![](https://img-blog.csdnimg.cn/2019091813595558.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
R语言
文章平均质量分 90
R语言个人笔记
落痕的寒假
这个作者很懒,什么都没留下…
展开
-
[数据分析与可视化] 数据绘图要点12-图表注释的重要性
数据绘图要点12-图表注释的重要性图表注释是数据可视化的关键组成部分。它可以将枯燥的图形变成一种有趣且富有洞察力的信息传达方式。我们目前在网上看东西的注意力平均不到五秒。因此,如果您无法在五秒钟内吸引某人的注意力,那么您可能已经失去了观众。添加准确的注释可以极大地帮助吸引观众的注意力。使用关键字、形状、颜色和其他视觉效果来帮助他们直奔主题。注释是一个通用概念,存在数百种不同的图表注释方法,具体使用取决于实际内容,让我们来看看几个例子。文章目录数据绘图要点12-图表注释的重要性示例 1示例2示例3参考示原创 2022-01-18 11:48:47 · 1175 阅读 · 0 评论 -
[数据分析与可视化] 数据绘图要点11-雷达图的注意事项
数据绘图要点11-雷达图的注意事项准确通过雷达图表现数据有许多值得需要思考的地方,本文主要介绍雷达图的一些注意事项。文章目录数据绘图要点11-雷达图的注意事项雷达图绘制基础雷达图多类别雷达图雷达图存在的问题与解决方案雷达图存在的问题解决方案参考雷达图绘制基础雷达图雷达图又称蜘蛛图或网络图,是一种二维图表类型,设计用于绘制多个定量变量的一个或多个数值系列。每个变量都有自己的轴,所有轴都连接在图形的中心。让我们考虑一个学生的考试成绩。他在数学、体育、统计学等十个主题上的得分范围为 0 到 20。雷达图原创 2022-01-12 11:54:14 · 5612 阅读 · 0 评论 -
[数据分析与可视化] 数据绘图要点10-图例的构建
数据绘图要点10-图例的构建图例是数据可视化中传达信息非常关键的部分,因此创建合适的图例非常重要。这篇文章描述了如何设置ggplot2图例中的标题、文本、位置、符号等。文章目录数据绘图要点10-图例的构建ggplot2图例设置ggplot2创建默认图例更改图例标题labs()图例信息的删除控制图例位置图例外观设置参考ggplot2图例设置ggplot2创建默认图例默认情况下,只要形状特征映射到ggplot调用的aes()部分中的变量,ggplot2就会自动在图表上生成图例。因此,如果您在ggplo原创 2022-01-06 11:51:55 · 1207 阅读 · 0 评论 -
[数据分析与可视化] 数据绘图要点9-颜色的选择
数据绘图要点9-颜色的选择文章目录数据绘图要点9-颜色的选择颜色绘图要点准确选择图表类型如何做出更好的颜色选择绘图实例参考颜色是数据可视化中传达信息的主要媒介之一。它们允许我们适当突出显示组或变量,但颜色错误的选择可能会造成混淆或误导。本文主要介绍如何在绘图时选择合适的颜色。颜色绘图要点准确选择图表类型如下图所示,左图选择使用渐变色表现变量值的变化趋势,但是渐变色很难体现实际值之间的差异。因此推荐使用条形、位置(如在点图中)甚至区域来显示最重要的值,而颜色仅用于显示类别,如右图所示。此外如果图原创 2022-01-01 10:48:08 · 2016 阅读 · 0 评论 -
[数据分析与可视化] 数据绘图要点8-环状条形图的使用
数据绘图要点8-环状条形图的使用环状条形图RADIAL BAR CHARTS是指用极坐标而不是笛卡尔平面绘制的条形图,RADIAL BAR CHARTS没有规定的中文翻译,有些人翻译为环状条形图,有些人翻译为径向条形图。绘图实例下图是显示2017年某一商品前6大国家的出口数量。# 导入库library(tidyverse)library(hrbrthemes)# 加载数据data <- read.table("https://raw.githubusercontent.com/hol原创 2021-12-29 11:46:41 · 1183 阅读 · 0 评论 -
[数据分析与可视化] 数据绘图要点7-过度绘图
数据绘图要点7-过度绘图过度绘图是数据绘图中的一个常见问题。当您的数据集很大时,散点图的点往往会重叠,使图形不可读。在这篇文章中,将给出多种解决方法来避免过度绘图。文章目录数据绘图要点7-过度绘图过度绘图实例解决方法减少点的尺寸透明度2维密度图数据采样突出显示特定组分组分图三维图边缘分布参考过度绘图实例下面的散点图中说明了过度绘图存在的问题。乍一看可能会得出这样的结论:X 和 Y 之间没有明显的关系。但后续我们将证明这个结论是多么错误。# # 加载库library(tidyverse)libr原创 2021-12-25 11:14:31 · 893 阅读 · 0 评论 -
[数据分析与可视化] 数据绘图要点6-数据组过多
数据绘图要点6-数据组过多比较几个数值变量的分布是数据展示中的一项常见任务。变量的分布可以使用直方图或密度图来表示,在同一轴上表示适量数据的组是非常有吸引力的。但是数据组过多将严重影响图表信息表现。数据分布绘图实例下面是一个示例,展示了人们如何感知词汇。短语“Highly likely”表示什么情况的概率问题。以下是人们给出概率分数分布结果。# 加载库library(tidyverse)library(hrbrthemes)library(viridis)library(patchwork)原创 2021-12-19 12:02:03 · 1174 阅读 · 0 评论 -
[数据分析与可视化] 数据绘图要点5-误差线的问题
数据绘图要点5-误差线的问题文章目录数据绘图要点5-误差线的问题误差线的绘制误差线中的问题误差线隐藏信息误差线的计算方式解决方法参考误差线给出了测量精确度的一般概念,真实(无误差)值可能与报告值相差多远。如果条形图上显示的值是聚合的结果(如多个数据点的平均值),您可能需要显示误差线。但我们必须要谨慎使用误差线,具体原因将在后续给出。误差线的绘制在下图中,报告了5个group。条形高度代表它们的平均值。黑色误差线提供有关单个观测值如何分散在平均值周围的信息。例如,似乎groupB中的测量结果比grou原创 2021-12-09 11:59:44 · 5795 阅读 · 0 评论 -
[数据分析与可视化] 数据绘图要点4-饼图的问题
数据绘图要点4-饼图的问题本文让我们了解有史以来被批评最多的图表类型:饼图。坏的定义饼图是一个圆,分为多个部分,每个部分代表整体的一部分。它通常用于显示百分比,其中扇区的总和等于100%。问题是人类在阅读角度方面非常糟糕。在相邻的饼图中,尝试找出最大的一组,并尝试按值对它们进行排序。您可能很难这样做,这就是必须避免使用饼图的原因。让我们尝试比较3个饼图。尝试了解在这3个图形中哪个组的值最高。此外,尝试弄清楚群体之间的价值演变是什么。# Librarieslibrary(tidyverse)lib原创 2021-12-01 12:49:53 · 1187 阅读 · 0 评论 -
[数据分析与可视化] 数据绘图要点3-意大利面条图
数据绘图要点3-意大利面条图文章目录数据绘图要点3-意大利面条图绘图实例改进方法针对特定群体使用子图组合方法参考线条太多的折线图通常变的不可读,这种图一般被称为意大利面条图。因此这种图几乎无法提供有关数据的信息。绘图实例让我们以美国从1880年到2015年女性婴儿名字的演变为例。# Librarieslibrary(tidyverse)library(hrbrthemes)library(kableExtra)library(babynames)library(viridis)libr原创 2021-11-24 11:51:30 · 2009 阅读 · 0 评论 -
[数据分析与可视化] 数据绘图要点1-注重数据排序
数据绘图要点1-注重数据排序文章目录数据绘图要点1-注重数据排序实例无序棒棒糖图有序棒棒糖图参考默认情况下,大多数数据可视化工具将使用字母顺序或使用输入表中的出现顺序对分类变量组进行排序。当显示多个实体项的值时,对它们进行排序会使得图表更具洞察力。实例无序棒棒糖图让我们从一个无序棒棒糖图开始,下面代码展示了一些国家出口的某一重要物品的数量。这里每一行代表一个国家,X 轴显示2017 年销售的重要物品数量。默认情况下,国家按字母顺序排列。# Librarieslibrary(tidyverse)原创 2021-11-14 10:45:06 · 941 阅读 · 0 评论 -
[R语言] R语言快速入门教程
本文主要是为了从零开始学习和理解R语言,简要介绍了该语言的最重要部分,以快速入门。主要参考文章:R-TutorialR语言程序的编写需要安装R或RStudio,通常是在RStudio中键入代码。但是RStudio个人感觉并不好用,因此本人编写的R语言程序都是在Jupyter Notebook平台使用。具体可以见在 Jupyter Notebook 中使用R语言。R语言和Python,matlab一样都是解释型语言,语法差别不大,容易入门。其他进阶内容见R语言个人笔记文章目录1 入门基础1.1 基础原创 2021-02-05 19:05:12 · 8616 阅读 · 0 评论 -
[R语言] 基于R语言实现树形图的绘制
树状图(或树形图)是一种网络结构。它由一个根节点组成,根节点产生由边或分支连接的多个节点。层次结构的最后一个节点称为叶。本文主要基于R语言实现树形图的绘制。关于python实现树形图的绘制见:基于matplotlib实现树形图的绘制之所以还用R语言实现树形图的绘制,主要原因在于R语言所实现的树形图比python实现的更加多样。R语言树形图提供以下两种类型:分层树形图:类似CEO管理团队领导管理员工等等。聚类树形图:聚类将一组个体按相似性分组。它的结果可以可视化为一棵树。本文主要参考:Dendro原创 2020-09-05 10:10:23 · 10049 阅读 · 0 评论 -
[R语言] 基于R语言实现环状条形图的绘制
环状条形图(Circular barplot)是条形图的变体,图如其名,环状条形图在视觉上很吸引人,但也必须小心使用,因为环状条形图使用的是极坐标系而不是笛卡尔坐标系,每一个类别不共享相同的Y轴。环状条形图非常适合于周期性数据,本文主要介绍基于R语言实现环状条形图的绘制。本文主要参考链接:Circular barplotR语言的环状条形图主要基于tidyverse包实现,tidyverse是一组R包的集合,这些R包共享共同的原理并旨在无缝地协同工作,具体介绍见:tidyverse安装命令如下:in原创 2020-09-05 09:59:58 · 7708 阅读 · 0 评论 -
[R语言] ggplot2入门笔记4—前50个ggplot2可视化效果
文章目录通用教程简介(Introduction To ggplot2)4 ggplot2入门笔记4—前50个ggplot2可视化效果1 相关性(Correlation)1.1 散点图(Scatterplot)1.2 带边界的散点图(Scatterplot With Encircling)1.3 抖动图(Jitter Plot)1.4 计数图(Counts Chart)1.5 气泡图(Bubble ...原创 2020-03-21 11:16:06 · 5666 阅读 · 2 评论 -
[R语言] ggplot2入门笔记3—通用教程如何自定义ggplot2
文章目录通用教程简介(Introduction To ggplot2)3 ggplot2入门笔记3—通用教程如何自定义ggplot21. 添加图和轴标题(Adding Plot and Axis Titles)2. 修改图例(Modifying Legend)2.1 如何更改图例标题(How to Change the Legend Title)2.2 如何更改类别的图例标签和点颜色(How to...原创 2020-03-21 11:10:02 · 6652 阅读 · 2 评论 -
[R语言] ggplot2入门笔记2—通用教程ggplot2简介
文章目录通用教程简介(Introduction To ggplot2)2 ggplot2入门笔记2—通用教程ggplot2简介1. 了解ggplot语法(Understanding the ggplot Syntax)2. 如何制作一个简单的散点图(How to Make a Simple Scatterplot)3. 如何调整XY轴范围(How to Adjust the X and Y Axi...原创 2020-03-21 11:04:58 · 2561 阅读 · 0 评论 -
[R语言] ggplot2入门笔记1—ggplot2简要教程
文章目录1 ggplot2入门笔记1—ggplot2简要教程1. 设置 The Setup2. 图层 The Layers3. 标签 The Labels4. 主题 The Theme5. 分面 The Facets6. 常用函数 Commonly Used Features6.1 绘制时间序列图(使用ggfortify)6.2 在同一ggplot上绘制多个时间序列6.3 条形图6.4 自定义布局...原创 2020-03-21 11:01:14 · 5436 阅读 · 1 评论 -
[R语言] WGCNA入门教程
文章目录wgcna入门-雌性小鼠肝脏表达数据的网络分析:寻找与体重有关的模块1 数据输入和清洗1.1 加载基因表达数据1.2 数据清洗1.3 加载临床特征数据2 建设表达网络与模块检测2.1 自动一步构建网络与模块检测2.1.1 软阈值的选择:网络拓扑分析2.1.2 一步构建网络与模块检测2.2 其他检测算法3 筛选与表型相关的模块3.1 量化模块-特质关联3.2 基因与性状和重要模块的关系:基因...原创 2020-01-10 14:28:55 · 26245 阅读 · 49 评论 -
[R语言] R语言PCA分析教程 Principal Component Methods in R
R语言PCA分析教程 Principal Component Methods in R主成分分析Principal Component Methods(PCA)允许我们总结和可视化包含由多个相互关联的定量变量描述的个体/观察的数据集中的信息。每个变量都可以视为不同的维度。如果数据集中包含3个以上的变量,那么可视化多维超空间可能非常困难。主成分分析用于从多变量数据表中提取重要信息,并将此信息表示...原创 2019-07-31 19:20:46 · 60053 阅读 · 28 评论