R_Studio(学生成绩)绘制频率分布直方图、分布饼图、折线比较图
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
- 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 ...
- 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 ...
- 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 ...
- 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" ...
- 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_ ...
- 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=& ...
- 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 ...
- 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' ...
- 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
- layui2.5 修改layuicms
雷哥layui2.5版本学习 学习地址: https://www.bilibili.com/video/av59813890/?p=30 注意: 修改layuicms时注意下面是缓存的js, < ...
- 从入门到自闭之Python递归
递归:不断地调用自身,用函数实现 死递归(死循环): def func(): print(1) func() func() 知识点:官方说明最大深度1000,但实际执行998或997以下,看电脑性能 ...
- 用纯 CSS 创作一个在容器中反弹的小球
效果预览 在线演示 按下右侧的"点击预览"按钮可以在当前页面预览,点击链接可以全屏预览. https://codepen.io/comehope/pen/jKVbyE 可交互视频教 ...
- F12 开发人员工具中的控制台错误消息
使用此参考解释显示在 Internet Explorer 11 的控制台 和调试程序中的错误消息. 简介 使用 F12 开发人员工具进行调试时,错误消息(例如 EC7111 或 HTML1114)将显 ...
- 图片哈希概论及python中如何实现对比两张相似的图片
Google 以图搜图的原理,其中的获取图片 hash 值的方法就是 AHash. 每张图片都可以通过某种算法得到一个 hash 值,称为图片指纹,两张指纹相近的图片可以认为是相似图片. 以图搜图的原 ...
- 转载Google TPU论文
选自 Google Drive 作者:Norman P. Jouppi 等 痴笑@矽说 编译 该论文将正式发表于 ISCA 2017 从去年七月起,Google就号称了其面向深度学习的专用集成电路(A ...
- 多线程编程-- part 9 信号量:Semaphore
Semaphore简介 Semaphore是一个计数信号量,它的本质是一个"共享锁". 信号量维护了一个信号量许可集.线程可以通过调用acquire()来获取信号量的许可:当信号量 ...
- SQL SERVER 中 sp_rename 用法
转自:http://www.cnblogs.com/no7dw/archive/2010/03/04/1678287.html 因需求变更要改表的列名,平常都是跑到Enterprise manager ...
- 00:Java简单了解
浅谈Java之概述 Java是SUN(Stanford University Network),斯坦福大学网络公司)1995年推出的一门高级编程语言.Java是一种面向Internet的编程语言.随着 ...
- 一般情况下的NB-IoT网络架构
一. NB总体网络架构 NB-IoT端到端系统架构如下图所示: 终端:UE(User Equipment),通过空口连接到基站(eNodeB(evolved Node B , E-UTRAN 基站)) ...