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)

R语言可视化的更多相关文章

  1. 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 ...

  2. R语言可视化学习笔记之添加p-value和显著性标记--转载

    https://www.jianshu.com/p/b7274afff14f?from=timeline #先加载包 library(ggpubr) #加载数据集ToothGrowth data(&q ...

  3. R语言可视化学习笔记之ggpubr包—SCI文章图

    转载:https://www.jianshu.com/p/678213d605a5?from=jiantop.com Hadley Wickham创建的可视化包ggplot2可以流畅地进行优美的可视化 ...

  4. R语言可视化--颜色

    RColorBrewer包 三类调色板:sequential / diverging / qualitative 调色板的信息可以与colorRamp / colorRampPalette结合使用 从 ...

  5. R语言可视化--ggplot函数

    上一篇说了qplot函数,现在说一下ggplot函数 本身不能实现,需要添加层才可以.ggplot2的核心函数 library(ggplot2) ggplot(airquality,aes(Wind, ...

  6. R语言可视化--qplot函数

    ggplot绘图系统 使用动词名词形容词构造句子的过程,将数据映射到美学属性上的过程,由层组成 绘图函数 qplot() :参数包括美学属性.几何体.面.统计.坐标系.主题这些层次. ggplot() ...

  7. [3]R语言在数据处理上的禀赋——par参数详解(一)

    本文目录 公共参数列表 par 颜色相关 字体相关 字体大小相关 线条相关 符号相关 线条和符号大小相关 结束 本文首发:program-dog.blogspot.com 注1:本文也曾在csdn发布 ...

  8. 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 ...

  9. 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 Catterpl ...

随机推荐

  1. 距离,margin padding ,width height 用法 ,记录

    margin:0 auto 表示什么意思 margin后面如果只有两个参数的话,第一个表示top和bottom,第二个表示left和right 因为0 auto,表示上下边界为0,左右则根据宽度自适应 ...

  2. Sql注入基础_mysql注入

    Mysql数据库结构 数据库A 表名 列名 数据 数据库B 表名 列名 数据 Mysql5.0以上自带数据库:information_schema information_schema:存储mysql ...

  3. Delphi中的dll操作

    利用delphi dll wizard进行dll的编写. 创建:保存时改dll名称 library test2; uses SysUtils, Classes, forms, dialogs; {$R ...

  4. JavaScript正则中\1\2的作用

    一.示例 1. 验证6个相同的数字 var reg = new RegExp(/^(\d)\1{5}/g); var a = '333333'; if(reg.test(a)) { alert('ri ...

  5. 基于Cpython的 GIL(Global Interpreter Lock)

    一 介绍 定义: In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple native t ...

  6. open-falcon 前端代码在windows上运行

    1: 下载代码git clone https://github.com/open-falcon/dashboard.git 2:在代码\dashboard-0.2.0 的根目录下安装 python虚拟 ...

  7. EM算法(expectation maximization)

    EM算法简述 EM算法是一种迭代算法,主要用于含有隐变量的概率模型参数的极大似然估计,或极大后验概率估计.EM算法的每次迭代由两步完成: E步,求期望 M步,求极大. EM算法的引入 如果概率模型的变 ...

  8. Django CSRF 原理分析

    原文链接: https://blog.csdn.net/u011715678/article/details/48752873 参考链接:https://blog.csdn.net/clark_fit ...

  9. 基于CentOS的SSHD服务的Docker镜像

    原文地址 1.Dockerfile文件 FROM registry.aliyuncs.com/acs-sample/centos:6 MAINTAINER xuqh "xqh_163@163 ...

  10. 剑指offer 面试43题

    面试43题: 题目:1~n整数中1出现的次数 题:输入一个整数n,求1~n这n个整数的十进制表示中1出现的次数.例如,输入12,1~12这些整数中包含1的数字有1,10,11,12一共出现了5次. 解 ...