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. Git服务器搭建与配置管理

    Git for Windows TortoiseGit:是一个开放的git版本控制系统的源客户端,支持Winxp/vista/win7.离不开真正的Git(Git for windows版本名字又叫M ...

  2. C++ 标准库字符串类使用

    标准库中的字符串类 C++语言直接支持C语言所有概念. C++中没有原生的字符串类型. 由于C++中没有原生的字符串类型,C++标准库提供了string类型. 1.string 直接支持字符串链接 2 ...

  3. Java continue 、break、标签

    任何迭代语句的主体部分都可以用break和continue控制循环流程,其中break用于强行退出循环,不执行循环中剩余的语句, 而continue则停止当前的迭代,然后退回循环起始处,开始下一次迭代 ...

  4. session+验证码 学习

    分析 LoginServlet类 @WebServlet("/loginServlet") public class LoginServlet extends HttpServle ...

  5. spring cloud 入门

    某种程度上 软硬件 殊途同归了 (软件模仿硬件 总线设计, 资源定位 (寻址) ) spring 是什么 EDA ( Event-driven architecture ) (SOA , SOAP , ...

  6. Js 将图片的绝对路径转换为base64编码(2)

    <!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8" ...

  7. 重装系统win10教程(激活系统、office下载、分区)

    看见有很多小白不知道怎么重装系统,故而在此特别做一个详细教程,大家按照教程做就可以了,也不用去电脑店浪费钱重装系统,在此安装的win10系统,现在win10系统已经是最好的Windows系统了,如果没 ...

  8. orcle_day02

    第三章:单值函数 函数分为: 1.单值函数 1.字符函数 2.日期函数 3.转换函数 4.数字函数 2.分组函数(后面的章节再做学习) 哑表dual dual是一个虚拟表,用来构成select的语法规 ...

  9. tar.xz压缩工具使用(转)

    XZ压缩最新压缩率之王 xz这个压缩可能很多都很陌生,不过您可知道xz是绝大数linux默认就带的一个压缩工具. 我是在下载phpmyadmin的时候看到这种压缩格式的,phpmyadmin压缩包xz ...

  10. centos6和centos7的区别和常用的简单配置优化

    - 本节主要介绍centos6和centos7的区别和常用的简单配置优化:- 第一部分: - 1.对比文件系统 - 2.对比防火墙,内核版本,默认数据库 - 3.对比时间同步,修改时区,修改语言 - ...