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 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)

R语言基础(二) 可视化基础,布布扣,bubuko.com

时间: 2024-10-25 23:18:43

R语言基础(二) 可视化基础的相关文章

#r语言(二)笔记

#r语言(二)笔记 #早复习 #概述:R是用于统计分析.绘图的语言和操作环境 #对象: #数据类型--统称为对象 #向量(vector):用于存储数值型.字符型或逻辑型数据的一维数组. #定义向量: v<-1 v1<-c(1,2,3) 或者 assign('v1',c(1,2,3)) v<-1:10 #1~10 is.vector(v) #向量的输出: v 或者 print(v1) #向量的操作函数: #排序:sort(v1) 倒序: rev(v1) #最大值 最小值 平均值 max(v

R语言学习笔记:基础知识

1.数据分析金字塔 2.[文件]-[改变工作目录] 3.[程序包]-[设定CRAN镜像] [程序包]-[安装程序包] 4.向量 c() 例:x=c(2,5,8,3,5,9) 例:x=c(1:100) 表示把1 - 100的所有数字都给x这个变量 5.查看x的类型:>mode(x) 6.查看x的长度:>length(x) 7.将两个向量组成一个矩阵: >rbind(x1, x2)  注:r是row的意思,即行,按行组成矩阵. >cbind(x1, x2)  注c是column的意思,

R语言数据结构二

上节我们讲到R语言中的基本数据类型,包括数值型,复数型,字符型,逻辑型以及对应的操作和不同数值类型之间的转换.众所周知,R语言的优势在于进行数据挖掘,大数据处理等方面,因此单个的数据并不能满足我们的需要,于是向量,矩阵,数组,数据框等变量类型应运而生. 向量:与我们在数学里面所学到的向量不同,R语言中的向量类似于我们在C语言中学习的数组,表示一个同种数据类型的数据集. 向量的创建:在R语言中使用c( )命令就创建了一个向量,任何类型的数据都可以组成向量,但一个向量里面的数据最好类型一致,不然会发

R语言生存分析可视化分析

完整原文链接:http://tecdat.cn/?p=5438 生存分析对应于一组统计方法,用于调查感兴趣事件发生所花费的时间. 生存分析被用于各种领域,例如: 癌症研究为患者生存时间分析, “事件历史分析”的社会学 在工程的“故障时间分析”. 在癌症研究中,典型的研究问题如下: 某些临床特征对患者的生存有何影响? 个人三年存活的概率是多少? 各组患者的生存率有差异吗? 基本概念 在这里,我们从定义生存分析的基本术语开始,包括: 生存时间和事件 生存功能和危险功能 癌症研究中的生存时间和事件类型

R语言之数据可视化 - R的绘图颜色

5. R语言绘图之 颜色 · grDevice 包 - colorRamp() 和 colorRampPalette() - 颜色名字可使用 colors() 获取 · RColorBrewer 包 - 三类调色板: 1. sequential:从一个极端渐变到另一个极端,适合用于呈现顺序数据 2. diverging:两端鲜艳而中间较淡,适合凸显处在极端的数值,即想强调高低对比时可选择 3. qualitative:颜色间对比鲜明,适合呈现分类变量 - 调色板信息可与 colorRamp /

回归预测及R语言实现 Part1 回归基础综述

Part1 回归基础综述 回归方法有很多种,最常见的是线性回归(又有一元和多元之分).多项式回归.非线性回归.另外还将简单说明对预测结果的检验方法.   线性回归 一元线性回归,是最简单最常见的回归模型,类似初中数学中的一元一次方程,它的基本模型如下: 我们常见的一元线性回归方程一般没有最后一项,确切的说,我们在实际的应用中也忽略了最后一项.最后一项ui的现实意义是:它是指除自变量x以外所有对因变量y有影响的其他因素,应用回归预测时,我们假设ui是一个均值为零的随机变量,方差为常值,不同ui间相

python基础二(基础数据类型)

一,引子. 1 什么是数据? x=10,10是我们要存储的数据 2 为何数据要分不同的类型 数据是用来表示状态的,不同的状态就应该用不同的类型的数据去表示 3 数据类型 数字 字符串 列表 元组 字典 集合 二基础数据类型. 2.1数字int. 数字主要是用于计算用的,使用方法并不是很多,就记住一种就可以: #bit_length() 当十进制用二进制表示时,最少使用的位数 v = 11 data = v.bit_length() print(data) 2.2布尔值bool. 布尔值就两种:T

02-python基础二(基础数据类型)

一,引子. 1 什么是数据? x=10,10是我们要存储的数据 2 为何数据要分不同的类型 数据是用来表示状态的,不同的状态就应该用不同的类型的数据去表示 3 数据类型 数字 字符串 列表 元组 字典 集合 二基础数据类型. 2.1数字int. 数字主要是用于计算用的,使用方法并不是很多,就记住一种就可以: #bit_length() 当十进制用二进制表示时,最少使用的位数 v = 11 data = v.bit_length() print(data) 2.2布尔值bool. 布尔值就两种:T

R语言之数据可视化

R中有四大框架用于产生图形,基本图形,网格,格子和ggplot2. 分类数据的可视化使用条形图.点图.柱形图.脊柱图.马赛克图.饼图及四折图连续数据的可视化使用箱线图.直方图.散点图及其变种.帕累托图 ============================================== 一.分类数据的可视化 1.条形图条形图可以通过graphics库中的barplot函数实现,也可以通过lattice包的barplot函数实现,我们使用RSADBE包中的数据进行举例 (1)> libra