通过一个综合的例子测试绘图函数 学习的内容是tigerfish老师的教程. 第一节:基本知识 用seq函数产生100位学生的学号. > num = seq(,) > num [] [] [] [] [] [] [] [] [] [] [] [] [] 用runif函数产生100个随机数(随机数是小数),代表课程1的成绩,100个数字,最小值50,最大值100. 该结果是均匀分布,用round函数对其取整. > x1 = round(runif(100,min=50,max=100));

在R语言中指定画图边框时,通常使用两种单位, lines 和 inches 当然,这两个单位之间是可以相互转换的,那么 1 inch = ? line 答案是1 inches = 5 lines 下面给出具体的分析过程: par 函数中有两个参数,返回的是margin的宽度,只不过单位不同: mar : 返回边框的宽度, 返回值的单位为 lines mai: 返回边框的宽度, 返回值的单位为 inches 看下二者的返回值 > par("mar") [1] 5.1 4.1 4.1

本文首发于知乎专栏:https://zhuanlan.zhihu.com/p/74051739 也同步更新于我的个人博客:https://www.cnblogs.com/nickwu/p/12568379.html 通用的参数: x:横坐标 y:纵坐标 ... :其他可选参数: type(绘图的类型) 'p' : points, 点 'l' : lines, 线,且绘制的线经过(x,y)点 'b' : both, 同时绘制点和线,其中线不经过(x,y)点 'c' : 仅绘制线,其中线不经过(x,

R语言通过支持Cairo矢量图形处理的类库,可以创建高质量的矢量图形(PDF,PostScript,SVG) 和 位图(PNG,JPEG, TIFF),同时支持在后台程序中高质量渲染.在ggplot2中,图片输出经过Cairo包处理后,输出个效果更好,可以输出成PDF格式,PDF格式体积小,同时可以储存为其他任何格式,随后再将PDF储存为eps格式并在Photoshop中打开做最终的调整,例如调整比例.色彩空间和dpi(一般杂志和出版社要求dpi=300以上)等.额外需要注意的是ggplot2中

系统:centos 6.4 64bit 环境安装参考:http://hi.baidu.com/solohac/item/4a18e78f1bef9b5825ebd99c 在R语言中可以使用png()等函数生成图片,例如: png("aa.png")可以生成图片. 但是如果你是通过shell远程连接到系统上,可能会碰到如下错误: 1 2 3 4 5 > png("aa.png") 错误于.External2(C_X11, paste("png::&qu

R语言真是博大精深 方法一 Acf(gold[,2], type = "correlation",lag.max = 100) Acf(gold[,2], type = "partial") 方法二 library(ggfortify) autoplot(acf(gold[,2], plot = FALSE)) 方法三 bacf <- acf(gold[, 2], plot = FALSE) bacfdf <- with(bacf, data.frame

张铁军,陈兴栋等 著 R语言基础绘图系统 基础绘图包之高级绘图函数--par函数 基础绘图包并非指单独某个包,而是由几个R包联合起来的一个联盟,比如graphics.grDevices等. 掌握par函数(作为20个主要统计图形函数之一)的主要参数.?par adj 微调图中字符位置.adj=c(x,y),相对左下角坐标点,一般不超过1. bg 绘图区域背景色.par(bg="green") bty 设置图形边框样式.包含o, l , 7, c, u, ]可选. bty <- c

R语言data.table包是自带包data.frame的升级版,用于数据框格式数据的处理,最大的特点快.包括两个方面,一方面是写的快,代码简洁,只要一行命令就可以完成诸多任务,另一方面是处理快,内部处理的步骤进行了程序上的优化,使用多线程,甚至很多函数是使用C写的,大大加快数据运行速度.因此,在对大数据处理上,使用data.table无疑具有极高的效率.这里主要介绍在基因组数据分析中可能会用到的函数. fread 做基因组数据分析时,常常需要读入处理大文件,这个时候我们就可以舍弃read.ta

Basic包是R语言预装的开发包,包含了常用的数据处理函数,可以对数据进行简单地清理和转换,也可以在使用其他转换函数之前,对数据进行预处理,必须熟练掌握常用的数据处理函数,本文分享在数据处理时,经常使用的基础函数. 一,合并向量 函数append用于修改合并向量,可以把两个向量合并为一个: append(x, values, after = length(x)) 例如:从一个向量的指定位置处,插入另一个向量: > append(:, :, after = ) [] 二,匹配函数 匹配函数(mat

par().layout().split.screen()函数 1. par()函数的参数详解 函数par()可以用来设置或者获取图形参数,par()本身(括号中不写任何参数)返回当前的图形参数设置(一个list):若要设置图形参数,则可用par(tag = value)的形式,其中tag的详细说明参见下面的列,value就是参数值,例如: par(mar = c(4, 4, 1, 0.5), bg = "yellow")   # 设置边距参数和背景色 par(pin=c(2,3)) 

在R语言中, 绘图边框一共有3个区域: device region : figure region : plot region   : 在描述不同区域大小的时候,有对应的不同参数: din : 返回device region 的宽度和高度, 单位为 inches fin : 返回figure region 的宽度和高度,单位为 inches pin : 返回plot region 的宽度和高度, 单位为inches 代码示例: > pdf("a.pdf", height = 10

在R语言中,par 函数可以设置图形边距,其中oma 参数设置outer margin, mar 参数设置margin, 这些边距有什么不同呢,通过box函数可以直观的看到 box 默认在当前图形绘制边框,第一个参数which = "plot", 所以在当前图形上绘制边框 which 的值除了plot 之外,还可以选择 figure, inner, outer 接下来分别用不同的值测试一下,为了区分,为不同的边框设置不同的颜色和类型,代码如下: attach(mtcars) plot(

利用R自带数据集 通过data()函数可以查看R自带数据集. > data() 返回以下结果,每一条记录都是一个数据,键入相应的数据名称可以查看具体信息. Data sets in package ¡®datasets¡¯: AirPassengers Monthly Airline Passenger Numbers - BJsales Sales Data with Leading Indicator BJsales.lead (BJsales) Sales Data with Leadin

当我们在绘图时,经常会遇到这样的问题,添加的文字标记超出了坐标系的问题,导致文字显示不全 比如下面这个例子: plot(c(1,5),c(1,5)) text(5,5.1,"ABCDEF") 生成的图片如下: 我们想要给右上角的点加个文字标记,但是文字内容太长,超过了坐标系的范围,没显示全 想要解决类似的问题,当然是加大坐标系的范围,但是加到多少合适呢, 最笨的办法就是每次加一点点,然后看效果 这样换个数据,又要调试好几次,有没有完美的解决方案呢? 答案肯定是有的! 通过strwidt

P-Value Central Lmit Theorem(CLT) mean(null>diff) hist(null) qqnorm(null) qqline(null) pops<-read.cssv("mice_pheno.csv") hed(pops) hf<- pops[popsSDiet=="hf"&popsSSex=="F",3] chow<-pops[popsSDiet=="chow&qu

使用ggplot2包绘制ROC曲线 rocplot<- function(pred, truth, ...){ predob<- prediction(pred, truth) #打印AUc perf.auc<- performance(predob, measure = 'auc', x.measure = 'cutoff') # perf<- performance(predob, 'tpr','fpr') df<- data.frame(x = attributes(p

使用wordcloud2绘制词云图 library(wordcloud2) findwords<-function(tf){ txt<-scan(tf,"") wl<-list() for(i in 1:length(txt)){ wrd<-txt[i] wl[[wrd]]<-c(wl[[wrd]],i) } return(wl) } words<-findwords("testconcorda.txt") wordfreq<

使用pROC包绘制ROC曲线 #####***绘制ROC曲线***##### library("pROC") N <- dim(data2)[1] #数据长度 set.seed(1234) #设置随机种子 ind <- sample(2, N, replace=TRUE, prob = c(0.8,0.2)) data_train <- data2[ind == 1,] #生成训练集 data_test <- data2[ind == 2,] #生成测试集 re

使用ggplot2在地图上绘制热力图 ######*****绘制热力图代码*****####### interval <- seq(0, 150000, 25000)[-2] #设置价格区间 newpri <- cut(data1$price, interval, labels = F) #设置价格为因子类型 newpri <- factor(newpri, levels = 1:5, labels = c("25000", "50000", &q

使用ggplot2在地图上绘制散点图 ######*****绘制散点图代码*****####### options(baidumap.key = '**************') #设置密钥 beijing <- getBaiduMap('北京市', width = 600, height = 600, zoom = 11, scale = 2, messaging = F, color = "bw") #获取北京地图 ggmap(beijing) + geom_jitter(

使用ggplot2绘制箱线图 ######*****绘制箱线图代码*****####### data1$学区房 <- factor(data1$school, levels = 0:1, labels = c("否", "是")) #设置学区房数据为因子类型 data1$CATE <- factor(data1$CATE, levels = c('xicheng', 'dongcheng', 'haidian', 'chaoyang', 'fengtai