分析变量的第一步是检查它是否服从正态分布，并且为了直观地做到这一点，我们创建了一个直方图。如果直方图显示为钟形，则我们认为该变量服从正态分布，否则，它不服从正态分布。我们可以使用 hist 函数为 R 数据框的任何列创建直方图。示例考虑以下数据框 - set.seed(9) df

有多种方法可以表示图表，特别是条形图以多种变体表示。我们还可以在条形图中包含条形标签，以便查看者可以轻松理解条形对应类别的频率。为了在条形图的顶部放置标签，我们可以在 ggplot2 中使用 geom_text 中的 vjust = 0。示例实时演示考虑以下数据框 - df

查找行均值可以帮助我们识别案例的平均性能（如果所有变量的性质相同），并且这也很容易做到。但是，如果某些列具有不同类型的数据，则我们必须提取想要查找行均值的列。因此，我们可以使用 rowMeans 函数创建一个包含所需列的行均值的新数据框。示例实时演示考虑以下数据框 - set.seed(88) Group

加法、减法、乘法和除法等基本数学运算对于矩阵来说很常见，我们经常这样做，但是如果矩阵存储为 R 中的列表，则这些基本计算以不同的方式完成，因为它们不是直接对象。要将列表中的矩阵相加或相乘，我们可以使用 Reduce 函数以及加号 (+) 或乘号 (*) 和列表名称。示例实时演示考虑以下矩阵列表 - Matrices_List

在 R 中进行子集操作并不难，但是如果我们使代码简短，则这是一项有点繁琐的任务，因为我们必须在代码之间引入代码，这会导致混淆。因此，在编写一个代码内部的代码时，我们必须非常小心。要使用 ggplot2 的 ggplot 函数创建带有子集数据框的折线图，可以通过使用 subset 函数来实现。示例实时演示考虑以下数据框 - set.seed(99) x1

韦恩图有助于识别两个或多个元素集合之间共同和不共同的元素。它也用于概率论中，以直观地表示两个或多个事件之间的关系。要在 R 中创建韦恩图，我们可以使用 gplots 包的 venn 函数。示例考虑以下向量 x

销售分析需要查找月度销售额的平均值、总计、范围，并且通常还需要标准差。快速消费品 (FMCG) 公司通常需要这样做，因为他们希望每天以及每月跟踪他们的销售情况。如果我们有每日销售数据，则需要在 R 数据框中为月份创建一个新列以查找月度销售额，这可以通过 strftime 和 aggregate 函数来完成。示例考虑以下数据框 - date

有多种方法可以保存 R 中创建的图形。基础 R 提供了 metafile、bitmap 和 postscript 选项来复制和保存 R 中创建的图形，但我们也可以使用 svglite 包将使用 ggplot2 创建的图形保存为 SVG 文件。svglite 包的 ggsave 函数可以轻松完成此工作，我们还可以在此函数内部定义图形的高度和宽度。示例实时演示安装 svglite 包 - install.packages("svglite")考虑 ToothGrowth 数据并在 len 和 dose 之间创建散点图 - head(ToothGrowth) len supp dose 1 4.2 VC ... 阅读更多

出现“newdata”有 1 行警告的原因是 newdata 未正确定义。我们应该将解释变量或自变量的名称赋予 newdata，以便模型能够识别我们正在传递解释变量的均值，否则它会考虑解释变量的所有值，因此 predict 函数的结果会产生样本大小的预测值。示例实时演示考虑以下数据框 - set.seed(123) x

创建条形图时，条形之间的距离或间距相等，但有时条形的宽度很大，因此，理解这些条形之间的差异变得有点困难，尤其是在数据值彼此之间差异不大的情况下。为了克服这个可视化问题，我们可以创建一个条形之间有一些间距的条形图，这可以通过 ggplot2 中 geom_bar 的 width 参数来实现。示例考虑以下数据框 - x