head(mtcars)
str(mtcars)
#绘制每加仑油行驶的英里数(mpg)和汽车自重(wt)两个变量的散点图
attach(mtcars)
plot(mpg,wt,pch=19,col="green4",xlab = "英里数",ylab="汽车自重")
abline(lm(wt~mpg),lwd=2,col="red")
#绘制该数据集的散点图矩阵
pairs(mtcars[,-1])
panel.cor <- function(x, y, digits = 2, prefix = "", cex.cor, ...) {
usr <- par("usr")
on.exit(par(usr))
par(usr = c(0, 1, 0, 1))
r <- abs(cor(x, y, use = "complete.obs"))
txt <- format(c(r, 0.123456789), digits = digits)[1]
txt <- paste(prefix, txt, sep = "")
if (missing(cex.cor)) cex.cor <- 0.8/strwidth(txt)
text(0.5, 0.5, txt, cex = cex.cor * (1 + r) / 2)
}
panel.hist <- function(x, ...) {
usr <- par("u
fivekiki
最新推荐文章于 2024-09-27 19:48:00 发布
本文展示了如何使用R语言进行数据探索和分析,包括绘制散点图、散点图矩阵、相关系数矩阵图,以及创建3D散点图和条件散点图。此外,还使用了mathics数据集进行示例,如mpg、wt、hp等变量的关系分析,并进行了多元线性回归。最后,通过GGally和ggplot2库创建了广义配对图。
摘要由CSDN通过智能技术生成