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些值出现频率高，哪些值出现频率低。此外，还可以通过饼图绘制百分比，从而使读者更好地了解数据。如果我们可以使用 dplyr 包的 mutate 函数，那么为组添加百分比作为新列就不是什么挑战了，这里你将得到相关的例子。示例 1  在线演示 > 组频率 df1 df1输出组频率 1  1  67 2  1  58 3  1  54 4 ... 阅读更多

为了改变绘图的焦点，我们可以做很多事情，其中一件事情就是改变绘图的背景。如果绘图的背景颜色与白色不同，那么它显然会吸引读者的注意，因为这不同寻常，大多数情况下绘图的背景都是白色的，因此，如果我们想吸引读者关注绘图，那么我们可能会使用这种技术。这可以通过使用 par(bg= "color_name") 来实现。示例创建简单的直方图 −  在线演示 > 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

一个向量可以包含数字、字符或两者兼有。只包含数字或只包含字符的向量的排序并不困难，但是如果一个向量同时包含两者，那么这将是一项稍微繁琐的任务。在 R 中，我们可以借助 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，我们必须仔细检查向量，以查看向量的元素的字符是否不同，如果它们不同，那么我们就不能以解释的方式进行此排序…… 阅读更多

在数据分析中，我们经常需要列总计，尤其是在我们希望逐步进行分析的情况下。在许多分析技术中，我们会找到列总计，例如方差分析、相关性、回归等。为了找到列总计，我们可以使用 colSums 函数，并使用方括号将这些总计作为一行添加到数据框中。示例 1考虑以下数据框 −  在线演示 > x1 x2 x3 df1 df1输出  x1 x2 x3 1  1  1  1 2  2  2  2 3  3  3  3 4  4  4  ... 阅读更多

在数据分析中，数据的提取是必要的，因为提取有助于我们保留关于数据集的重要信息。这些重要信息也可能是组的第一行和最后一行，我们也可能希望将这些行用于其他类型的分析，例如比较组之间的初始数据值和最后数据值。我们可以使用 dplyr 包的 slice 函数根据分组列提取或选择第一行和最后一行。示例  在线演示考虑以下数据框： > x1 x2 df1 head(df1, 12)输出  x1 x2 1  1  3 2  1  ... 阅读更多

基本 R 和 R 的不同包中提供了许多数据集。这些数据集的特性差异很大，例如，有些数据集是时间序列数据，有些数据集只有数值列，有些数据集既有数值列也有因子列，有些数据集包含字符列和其他类型的列。因此，这对所有想要学习 R 编程的人来说都非常有用。要获取基本 R 中可用数据集的列表，我们可以使用 data()，但要获取某个包中可用数据集的列表，我们首先需要…… 阅读更多

在某个时间点，我们可能有多个时间序列数据，这可能是多个城市的`天气`、多个产品的价格变化、不同地点的需求预期，或任何随时间变化并针对多个事物或地点进行测量的`数据`。如果我们有这种类型的时间序列数据，那么我们将需要在一个图中绘制该数据，这可以使用 ggplot2 包的 geom_line 函数来实现。示例考虑以下数据框 −  在线演示 > x1 y1 df1 df1输出  x1 y1 1  1  -0.1165387 2  2  -0.9084062 3  3  0.4696637 ... 阅读更多

创建数值向量是学习 R 编程的第一步，有很多方法可以做到这一点，但是如果我们想生成一个数字序列，那么这有点不同，并不是完全不同。我们可以使用以下方法创建一个包含数字序列的向量：如果数字序列只需要相差 1，否则可以使用 seq 函数。示例  在线演示 > x1 x1输出[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 ... 阅读更多

使用 ggplot2 包创建的条形的默认颜色为灰色，但我们可以根据自己的兴趣将其更改为任何颜色。这种更改在学术写作和分析等行业中非常需要，因为每个人都希望看到具有吸引力的图像。如果你只想学习概念，它们并非一定有用，但当涉及到实践时，你需要使其成为吸引人的图像，因为具有吸引力的图像会得到更多关注，因此，它们会更容易记住。要在 ggplot2 中更改条形的颜色，我们可以使用 geom_bar 函数的 fill 参数。示例考虑…… 阅读更多

矩阵可以有一个或多个最小值和最大值。此外，矩阵的大小可能只有一列和多行，也可能是数千列和数千行。可以使用以下语法找到矩阵中最小值和最大值的行列号：对于最大值 which（“矩阵名称”==min（“矩阵名称”），arr.ind=TRUE）对于最小值 > which（“矩阵名称”==max（“矩阵名称”），arr.ind=TRUE）示例  M1