当我们使用 par(mfrow) 时，我们定义了想要在绘图窗口上绘制的绘图数量，当我们绘制所有必要的绘图后，它会从第一个绘图重新开始。例如，如果我们将 par(mfrow) 设置为 (2,2)，那么我们将在绘图窗口上得到四个绘图，但如果我们想要在一个绘图窗口上创建一个绘图，那么它将不起作用，它只会在左上角显示一个小绘图。为了解决这个问题，我们可以将 par(mfrow) 设置为 (1,1)。示例 par(mfrow=c(2,2)) x

矩阵只包含数值，因此，如果我们将包含作为字符串的因子变量的数据框转换，则因子水平将转换为数字。此编号基于因子水平的第一个字符，例如，如果字符串以 A 开头，则它将获得 1，依此类推。如果数据框包含作为字符串的因子变量，则要将数据框转换为矩阵，我们需要将数据框读取为矩阵。示例考虑以下数据框 −x1

当我们创建散点图或任何其他绘图并且原始数据中以科学计数法表示值时，绘图的轴值也以科学计数法绘制。这使得绘图含糊不清，因此难以阅读或解释绘图。因此，我们需要将轴标签的科学计数法转换为普通数字，这可以通过对两个轴都使用 scale_x_continuous(labels =comma) 和 scale_y_continuous(labels=comma) 来实现。示例考虑以下数据框 −set.seed(101) x

条形图是用于分类数据的最常用的绘图之一，借助 ggplot2，它可以在 R 中轻松完成。当我们使用 ggplot2 创建条形图时，条形和 X 轴以及最大条形和绘图顶部区域之间存在一些空间。这可以通过使用 scale_y_continuous 函数来减少或增加。示例考虑以下数据框 −x

如果我们想提供更多关于 R 数据框列中数据的详细信息，那么我们可能希望使用前缀。这些前缀帮助每个人理解数据，例如，我们可以使用数据集名称作为前缀，分析目标作为前缀，或者所有列中都共有的内容。要在 R 数据框的列中添加前缀，我们可以使用 paste 函数将前缀与原始列名分开。示例考虑以下数据框 −示例 set.seed(100) Rate

有时，我们想使用 R 数据框的某些列进行分析，因此，最好获取我们需要的所有列的列表。这样，如果需要，我们就不必担心列操作，因为我们只有必要的列。可以使用单方括号获取除一列或多列之外的所有列的列表。示例考虑以下数据框 −set.seed(100) x1

散点图帮助我们识别两个变量之间的线性关系，它是确定预测模型的第一步。在使用任何预测建模技术之前，我们必须在自变量和因变量之间绘制散点图，以检查它们之间存在何种关系。散点图通常由绘图区域上的圆形点表示，但我们可以有不同类型的点，例如正方形、矩形、菱形等。在 ggplot2 中，geom_point 的 pch 参数可以帮助我们创建具有这些类型点的散点图。示例考虑以下数据框 −set.seed(123) x

可以多种方式比较 R 数据框的列，其中一种方式是包含一个或多个均值列。这样，我们可以将原始数据的列与均值的列进行比较，也可以将均值的列与另一列均值进行比较。我们可以使用 apply 函数为 R 数据框的每一列或某些列创建包含行值均值的新列。示例考虑以下数据框 x1

当我们没有将自变量的参数作为数据框传递时，会出现此错误。predict 函数将预测对于提供的自变量值因变量的值，我们也可以使用创建模型的自变量的值。示例考虑以下数据框 −set.seed(1) x

美学是绘图的重要组成部分，无论是散点图还是任何其他绘图。当我们使用 ggplot2 包的 ggplot 函数创建散点图时，如果我们用颜色序列填充点，则点的边框为黑色，但我们可以使用 colour 参数将这些边框更改为任何其他颜色。示例考虑以下数据框 Rate