图函数 geom_line()     运行结果: 向折线

利用R语言进行交互数据可视化(转)

上周在中国R语言大会北京会场上,给大家分享了如何利用R语言交互数据可视化.现场同学对这块内容颇有兴趣,故今天把一些常用的交互可视化的R包搬出来与大家分享. rCharts包 说起R语言的交互包,第一个想到的应该就是rCharts包.该包直接在R中生成基于D3的Web界面. rCharts包的安装 require(devtools) install_github('rCharts', 'ramnathv') rCharts函数就像lattice函数一样,通过formula.data指定数据源和绘图

R语言数据可视化之散点图

散点图简介 散点图通常是用来表述两个连续变量之间的关系,图中的每个点表示目标数据集中的每个样本. 同时散点图中常常还会拟合一些直线,以用来表示某些模型. 回到顶部 绘制基本散点图 本例选用如下测试数据集: 绘制方法是首先调用ggplot函数选定数据集,并在aes参数中指明横轴纵轴.然后调用散点图函数geom_point()便可绘制出基本散点图.R语言示例代码如下: 1 2 3 4 # 基函数 ggplot(ah, aes(x = ageYear, y = heightIn)) +   # 散点图

利用R语言进行交互数据可视化

本文是本人受统计之都邀请写的一篇关于数据可视化的文章,感兴趣的同学可以上统计之都去查看. http://cos.name/2016/06/using-r-for-interactive-data-visualization/ 上周在中国R语言大会北京会场上,给大家分享了如何利用R语言交互数据可视化.现场同学对这块内容颇有兴趣,故今天把一些常用的交互可视化的R包搬出来与大家分享. rCharts包 说起R语言的交互包,第一个想到的应该就是rCharts包.该包直接在R中生成基于D3的Web界面.

第三篇:R语言数据可视化之条形图

条形图简介 数据可视化中,最常用的图非条形图莫属,它主要用来展示不同分类(横轴)下某个数值型变量(纵轴)的取值.其中有两点要重点注意: 1. 条形图横轴上的数据是离散而非连续的.比如想展示两商品的价格随时间变化的走势,则不能用条形图,因为时间变量是连续的: 2. 有时条形图的值表示数值本身,但也有时是表示数据集中的频数,不要引起混淆: 绘制基本条形图 本例选用测试数据集如下: 绘制方法是首先调用ggplot函数选定数据集,并在aes参数中指明横轴纵轴.然后调用条形图函数geom_bar(stat