R语言对照图

CCA <-c(4959,2324)

names(CCA)<-C("A")

CCB <-c(7010,2333)

names(CCA)<-C("B")

CC <- cbind(CCA, CCB)

barplot(t(CC), beside = TRUE,legend = c("tomcat", "netty"),

width = c(10, 10), args.legend = list(x = "topleft", cex=1),

xlim = c(0, 50),ylim = c(0, 10000),cex = 2,cex.axis=2)

title(ylab="TPS")

CCB <-c(1, 4, 11, 24)

CCA <-c(1, 8, 19, 34)

g_range <- range(0, CCA, CCB)

plot(CCA, type="o", col="blue", ylim=g_range, axes=FALSE, ann=FALSE, cex=1,cex.axis=1)

axis(1, at=1:4, lab=c("10000循环*100线程", "2000循环*500线程", "1000循环*1000线程", "500循环*2000线程"),cex.axis = 1)

lines(CCB, type="o", pch=22, lty=2, col="red")

axis(2, las=2,at=5*0:7,cex.axis = 1.5)

box()

legend(1, g_range[2], c("tomcat","netty"), cex=1.5,col=c("blue","red"), pch=21:22, lty=1:2);

title(ylab=list("耗时ms",cex=1.5))

时间: 2024-10-17 21:43:58

R语言对照图的相关文章

R语言做图plot参数

函数名称:plot 用       途:作图 用       法:plot(x, y, --) 参       数: 1.符号和线条 pch:指定绘制点所使用的符号,取值范围[0, 24],其中4是"差号",20是"点" cex:指定符号的大小.cex是一个数值,表示pch的倍数,默认是1.5倍 lty:指定线条类型.lty=1代表实线,2至6都是虚线,虚的程度不一样 lwd:指定线条宽度,默认值为lwd=1,可以适当修改1.5倍.2倍等 2.颜色 col:默认绘图

R语言对比图

CCA <-c(4959,2324) names(CCA)<-C("A") CCB <-c(7010,2333) names(CCA)<-C("B") CC <- cbind(CCA, CCB) barplot(t(CC), beside = TRUE,legend = c("tomcat", "netty"), width = c(10, 10), args.legend = list(x =

[R语言绘图]条状图barplot

#基本的条状图 a<-c(1,2,3,4,5,6,7,8) barplot(a) #table的条状图 install.packages("vcd") library(vcd) b<-table(Arthritis$Improved) barplot(b) 参考:R语言实战 转载请注明出处:http://blog.csdn.net/zhyoulun/article/details/46433619

R语言之脸谱图

脸谱图和星图类似,但它却比星图可以表示更多的数据维度.用脸谱来分析多维度数据,即将P个维度的数据用人脸部位的形状或大小来表征.脸谱图在平面上能够形象的表示多维度数据并给人以直观的印象,可帮助使用者形象记忆分析结果,提高判断能力,加快分析速度.目前已应用于多地域经济战略指标数据分析,空间数据可视化等领域. 脸谱图一般采用15个指标,各指标代表的面部特征为: 1 脸的高度 2脸的宽度3 脸型4嘴巴厚度  5, 嘴巴宽度6 微笑7 眼睛的高度8 眼睛宽度 9 头发长度 10 头发宽度11头发风格12

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

R语言igraph作社团挖掘结果图

利用R语言的igraph作社团挖掘的图 输入:网络拓扑文件(边);社区划分结果文件(顶点  社区号) 输出:社区划分的结果图 代码: ######测试代码###### if(T){ library(igraph) library(grDevices) rm(list=ls()) network=read.csv("./dataset/data/karate.txt",sep=" ",header=F) community=read.csv("./resul

[R语言绘图]饼状图pie

#基本 a<-c(1,2,3,4,5,6,7,8) pie(a) #table install.packages("vcd") library(vcd) b<-table(Arthritis$Improved) pie(b) 参考:R语言实战 转载请注明出处:

【数据分析 R语言实战】学习笔记 第三章 数据预处理 (下)

3.3缺失值处理 R中缺失值以NA表示,判断数据是否存在缺失值的函数有两个,最基本的函数是is.na()它可以应用于向量.数据框等多种对象,返回逻辑值. > attach(data) The following objects are masked fromdata (pos = 3): city, price, salary > data$salary=replace(salary,salary>5,NA) > is.na(salary) [1] FALSEFALSE TRUE

R语言数据分析系列六

R语言数据分析系列六 -- by comaple.zhang 上一节讲了R语言作图,本节来讲讲当你拿到一个数据集的时候怎样下手分析,数据分析的第一步.探索性数据分析. 统计量,即统计学里面关注的数据集的几个指标.经常使用的例如以下:最小值,最大值,四分位数,均值,中位数,众数,方差,标准差.极差,偏度,峰度 先来解释一下各个量得含义,浅显就不说了,这里主要说一下不常见的 众数:出现次数最多的 方差:每一个样本值与均值的差得平方和的平均数 标准差:又称均方差,是方差的二次方根.用来衡量一个数据集的