热图是用颜色表示值的图表表示。它主要用于显示数据略有变化并应用于矩阵数据的情况。我们可以为完整矩阵、上三角矩阵以及下三角矩阵绘制它。这可以使用 image 函数来完成。示例1在线演示> M M输出 [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [1,] 7 5 4 4 3 6 5 8 3 5 [2,] 8 7 3 5 7 4 5 2 6 6 [3,] 3 2 4 2 5 12 7 3 10 2 [4,] 5 3 6 9 5 9 2 4 5 8 [5,] 3 8 5 5 4 4 4 1 2 5 [6,] 2 3 2 4 7 8 5 8 4 4 [7,] 5 6 4 4 7 3 4 8 8 2 [8,] 4 5 2 10 5 3 5 4 6 7 [9,] 8 6 4 1 4 11 6 4 6 6 [10,] 9 5 5 4 6 2 7 3 6 5示例> image(M)输出：示例2在线演示> M1 M1输出 [,1] [,2] [,3] [,4] [,5] [,6] [1,] 24.75339 25.40680 23.76650 26.47724 24.54639 25.79895 [2,] 24.08571 25.17951 25.03599 25.63532 23.45812 25.39614 [3,] 24.53005 25.77095 26.21571 24.44029 24.69933 25.62839 [4,] 22.91202 25.49497 24.86587 25.25701 23.16166 24.34106 [5,] 25.37322 24.15308 25.58580 23.52173 25.25538 25.10577 [6,] 24.39613 26.06243 26.56054 25.19265 26.54187 24.35313示例> image(M1)输出

绘图中的轴线宽度通常非常细，但我们可以使它们更宽。如果我们想突出显示轴标签（例如，为了引起查看者对轴标签的注意）等原因，这将非常有用。要增加基础 R 绘图中轴线的宽度，我们可以使用 axis 函数并设置 lwd 参数。示例> x hist(x) > axis(side=1,lwd=4)输出：示例> axis(side=2,lwd=4)输出

na.omit 函数删除数据框中的所有缺失值，如果应用于整个数据框，complete.cases 也执行相同的操作。两者之间的主要区别在于 complete.cases 可以应用于某些列或行。查看下面的示例以了解区别。示例考虑以下数据框：在线演示> set.seed(2584) > x y df df输出 x y 1 NA 25 2 5 5 3 8 NA 4 6 5 5 4 NA 6 4 5 7 6 NA 8 4 NA 9 4 5 10 8 5 11 8 5 ... 阅读更多

可以使用 names 函数提取列表元素的名称。例如，如果我们有一个定义为 List 的列表，其中包含三个名为 element1、element2 和 element3 的元素，那么可以使用以下命令从 List 中提取这些名称：names(List)示例1在线演示> List1 List1输出$x1 [1] -0.04518909 -0.22779868 0.24339595 -0.86189295 -0.73387277 -0.75313131 [7] 0.39694608 2.30565359 0.55670193 0.21973762 0.62968128 -0.90936921 [13] 1.33946741 -0.16315751 0.31357793 0.40365980 -0.23639612 -2.48749453 [19] 0.52152768 -1.57059863 0.51728464 0.98177111 0.65475629 0.23715538 [25] -0.71796609 -0.42731839 0.32335282 -0.90013122 -0.84549927 -0.88358214 [31] -0.32066379 -0.98945433 0.42469849 -1.63095343 0.32584448 0.10947333 [37] 0.23486625 0.28166351 1.18432843 0.94828212 0.09452671 0.56618262 ... 阅读更多

热图是用颜色表示值的图表表示。它主要用于显示数据略有变化的情况。我们可以为完整矩阵、上三角矩阵以及下三角矩阵绘制它。这可以使用 image 函数来完成。示例1在线演示> M1 M1输出   [, 1] [, 2] [, 3] [, 4] [, 5] [, 6] [1, ] 6    9    4    7    5    4 [2, ] 6    6    4    3    7    5 [3, ] 2   ... 阅读更多

如果我们有一个定义为 df 的数据框，其中包含列 x、y 和 z，则可以使用 df$x、df$y 和 df$z 从 df 中提取这些列。另一方面，如果我们有一个定义为 Data_S4 的 S4 对象，其中包含列 x、y 和 z，则可以使用 Data_S4@x、Data_S4@y 和 Data_S4@z 提取这些列。数据框示例：示例在线演示> x1 x2 df df输出 x1 x2 1 4 2 2 7 0 3 10 2 4 3 1 5 7 1 6 2 2 7 3 4 8 ... 阅读更多

默认情况下，在基础 R 中绘制的直方图在条形周围具有黑色边框。我们可能希望删除这些黑色边框，以使直方图在视觉上更平滑。这可以通过使用 hist 函数的 lty 参数来完成。例如，如果我们有一个向量 x，并且我们想要创建一个没有条形边框的 x 直方图，那么我们可以使用该参数作为 hist(x,lty="blank")。示例> x hist(x)输出：创建没有条形边框的 x 直方图：示例> hist(x,lty="blank")输出

要创建一个 S4 对象，我们可以使用 setClass 函数，我们将在其中传递对象名称、列名以及将存储在列中的数据的类型。例如，如果我们想创建一个名为 data 的 S4 对象，以及两个名为 x 和 y 的数值列，那么我们可以使用 setClass("data", representation(x1="numeric", x2="numeric"))。示例1> setClass("data1", representation(x1="numeric", x2="numeric")) > data1 data1输出一个“data1”类的对象 插槽“x1”：[1] -0.586187627 0.853689097 -0.602612795 -2.194235741 -1.318522292 [6] -0.984882420 0.273584140 0.364691611 1.025472248 1.198547297 [11] -0.709282551 -0.001441127 -0.201348012 1.296811172 1.520093861 [16] 2.071031215 0.472877022 0.616211695 0.642165615 -0.122773000 插槽“x2”：[1] ... 阅读更多

我们可以通过多种方式在 R 中查找子集，最简单的方法是使用单方括号。如果我们想子集化一行或多行连续或不连续的行，那么可以直接使用数据框名称和单方括号来完成。例如，如果我们有一个名为 df 的数据框，并且我们想子集化 df 的第一行，那么我们可以使用 df[1, ]，就是这样。示例考虑以下数据框：在线演示> set.seed(214) > x y z a b c q w df1 df1输出x y z a b c q w ... 阅读更多

我们可以使用 ggplot2 包创建点图，但该点不一定是圆形，我们在 ggplot2 中有 25 个形状选项用于这些点。在使用 ggplot2 创建点图时，我们可以在 geom_point 中使用 shape 参数来查看这 25 个形状之间的差异。示例考虑以下数据框：在线演示> set.seed(1957) > x y df df输出 x y 1 0.7028704 1.6664500 2 0.9672393 1.0456639 3 1.3102736 0.2495795 4 0.3389941 0.2141513 5 0.5867095 0.4417377 6 0.4257543 0.6533757 7 0.9106756 0.3611954 8 1.0444729 1.3770588 ... 阅读更多