data.table 对象与 R 中的数据框非常相似，因此，将 data.table 对象转换为矩阵并非难事。我们只需要使用 as.matrix 函数并将 data.table 对象存储到一个属于矩阵的新对象中，否则 R 将无法将 data.object 转换为矩阵。例如，如果我们有一个 data.table 对象 DT，则将其转换为矩阵，我们应该使用下面的示例代码：

如果我们的数据框中存在缺失值/NA，并在不排除这些缺失值的情况下使用 ggplot2 创建图表，则会收到警告“已删除包含缺失值的 X 行”，其中 X 将是包含 NA 值的列的行数。但图表将是正确的，因为它将通过排除 NA 值来计算。为了避免此错误，我们只需要传递数据框列的子集，该子集不包含 NA 值，如下例所示。考虑以下数据框，其中 y 列包含一些 NA 值 ... 阅读更多

借助镶嵌图，可以轻松地可视化分类变量。在镶嵌图中，我们可以有一个或多个分类变量，并且图表的创建基于变量中每个类别的频率。为了在基础 R 中创建镶嵌图，我们可以使用 mosaicplot 函数。频率较高的类别由较大的方框显示，频率较低的类别由较小的方框显示。考虑以下数据框：示例 在线演示 x1

为了在基础 R 中使用 plot 函数创建线图，我们需要使用 type = "l"，以便 R 理解该图需要具有线而不是点。如果我们想要增加线的宽度，则可以使用 lwd 参数。lwd = 0 是宽度的默认值。考虑以下向量并创建线图：示例 x

使用 ggplot2 包创建的默认图表会根据数据框或向量的列的起始值和结束值显示轴标签，但我们可能希望像在纸质图表中那样可视化它，该图表显示所有四个象限。这可以通过使用 xlim、ylim、geom_hline 和 geom_vline 函数以及 ggplot2 包的 ggplot 函数来完成。考虑以下数据框：示例 在线演示 x

在许多不同的情况下可能需要子集，我们可以说子集的方法可能无限多种，因为它取决于更大或更小分析的目标。其中一种方法是基于矩阵列的某个值来创建矩阵的子集。在 R 中，我们可以借助 subset 函数轻松完成此操作，如下例所示。示例 在线演示 M3)输出 [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [1,] 4 14 24 34 44 54 64 74 84 94 [2,] 5 15 25 35 45 55 65 75 85 95 [3,] 6 16 26 36 46 56 66 76 86 96 [4,] 7 17 27 37 47 57 67 77 87 97 [5,] 8 18 28 38 48 58 68 78 88 98 [6,] 9 19 29 39 49 59 69 79 89 99 [7,] 10 20 30 40 50 60 70 80 90 100示例 subset(M,M[,1]>75)输出[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [1,] 6 16 26 36 46 56 66 76 86 96 [2,] 7 17 27 37 47 57 67 77 87 97 [3,] 8 18 28 38 48 58 68 78 88 98 [4,] 9 19 29 39 49 59 69 79 89 99 [5,] 10 20 30 40 50 60 70 80 90 100示例 subset(M,M[,9]>81)输出[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [1,] 2 12 22 32 42 52 62 72 82 92 [2,] 3 13 23 33 43 53 63 73 83 93 [3,] 4 14 24 34 44 54 64 74 84 94 [4,] 5 15 25 35 45 55 65 75 85 95 [5,] 6 16 26 36 46 56 66 76 86 96 [6,] 7 17 27 37 47 57 67 77 87 97 [7,] 8 18 28 38 48 58 68 78 88 98 [8,] 9 19 29 39 49 59 69 79 89 99 [9,] 10 20 30 40 50 60 70 80 90 100示例 subset(M,M[,9]<

默认情况下，绘图窗口中的绘图区域是固定的，我们可以创建一个具有扩展宽度的线图，以便图表覆盖从左下到右上的绘图区域。这可以通过使用 lwd 参数创建非常宽的线图来完成。考虑以下向量并创建非常宽的线图以覆盖绘图区域：示例 x

矩阵中的反对角线元素是从右上方到右下方的直线形成的元素。例如，如果我们有如下所示的矩阵：1 2 3 4 5 6 7 8 9 那么对角线元素将是 1、5、9，反对角线元素将是 3、5、7。为了找到这些反对角线元素的和，我们可以使用 apply 函数。示例 在线演示 M1

查找 R 数据框列之间的相关系数是很常见的，但我们可能希望查找两个数据框行之间的相关系数。这在我们需要查找 R 数据框的一行与另一个数据框的一行之间存在某种关系的情况下可能需要。例如，R 数据框的一行显示客户一年的购买趋势，而另一个数据框的同一行显示同一客户另一年的购买趋势。考虑以下数据框：示例 在线演示 x1阅读更多

bins 的默认值为 30，但如果我们不在 geom_histogram 中传递该值，则在大多数情况下，R 会显示警告消息。为了避免这种情况，我们只需将 bins=30 放入 geom_histogram() 函数中即可。这将停止显示警告消息。考虑以下数据框：x