R语言之图形入门_光环大数据培训机构

来源:互联网 由 光环IT学院 贡献 责任编辑:王小亮  
http://hadoop.aura-el.com

R语言之图形入门_光环大数据培训机构

图形工作

R具有非常强大的绘图功能,看下面代码。

> attach(mtcars)

> plot(wt, mpg)

> abline(lm(mpg~wt))

> title(“Regression of MPG on Weight”)

> detach(mtcars)

效果图如图1所示。

图1:mtcars数据集中wt-mpg线性回归图

图形保存方法可以用RGUI完成或者写代码保存。例如把上图以pdf格式保存在D:/data目录下,代码如下:

> setwd(“E://data”)

> pdf(“wt-mpg.pdf”)

http://hadoop.aura-el.com

> attach(mtcars)

> plot(wt, mpg)

> abline(lm(mpg~wt))

> title(“Regresssion of MPG on Weight”)

> detach(mtcars)

>dev.off()

> dir()

一个简单实例

数据集,病人对两种药不同剂量的反映,如图2所示。

图2:病人对两种药不同剂量的反映

程序清单

> dosage <- c(20, 30, 40, 45, 60)

> responseA <- c(16, 20, 27, 40, 60)

> responseB <- c(15, 18, 25, 31, 40)

http://hadoop.aura-el.com

> plot(dosage, responseA, type=”b”)

效果图如图3所示。

图3:不同剂量下,病人对药A的反映图

图像化参数

通过图形化参数定义一个图形的特征(字体、颜色、标题、坐标轴)。利用par()函数指定图形化参数。或者把这些参数至于绘图函数中。现基于两种不同的方式使用图形化参数。

方式一:par()函数

> opar <- par(no.readonly=TRUE)

> par(lty=2, pch=17)

> plot(dosage, responseB, type=”b”)

> par(opar)

方式二:在绘图函数进行参数设置

> plot(dosage, responseB, type=”b”, lt y=2, pch=17)

两种方式运行后效果一样,如图4所示:

http://hadoop.aura-el.com

图4:不同剂量下病人对药B的反映图R绘图常用参数归纳如下。

符号和线型参数,如图5所示。

图5:R符号和线型参数

R符号如6所示,线型如图7所示。

图6:R符号

图7:R线型

颜色参数,如图8所示。

图8:R颜色参数

文本参数,如图9所示。

图9:文本尺寸参数

字体参数,如图10所示。

图10:字体参数

面板大小和边距参数,如图11所示。

http://hadoop.aura-el.com

图11:面板大小和边距参数

基于参数化图形的一个实例。

程序清单如下:

> dose <- c(20, 30, 40, 45, 60)

> drugA <- c(16, 20, 27, 40, 60)

> drugB <- c(15, 18, 25, 31, 40)

> opar <- par(no.readonly=TRUE)

> par(pin=c(2, 3))

> par(lwd=2, cex=1.5)

> par(cex.axis = .75, font.axis=3)

> plot(dose, drugA, type=”b”, pch=19, lty=2, col=”red”)

> plot(dose, drugB, type=”b”, pch=23, lty=6, col=”blue”, bg=”green”)

> par(opar)

图形修饰

以下内容为系统自动转化的文字版,可能排版等有问题,仅供您参考:

光环大数据--大数据培训&人工智能培训 http://hadoop.aura-el.com R 语言之图形入门_光环大数据培训机构

图形工作

R 具有非常强大的绘图功能,看下面代码。

> attach(mtcars)

> plot(wt, mpg)

> abline(lm(mpg~wt))

> title(“Regression of MPG on Weight”)

> detach(mtcars)

效果图如图 1 所示。

图 1:mtcars 数据集中 wt-mpg 线性回归图

图形保存方法可以用 RGUI 完成或者写代码保存。例如把上图以 pdf 格式保 存在 D:/data 目录下,代码如下:

> setwd(“E://data”)

> pdf(“wt-mpg.pdf”)

光环大数据 http://hadoop.aura-el.com

光环大数据--大数据培训&人工智能培训 http://hadoop.aura-el.com > attach(mtcars)

> plot(wt, mpg)

> abline(lm(mpg~wt))

> title(“Regresssion of MPG on Weight”)

> detach(mtcars)

>dev.off()

> dir()

一个简单实例

数据集,病人对两种药不同剂量的反映,如图 2 所示。

图 2: 病人对两种药不同剂量的反映

程序清单

> dosage <- c(20, 30, 40, 45, 60)

> responseA <- c(16, 20, 27, 40, 60)

> responseB <- c(15, 18, 25, 31, 40)

光环大数据 http://hadoop.aura-el.com

光环大数据--大数据培训&人工智能培训 http://hadoop.aura-el.com > plot(dosage, responseA, type=”b”)

效果图如图 3 所示。

图 3: 不同剂量下,病人对药 A 的反映图

图像化参数

通过图形化参数定义一个图形的特征(字体、颜色、标题、坐标轴) 。利用 par()函数指定图形化参数。或者把这些参数至于绘图函数中。现基于两种不同 的方式使用图形化参数。

方式一:par()函数

> opar <- par(no.readonly=TRUE)

> par(lty=2, pch=17)

> plot(dosage, responseB, type=”b”)

> par(opar)

方式二:在绘图函数进行参数设置

> plot(dosage, responseB, type=”b”, lty=2, pch=17)

两种方式运行后效果一样,如图 4 所示:

光环大数据 http://hadoop.aura-el.com

光环大数据--大数据培训&人工智能培训 http://hadoop.aura-el.com 图 4:不同剂量下病人对药 B 的反映图

R 绘图常用参数归纳如下。

符号和线型参数,如图 5 所示。

图 5:R 符号和线型参数

R 符号如 6 所示,线型如图 7 所示。

图 6:R 符号

图 7:R 线型

颜色参数,如图 8 所示。

图 8:R 颜色参数

文本参数,如图 9 所示。

图 9:文本尺寸参数

字体参数,如图 10 所示。

图 10:字体参数

面板大小和边距参数,如图 11 所示。

光环大数据 http://hadoop.aura-el.com

光环大数据--大数据培训&人工智能培训 http://hadoop.aura-el.com 图 11:面板大小和边距参数

基于参数化图形的一个实例。

程序清单如下:

> dose <- c(20, 30, 40, 45, 60)

> drugA <- c(16, 20, 27, 40, 60)

> drugB <- c(15, 18, 25, 31, 40)

> opar <- par(no.readonly=TRUE)

> par(pin=c(2, 3))

> par(lwd=2, cex=1.5)

> par(cex.axis = .75, font.axis=3)

> plot(dose, drugA, type=”b”, pch=19, lty=2, col=”red”)

> plot(dose, drugB, type=”b”, pch=23, lty=6, col=”blue”, bg=”green”)

> par(opar)

图形修饰

光环大数据 http://hadoop.aura-el.com

光环大数据--大数据培训&人工智能培训 http://hadoop.aura-el.com

图形修饰包括添加文本、自定义坐标轴和说明。例如:

>plot(dose,drugA,type=”b”,col=”red”,lty=2,pch=2,lwd=2,

main=”Clinical Trials for Drug A” ,sub=”This is hypothetical data”,

xlab=”Dosage”, ylab=”Drug Resoponse”,

xlim=c(0,60), ylim=c(0, 70))

效果图如图 12 所示。

图 12:图形修饰演示图

图形修饰主要又如下几个方面。

方面一:标题,使用 title()函数。

方面二:坐标轴,使用 axis()函数。

方面三:参照线,使用 abline()函数。

方面四:说明,使用 legend()函数。

方面五:文字,使用 text()函数。

图形合并

光环大数据 http://hadoop.aura-el.com

光环大数据--大数据培训&人工智能培训 http://hadoop.aura-el.com

R 使用函数 par()或者 layout()实现图形合并。关于每种方法,演示如下:

方法一:基于 par()图形合并

程序清单:

> rm(list=ls())

> attach(mtcars)

> opar <- par(no.readonly=TRUE)

> par(mfrow=c(2,2))

> plot(wt,mpg, main=”Scatterplot of wt vs. mpg”)

> plot(wt,disp, main=”Scatterplot of wt vs disp”)

> hist(wt, main=”Histogram of wt”)

> boxplot(wt, main=”Boxplot of wt”)

> par(opar)

> detach(mtcars)

效果图如图 13 所示。

光环大数据 http://hadoop.aura-el.com

光环大数据--大数据培训&人工智能培训 http://hadoop.aura-el.com

图 13:基于 par()图形合并

方法二:基于 layout()图形合并

程序清单:

> layout(matrix(c(1,1,2,3), 2, 2, byrow=TRUE))

> hist(wt)

> hist(mpg)

> hist(disp)

> detach(mtcars)

为什么大家选择光环大数据!

大数据培训、 人工智能培训、 Python 培训、 大数据培训机构、 大数据培训班、 数据分析培训、大数据可视化培训,就选光环大数据!光环大数据,聘请大数据 领域具有多年经验的讲师,提高教学的整体质量与教学水准。讲师团及时掌握时 代的技术,将时新的技能融入教学中,让学生所学知识顺应时代所需。通过深入 浅出、通俗易懂的教学方式,指导学生较快的掌握技能知识,帮助莘莘学子实现 就业梦想。

光环大数据 http://hadoop.aura-el.com

光环大数据--大数据培训&人工智能培训 http://hadoop.aura-el.com

光环大数据启动了推进人工智能人才发展的“AI 智客计划” 。光环大数据专注国内 大数据和人工智能培训,将在人工智能和大数据领域深度合作。未来三年,光环大数据 将联合国内百所大学,通过“AI 智客计划” ,共同推动人工智能产业人才生态建设,培 养和认证 5-10 万名 AI 大数据领域的人才。

参加“AI 智客计划” ,享 2000 元助学金!

【报名方式、详情咨询】 光环大数据网站报名:http://hadoop.aura-el.com 手机报名链接:http:// hadoop.aura-el.com /mobile/

光环大数据 http://hadoop.aura-el.com


  • 与《R语言之图形入门_光环大数据培训机构》相关:
  • R语言基础绘图_光环大数据培训机构
  • R语言基本操作_光环大数据培训机构
  • R语言几大检验_光环大数据培训机构
  • R语言简单运算_光环大数据培训机构
  • 快速生成R语言报告_光环大数据培训机构
  • R语言完整学习路线图_光环大数据培训机构
  • R语言画曲线图_光环大数据 Python培训机构
  • 利用R语言获取最新所有股票数据_光环大数据培训机构
  • R语言回归诊断_光环大数据培训机构
  • R语言简介_光环大数据 Python培训机构
  • 本站网站首页首页教育资格全部考试考试首页首页考试首页职业资格考试最近更新儿童教育综合综合文库22文库2建筑专业资料考试首页范文大全公务员考试首页英语首页首页教案模拟考考试pclist学路首页日记语文古诗赏析教育教育资讯1高考资讯教育头条幼教育儿知识库教育职场育儿留学教育高考公务员考研考试教育资讯1问答教育索引资讯综合学习网站地图学习考试学习方法首页14托福知道备考心经冲刺宝典机经真题名师点睛托福课程雅思GREGMATSAT留学首页首页作文
    免责声明 - 关于我们 - 联系我们 - 广告联系 - 友情链接 - 帮助中心 - 频道导航
    Copyright © 2017 www.xue63.com All Rights Reserved