图例可以帮助我们在创建散点图时区分响应变量的值。通过这种方式，我们可以理解因子变量的一个水平如何影响响应变量。图例最好放置在左下角、右上角、左上角和右下角。我们可以使用 theme 函数来定位图例。示例考虑以下数据框 -> set.seed(99) > x1 x2 F df library(ggplot2)创建具有不同图例位置的绘图 -考虑以下数据框 -> ggplot(df, aes(x=x1, y=x2, colour=F)) + geom_point(aes(colour=F)) + + theme(legend.justification = c(1, 0), legend.position = c(1, 0))输出> ggplot(df, aes(x=x1, ... 阅读更多

在数据分析中，我们经常处理因子变量，这些因子变量具有不同的水平。有时，我们希望为特定的因子水平创建 R 数据框的子集，以便仅针对因子变量的特定水平分析数据。这可以通过使用 subset 函数轻松完成。示例考虑以下数据框 -> set.seed(99) > Factor Percentage df df   Factor Percentage 1   India 48 2   China 33 3     USA 44 4      UK 22 5  Canada 62 6   India 32 7   China 13 8     ... 阅读更多

要将向量转换为矩阵，只需使用 matrix 函数即可。如果需要，我们还可以定义行数和列数，但如果向量中的值不是行数或列数的倍数，则 R 会抛出错误，因为无法为该向量创建矩阵。在这里，我们将按名称读取向量以使其更易于理解，但您可以根据需要更改其名称。这些示例中显示了四个不同长度的向量 -示例 > Vector1 Vector1 [1] ... 阅读更多

堆叠条形图在一个条形中包含多个条形，它显示了分类变量及其水平的一个类别。大多数情况下，堆叠条形图是根据每个类别中水平的计数创建的，但如果我们想使用分类变量各个类别的百分比来创建它，那么也可以做到。我们可以使用 prop.table 函数为每个类别创建水平的比例，然后创建条形图。示例考虑以下数据框 -> set.seed(99) > x1 x2 x3 df df x1 x2 x3 1 48 98 68 2 33 ... 阅读更多

滞后变量是一种变量类型，它包含我们想要为其创建滞后变量的变量的上一个值，并且第一个值被忽略。因此，如果我们正在创建依赖于分组变量或因子变量的滞后变量，则每个组中始终会缺少一个值。示例考虑以下数据框：> set.seed(2) > Factor Rate df df Factor Rate 1 F1 12 2 F1 54 3 F1 18 4 F1 26 5 F1 14 6 F2 25 7 F2 81 8 F2 47 9 F2 15 10 F2 ... 阅读更多

当我们在 R 中将矩阵与向量相乘时，乘法是按列进行的，但如果我们想按行进行，则可以使用转置函数。我们可以将矩阵的转置与向量相乘，然后取该乘法的转置，这将导致按行乘法。示例考虑以下矩阵 -> M1 M1    [,1] [,2] [,3] [,4] [,5] [1,] 1    6   11   16    21 [2,] 2    7   12   17    22 [3,] 3    8   13   18    23 [4,] 4    9   14   19    24 [5,] 5   10   15   20    25 > V1 M1*V1    [,1] [,2] [,3] [,4] [,5] [1,] 1    6   11   16   21 [2,] 4   14   24   34   44 [3,] 9   24   39   54   69 [4,] 16  36   56   76   96 [5,] 25  50   75  100  125按行乘法 -> t(t(M1)*V1)    [,1] [,2] [,3] [,4] [,5] [1,] 1   12   33   64  105 [2,] 2   14   36   68 110 [3,] 3   16   39   72 115 [4,] 4   18   42   76 120 [5,] 5   20   45   80 125让我们再看一个例子 -> M2 M2       [,1] [,2] [,3] [,4] [,5] [1,]   72    5   36   11   76 [2,]   61   38   17   73   25 [3,]   96    9   62   79   64 [4,]   77   53   80   78   50 [5,]   81   15   21   43   23 > V2 V2 [1] 28 20 1 68 86 > t(t(M2)*V2) [,1] [,2] [,3] [,4] [,5] [1,] 2016 100 36 748 6536 [2,] 1708 760 17 4964 2150 [3,] 2688 180 62 5372 5504 [4,] 2156 1060 80 5304 4300 [5,] 2268 300 21 2924 1978

向量在 R 中经常创建，但大多数时候我们不会为其元素命名，如果我们想为其命名，则可以使用 setNames 函数。此函数将帮助我们在 R 中使用一行代码为向量元素命名，显然这将节省我们的时间和工作区。示例 > V1 V1 A B C D E F G H I J 1 2 3 4 5 6 7 8 9 10 > V2 V2 A B C D E F G H I J 1 2 3 4 ... 阅读更多

使用 curve 函数绘制函数非常容易，但我们也可以使用 ggplot2 来绘制。由于 ggplot2 提供了外观更好的绘图，因此通常使用它进行绘图而不是其他绘图函数。要绘制函数，我们应该在 ggplot 中的 stat_function 中指定函数。示例考虑以下数据框 -> x df library(ggplot2)函数的绘图如下所示：> ggplot(df, aes(x))+ + stat_function(fun=function(x) log(x))> ggplot(df, aes(x))+ + stat_function(fun=function(x) log(x)/x)输出> ggplot(df, aes(x))+ + stat_function(fun=function(x) log(x)/(x-3))输出> ggplot(df, aes(x))+ + stat_function(fun=function(x) (exp(x)^2)*2)输出阅读更多

当我们创建每条线具有不同颜色的折线图时，如果我们第一次使用的颜色没有使图表变得吸引人，我们可能希望更改线条的颜色。这可以通过在图表的帮助下手动设置线条的颜色来完成 scale_color_manual 功能。示例考虑以下数据框 -> set.seed(2) > Group Time Frequency df df   Group Time Frequency  1 1 Time1  3  2 2 Time2  6  3 3 Time1  5  4 4 Time2  3  5 5 Time1  9  6 1 Time2  9  7 ... 阅读更多

我们将我们在 R 中创建的数据文件保存起来以备将来使用，这些文件扩展名为 .Rdata。要查看这些文件，我们可以使用 load 函数，该函数将读取系统上文件的路径。假设您像我一样将文件保存在 Documents 文件夹中，那么您将必须提供 Documents 文件夹的路径，仅此而已。示例假设您创建了一个名为 df 的数据框并将其作为 df.Rdata 文件保存在您的系统中 -> set.seed(99) > x1 x2 x3 df df x1 x2 x3 1 2 0.7542310 3.3730539 ... 阅读更多