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. leetcode题库

    leetcode题库 #题名题解通过率难度出现频率  1 两数之和     46.5%简单2 两数相加     35.5%中等3 无重复字符的最长子串     31.1%中等4 寻找两个有序数组的中位 ...

  2. 解决:IDE编译报错:Dangling metacharacter

    Dangling metacharacter的意思是说:摇摆不定的元字符. 翻译成编程意思就是:当前字符计算有其它意思,并不能确定你到底用于什么意思.类似于中文的多义词. 如下图所示,当我们要分割字符 ...

  3. hadoop批量命令脚本xcall.sh及jps找不到命令解决

    1.xcall.sh批量命令脚本: #!/bin/bash params=$@ i=128 for (( i=128 ; i <= 131 ; i = $i + 1 )) ; do echo = ...

  4. Java后端技术面试汇总(第二套)

    1.Java相关 • Arraylist与LinkedList默认空间是多少:• Arraylist与LinkedList区别与各自的优势List 和 Map 区别:• 谈谈HashMap,哈希表解决 ...

  5. mac 下安装mysql8.0

    有两种安装方式,一种是安装包安装,官网下载安装包,mysql8.0下载.mysql5.7安装: 这里记录brew安装: 1.brew uninstall mysql 卸载原有的: 2.brew ins ...

  6. 改变font-weight的数值,样式并不会改变的原因

    通常情况下,一个特定的字体仅会包含少数的可用字重.若所指定的字重不存在直接匹配,则会通过字体匹配算法规则匹配使用邻近的可用字重.这也就是为什么我们有时候使用特定字重时没有“生效”,看起来跟其它字重差不 ...

  7. html2canvas+Canvas2Image分享海报功能踩坑

    首先需要 import html2canvas from 'html2canvas'; import {Canvas2Image} from '../../assets/js/plug/canvas2 ...

  8. copy模块与fetch模块

    copy:将本地机器上的文件拷贝到远程机器 fetch:将远程机器上的文件拷贝到本地机器 [root@localhost zabbix]# ansible-doc -s copy - name: Co ...

  9. 谷歌对Intel 10nm进度不满

    Intel 在 10nm 处理器上的节奏可谓是“龟速”,一拖三年,且目前大规模发货的 10nm Ice Lake 处理器仅仅是移动平台低电压,桌面要到明年. 表面波澜不惊,实际上却暗流涌动. 首先是 ...

  10. IO模型(epoll)--详解-03

    写在前面 epoll是开发linux高性能服务器的必备技术至,epoll本质,是服务端程序员的必须掌握的知识. 七.epoll的原理和流程 本节会以示例和图表来讲解epoll的原理和流程. 创建epo ...