对“Gary.csv”中的成绩数据进行分布分析

  

  

  (1)按0-59,60-69,70-79,80-89,90-100分组绘制高级语言程序设计成绩的频率分布直方图。

  (2)按0-59,60-69,70-79,80-89,90-100分组绘制计算机导论成绩的分布饼图。

  (3)绘图前4门课程的折线比较图。

实现过程

绘制高级语言程序设计成绩的频率分布直方图

setwd('D:\\data')                            #更改工作目录
list.files()  #列出当前工作目录下的文件
dat=read.csv(file="Gary.csv",header=TRUE) #读取"Gary.csv文件" #table(cut(data,breaks = break2)) #对分布直方图横坐标进行切割 hist(dat[,],freq = FALSE,breaks = c(,,,,,),col="red",main="频率分布直方图",xlab="成绩")

Gary.R

直方图  hist(v,main,xlab,xlim,ylim,breaks,col,border)  传送门

参数: 

  v - 是包含直方图中使用数值的向量

  main - 表示图表的标题

  col - 用于设置条的颜色

  border - 用于设置每个栏的边框颜色

  xlab - 用于描述x轴

  xlim - 用于指定x轴上的值范围

  ylim - 用于指定y轴上的值范围

  breaks - 是用来提及每个栏的宽度

绘制计算机导论成绩的分布饼图

setwd('D:\\data')                            #更改工作目录
list.files()  #列出当前工作目录下的文件
dat=read.csv(file="Gary.csv",header=TRUE) #读取"Gary.csv文件" data=dat[which(complete.cases(dat)),] #筛选计算机导论成绩(第八列)
break2 = c(,,,,,) #设置分段区间
pie(break2,as.numeric(dat[,]),main=("计算机导论成绩饼状图")) #做出频率分布直方图

Gary.R

  

饼图:pie(x, labels, radius, main, col, clockwise)  传送门

参数

  x - 是包含饼图中使用的数值的向量

  labels - 用于描述切片的标签

     radius - 用来表示饼图圆的半径(-1和+1之间的值)

  main - 用来表示图表的标题

  col - 表示调色板

  clockwise - 是一个逻辑值,指示片是顺时针还是逆时针绘制

绘图前4门课程的折线比较图

  4门课程折线图分开画

setwd('D:\\data')                            #更改工作目录
list.files()  #列出当前工作目录下的文件
dat=read.csv(file="Gary.csv",header=TRUE) #读取"Gary.csv文件" plot(as.numeric(dat[,]),col="red",type="o",xlab="人数",ylab="成绩",main=("大学成绩饼状图")) #做出频率分布直方图
plot(as.numeric(dat[,]),col="blue",type="o",xlab="人数",ylab="成绩",main=("大学英语成绩饼状图")) #做出频率分布直方图
plot(as.numeric(dat[,]),col="green",type="o",xlab="人数",ylab="成绩",main=("大学语文成绩饼状图")) #做出频率分布直方图
plot(as.numeric(dat[,]),col="yellow",type="o",xlab="人数",ylab="成绩",main=("高等数学成绩饼状图")) #做出频率分布直方图

Gary.R

 

折线比较图:plot(v,type,col,xlab,ylab)  传送门

参数

  v - 是包含数值的向量

  type - 取值“p”表示仅绘制点,“l”表示仅绘制线条,“o”表示仅绘制点和线

  xlab - 是x轴的标签

  ylab - 是y轴的标签

  main - 是图表的标题

  col - 用于绘制点和线两种颜色

  四门课程折线图绘画在一张图中

  ( 只需要把plot改为lines()四组线就在同一个图里面,图的xlab,ylab,main由plot中的值来指定)

setwd('D:\\data')                            #更改工作目录
list.files()  #列出当前工作目录下的文件
dat=read.csv(file="Gary.csv",header=TRUE) #读取"Gary.csv文件" plot(as.numeric(dat[,]),col="red",type="o",xlab="人数",ylab="成绩",main=("大学成绩饼状图")) #做出频率分布直方图
lines(as.numeric(dat[,]),col="blue",type="o",xlab="人数",ylab="成绩",main=("大学英语成绩饼状图")) #做出频率分布直方图
lines(as.numeric(dat[,]),col="green",type="o",xlab="人数",ylab="成绩",main=("大学语文成绩饼状图")) #做出频率分布直方图
lines(as.numeric(dat[,]),col="yellow",type="o",xlab="人数",ylab="成绩",main=("高等数学成绩饼状图")) #做出频率分布直方图

Gary.R

  可以使用lines()函数在同一个图表上绘制多个直接。

  在绘制第一行之后,lines()函数可以使用附加向量作为输入来绘制图表中的第二行

R_Studio(学生成绩)绘制频率分布直方图、分布饼图、折线比较图的更多相关文章

  1. 用Python 绘制分布(折线)图

    用Python 绘制分布(折线)图,使用的是 plot()函数. 一个简单的例子: # encoding=utf-8 import matplotlib.pyplot as plt from pyla ...

  2. R_Studio(学生成绩)对数据缺失值md.pattern()、异常值分析(箱线图)

    我们发现这张Gary.csv表格存在学生成绩不完全的(五十三名学生,三名学生存在成绩不完整.共四个不完整成绩) 79号大学语文.高等数学 96号中国近代史纲要 65号大学体育 (1)NA表示数据集中的 ...

  3. R_Studio(学生成绩)使用cbind()函数对多个学期成绩进行集成

    “Gary1.csv”.“Gary2.csv”.“Gary3.csv”中保存了一个班级学生三个学期的成绩 对三个学期中的成绩数据进行集成并重新计算综合成绩和排名,并按排名顺序排布(学号9位数11130 ...

  4. R_Studio(学生成绩)使用主成分分析实现属性规约

    对11_1_4.csv成绩表进行主成分分析处理 setwd('D:\\data') list.files() #读取数据 dat=read.csv(file="11_1_4.csv" ...

  5. R_Studio(学生成绩)对两个班级学生成绩进行集合,重新计算学生综合测评成绩并对学生按综合测评成绩进行排名

    对成绩表"11_1_1.csv" "11_2_1.csv"进行集成,并重新计算4门课程的平均分为综合测评,增加“排名”属性,并按排名排序 "11_1_ ...

  6. R_Studio(学生成绩)对数据进行属性构造处理

    对“Gary.csv”中数据进行进行属性构造处理,增加“总成绩”属性 Gary.csv setwd('D:\\data') list.files() #数据读取 dat=read.csv(file=& ...

  7. R_Studio(学生成绩)数据相关性分析

    对“Gary.csv”中的成绩数据进行统计量分析 用cor函数来计算相关性,method默认参数是用pearson:并且遇到缺失值,use默认参数everything,结果会是NA 相关性分析 当值r ...

  8. R_Studio(学生成绩)对数值型数据进行统计量分析

    对“Gary.csv”中的成绩数据进行统计量分析 基础数据分析 均值 中位数 极差   标准差   变异系数 1/4分位数 3/4分位数 四分位间距... ...分析 setwd('D:\\data' ...

  9. MFC绘制直方图和饼图

    转载原文: Normal 0 7.8 磅 0 2 false false false EN-US ZH-CN X-NONE /* Style Definitions */ table.MsoNorma ...

随机推荐

  1. Kinect开发-Hello Kinect

    置好开发环境后,首先测试下是否真的完成,也就是能够正常进行开发.此时,当然就得祭出Hello World大法! 1.首先创建一个WPF Application工程,之后添加对Microsoft.Kin ...

  2. 你写的 Java 代码是如何一步步输出结果的? (转)

    出处:  一步步解析java执行内幕 对于任何一门语言,要想达到精通的水平,研究它的执行原理(或者叫底层机制)不失为一种良好的方式.在本篇文章中,将重点研究java源代码的执行原理,即从程 序员编写J ...

  3. redis 单线程的理解

    单线程模型 Redis客户端对服务端的每次调用都经历了发送命令,执行命令,返回结果三个过程.其中执行命令阶段,由于Redis是单线程来处理命令的,所有每一条到达服务端的命令不会立刻执行,所有的命令都会 ...

  4. 解决 mysql (10038)

    1.授权 mysql>grant all privileges on *.*  to  'root'@'%'  identified by 'youpassword'  with grant o ...

  5. 面向对象-this关键字的概述和应用

    /* 我们曾经说过:定义名字要做到见名知意. this:是当前类的对象引用.简单的记,它就代表当前类的一个对象. 注意:谁调用这个方法,在该方法内部的this就代表谁. this的场景: 解决局部变量 ...

  6. 不基于比较的排序算法:Counting-sort和Radix-sort

  7. luogu P3226 [HNOI2012]集合选数

    luogu 因为限制关系只和2和3有关,如果把数中2的因子和3的因子都除掉,那剩下的数不同的数是不会相互影响,所以每次考虑剩下的数一样的一类数,答案为每类数答案的乘积 如果选了一个数,那么2的因子多1 ...

  8. 【lucene】一个简单的招聘网站的建立

    1.建立索引库: 核心代码如下 package com.tabchanj.job.index; import java.util.ArrayList; import java.util.HashMap ...

  9. 响应式网页,让div的高和宽保持等比例放大、缩小

    1,方案一:响应式来做,可以根据媒体查询,设定在不同屏幕宽度下div的高度和宽度,具体的设置看你响应式想怎么显示 @media only screen and (min-width: 100px) a ...

  10. namenode datanode理解

        HDFS是以NameNode和DataNode管理者和工作者模式运行的.          NameNode管理着整个HDFS文件系统的元数据.从架构设计上看,元数据大致分成两个层次:Name ...