分析变量的第一步是检查它是否服从正态分布，为了直观地做到这一点，我们创建直方图。如果直方图显示为钟形曲线，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，特别是条形图有很多变体。我们也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类别的频率。为了将标签放在条形图条形的顶部，我们可以在ggplot2中使用带有geom_text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如果所有变量的性质相同，则某个案例的平均性能，这也很容易。但是，如果某些列具有不同类型的数据，则我们必须提取我们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，但是如果矩阵在R中存储为列表，那么这些基本计算则不同，因为它们不是直接对象。要添加或乘以列表中的矩阵，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中进行子集化并不困难，但是如果我们使代码简短，则这是一项有点繁琐的任务，因为我们将不得不引入代码段之间代码，这会造成混乱。因此，在编写另一个代码内部的代码时，我们必须非常小心。可以使用ggplot2的subset函数，通过使用ggplot函数的子集数据框来创建带有子集的数据框的折线图。示例 实时演示考虑以下数据框 −set.seed(99) x1

维恩图有助于识别两个或多个元素集合之间共有和不共有的元素。这也被用于概率论中，以直观地表示两个或多个事件之间的关系。要在R中创建维恩图，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、范围和标准差。这通常是快速消费品 (FMCG) 公司需要的，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，那么我们需要在R数据框中为月份创建一个新列来查找月度销售额，这可以使用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在R中创建的绘图。基础R提供了元文件、位图和PostScript选项来复制和保存在R中创建的绘图，但我们也可以使用svglite包将使用ggplot2创建的绘图保存为SVG文件。svglite包的ggsave函数可以轻松完成这项工作，我们还可以在此函数中定义绘图的高度和宽度。示例 实时演示安装svglite包 −install.packages("svglite")考虑ToothGrowth数据并在len和dose之间创建一个散点图 −head(ToothGrowth) len supp dose 1 4.2 VC ... 阅读更多

我们收到“newdata”有1行警告的原因是“newdata”没有正确定义。我们应该为“newdata”提供解释变量或自变量的名称，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，条形之间的距离或空间是相等的，但有时条形的宽度很大，因此，很难理解这些条形之间的区别，尤其是在数据值彼此之间差异不大的情况下。为了克服这个问题，我们可以创建一个条形之间有一定间距的条形图，这可以使用ggplot2中geom_bar的width参数来完成。示例考虑以下数据框 −x