当我们创建条形图或任何其他带有图例的图时，图例的背景是白色，但可以使用 scales 包将其更改为任何颜色。我们可以使用 theme 函数的 legend.background 参数中的 alpha 来更改图例。这将帮助我们更改图例的背景颜色。示例 实时演示> x y df dfOutput   x  y 1   0 25 2 100 28 3 150 32 4 200 25创建带图例的条形图 −> library(ggplot2) > ggplot(df, aes(x, y, fill=x))+geom_bar(stat="identity")输出更改图例的背景颜色... 阅读更多

分类变量的值可以用数字、字符、数字和字符的组合、特殊字符、数字符号或任何其他方法来表示。但是，当我们创建条形图时，如果标签名称的大小很大，我们可能希望通过用具有相同含义的不同单词或字符或符号来表示它来缩小它，这可以通过在 scale_x_discrete 中使用 expression 参数来实现。示例考虑以下数据框 − 实时演示> x y df dfOutput   x  y 1 0   25 2 100 28 3 ... 阅读更多

在数据分析中，有时我们需要将零用于某些计算，要么是为了抵消变量的影响，要么是为了基于分析目标的其他目的。为了处理此类情况，我们需要一个零值或一个有很多方法在 R 中创建包含零值的向量。重要的是向量的长度。示例> x1 x1 [1] 0 0 0 0 0 0 0 0 0 0 > x2 x2 [1] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ... 阅读更多

回归中的标准化系数也称为 beta 系数，它们是通过标准化因变量和自变量获得的。因变量和自变量的标准化意味着以使这些变量的值的均值和标准差分别变为 0 和 1 的方式转换这些变量的值。我们可以使用 scale 函数在创建模型时找到线性回归模型的标准化系数。示例考虑以下数据框 − 实时演示> set.seed(99) > x y df1 df1Output      x       y 1 1.7139625 1.2542310 2 1.9796581 2.9215504 3 1.5878287 2.7500544 4 ... 阅读更多

R 数据框可以有非常多的列，我们可能想要选择除了少数之外的所有列。在这种情况下，最好通过取消选择不需要的列来提取列，而不是选择我们需要的列，因为需要的列的数量多于不需要的列的数量。这可以通过 ! 符号和单个方括号轻松完成。示例考虑以下数据框 − 实时演示> Age Gender Salary ID Education Experience df dfOutput ID    Gender    Age     Salary    Experience    Education 1 ... 阅读更多

数据框可以有多种类型的列，其中一些可以根据其特征组合成单个列。例如，如果一个列包含字符，另一个列包含数字，那么我们可能希望通过用特殊字符分隔来连接它们，以将其显示为标识。示例考虑以下数据框 − 实时演示> ID Frequency set.seed(111) > ID Frequency df dfOutput   ID Frequency 1 A    78 2 B    84 3 C    83 4 D    47 5 E    25 6 F    59 7 G    69 ... 阅读更多

如果多个矩阵的元素代表相同类型的特征，那么我们可能希望找到这些元素的平均值。例如，如果我们有一个列表中存储的矩阵 M1、M2、M3 和 M4，并且第一个元素代表特定事物的比率，例如雨季生锈铁的腐蚀率，那么我们可能希望找到矩阵 M1、M2、M3 和 M4 的第一个元素的平均值。可以使用 Reduce 函数找到此平均值。示例考虑以下矩阵及其列表 − 实时演示> M1 M1Output   [, 1] [, 2] ... 阅读更多

在数据分析中，我们经常需要找到数据组中存在的值的百分比。这有助于我们了解哪个值出现频率较高，哪个值出现频率较低。此外，可以通过饼图绘制百分比，这可以为读者提供更好的数据视图。如果我们可以使用 dplyr 包的 mutate 函数，那么添加一个作为组的百分比的新列就不成问题，这里您将从中获得示例。示例 1 实时演示> Group Frequency df1 df1OutputGroup Frequency 1 1 67 2 1 58 3 1 54 4 ... 阅读更多

为了改变图的焦点，我们可以做很多事情，其中之一就是改变图的背景。如果图的背景颜色与白色不同，那么它显然会引起读者的注意，因为这很不寻常，因为大多数情况下图的背景是白色的，因此，如果我们想吸引读者关注该图，那么我们可能会使用此技术。这可以通过使用 par(bg= "color_name") 来完成。示例创建简单的直方图 − 实时演示> x hist(x)输出示例创建具有不同背景颜色的直方图 −> par(bg="green") > hist(x)输出> par(bg="yellow") > hist(x)输出par(bg="blue") ... 阅读更多

向量可以包含数字、字符或两者。仅包含数字或仅包含字符的向量的排序并不困难，但如果向量同时包含两者，则这是一项有点繁琐的任务。在 R 中，我们可以使用 order 函数对包含数字和字符的向量进行排序，但在进行此排序之前，我们必须仔细查看向量以检查向量的元素的字符是否不同，如果它们不同，那么我们不能以解释的方式进行此排序... 阅读更多