当我们创建条形图或任何其他带有图例的图时，图例的背景是白色的，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 df输出   x  y 1   0 25 2 100 28 3 150 32 4 200 25创建带有图例的条形图 −> 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、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参数来完成。示例考虑以下数据框 − 实时演示> x y df df输出   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，无论是为了消除变量的影响，还是基于分析目标的其他目的。为了处理这种情况，我们需要一个零值或许多方法来在R中创建值为零的向量。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β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均值和标准差分别为0和1的方式转换这些变量的值。我们可以通过在创建模型时使用scale函数来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 df1输出     x      y 1 1.7139625 1.2542310 2 1.9796581 2.9215504 3 1.5878287 2.7500544 4 ... 阅读更多

R数据框可以有很多列，我们可能想要选择除少数几列之外的所有列。在这种情况下，最好通过取消选择不需要的列来提取列，而不是选择需要的列，因为需要的列数多于不需要的列数。这可以通过!符号和单方括号轻松完成。示例考虑以下数据框 − 实时演示> Age Gender Salary ID Education Experience df df输出 ID    Gender    Age    Salary    Experience    Education 1 ... 阅读更多

数据框可以有多种类型的列，其中一些列可以根据其特性组合成一列。例如，如果一列包含字符，另一列包含数字，那么我们可能希望通过使用特殊字符分隔来将它们连接起来，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 df输出   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某物的比率，例如雨季生锈铁的腐蚀速率，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 M1输出   [, 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数值的百分比。这有助于我们了解哪个值经常出现，哪个值的频率较低。此外，可以通过饼图绘制百分比，这可以让读者更好地了解数据。如果我们可以使用dplyr包的mutate函数，那么添加作为组的百分比的新列就不成问题，这里你会得到来自该函数的示例。示例1 实时演示> Group Frequency df1 df1输出Group 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，其中一件事情就是改变图的背景。如果图的背景颜色与白色不同，那么它显然会吸引读者的注意，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这种技术。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、字符或两者兼而有之。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，那么这将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，如果不同，那么我们不能按照解释的方式进行排序... 阅读更多