线型可以非常不同，它们有助于区分不同的变量。大多数情况下，它用于绘制趋势数据，以便可以以独特的线条可视化不同变量的趋势。在 R 中，我们可以使用 matplot 函数来创建这种类型的多线图表。示例1　在线演示M1

多项式回归模型是一种模型，其中因变量与自变量之间没有线性关系，而是具有 n 次方关系。例如，因变量 x 可以取决于自变量 y 的平方。在 R 中创建多项式回归有两种方法，第一种是使用 polym 函数，第二种是使用 I() 函数。示例1set.seed(322) x1

相对频率是某事物占总数的比例。例如，如果我们有 5 个香蕉、6 个番石榴、10 个石榴，那么香蕉的相对频率将是 5 除以 5、6 和 10 的总和，即 21，因此它也可以被称为比例频率。示例1　在线演示考虑以下数据框 −set.seed(21) x%mutate(freq=n/sum(n)) `summarise()` ungrouping output (override with `.groups` argument) # A tibble: 4 x 3Outputx n freq 1 A 3 0.15 2 B 7 0.35 3 C 7 0.35 4 D 3 0.15 警告信息：`...` is not empty. We ... 阅读更多

在条形图中，每个条形代表单个分类变量的一个类别，但在堆叠条形图中，条形代表相同的分类变量，但每个条形都细分为子类别。如果我们希望每个条形具有相似的颜色分布，则可以使用 barplot 函数的 col 参数。示例1　在线演示M1

值经常重复，这会在数据中产生重复，如果这些值不太可能在分析结果中产生偏差，我们可能希望去除这些值。例如，如果我们有一列定义一个过程，我们五次获取该过程的输出，但它一直获取相同的输出，那么我们可能只想使用一个输出。示例1　在线演示考虑以下数据框 −ID

要提取模型对象中的模型方程，我们可以使用模型对象名称加美元符号和调用函数。例如，如果我们有一个名为 Model 的模型对象，则可以使用 Model$call 提取模型方程。这将直接显示用于创建模型的方程。示例1　在线演示x1

通常，图表标题写在图表的上面，但有时我们需要将其放在底部。当图表标题解释关于图表的某些内容时，建议这样做。例如，如果我们正在绘制正态分布，那么我们可以使用“近似正态”作为底部的图表标题，因为我们知道完美的正态事件非常罕见。如果我们想在使用 ggplot2 创建的图表中将图表标题设置在底部，那么我们需要使用 gridExtra 包的 grid.arrange 函数。示例考虑以下... 阅读更多

边框粗细突出显示条形，这在频率相似的场合可能很有用。如果我们想更改条形的粗细，可以使用 ggplot2 包的 geom_bar 函数下的 size 参数，可以根据我们的需要从 1 开始设置。示例考虑以下数据框 −x

要使用 barplot 函数创建堆叠条形图，我们需要使用矩阵而不是数据框对象，因为在 R 中，barplot 函数只能用于向量或矩阵。如果我们想使用 barplot 函数创建堆叠条形图，我们必须非常小心，因为条形图仅用于计数数据。在这里，您将看到一些计数数据和连续数据的示例，仔细阅读图表并了解图表彼此之间的区别。示例1　在线演示M1

我们经常会得到缺失数据，有时如果零不是变量的实际范围，则缺失数据将用零填充。在这种情况下，我们可以删除所有值为零的行。为此，我们可以使用 rowSums 函数，如果总和大于零，则保留该行，否则忽略它。示例1　在线演示考虑以下数据框 −set.seed(251) x1