zoukankan      html  css  js  c++  java
  • R-plot()

    一般散点图:

    > BOD
      Time demand
    1    1    8.3
    2    2   10.3
    3    3   19.0
    4    4   16.0
    5    5   15.6
    6    7   19.8
    > plot(BOD$Time,BOD$demand,main='主标题',xlab='X轴标题',ylab='Y轴标题',xlim=c(0,10),ylim=c(8,20),col='blue',pch=19)

    注释:

    • BOD$Time,BOD$demand:取BOD数据框中的Time和demand列作为x轴和y轴。
    • main:图的标题。
    • xlab,ylab:X轴和Y轴的标签。
    • xlim,ylim:X轴和Y轴的取值范围。
    • col:数据点的颜色,可以是颜色字符或者是颜色的数字代码。
    • pch:数据点的形状,可以是0~25之间的数字,或者是字符,如’*’。
    • cex:数据点的大小。
    • axes:F或T,是否显示X轴和Y轴,默认为T。
    • frame.plot=F:不显示外框。

    • type参数:

      • type=’p’:只显示散点。
      • type=’l’:只显示线条。
      • type=’b’:显示散点和线条。
      • type=’c’:显示去掉散点的线条。
      • type=’o’:显示线条穿过点。
      • type=’h’:显示各散点到X轴的垂直线。


    散点图集:

    > plot(iris[,1:4])

    等价于:

    > pairs(iris[,1:4])

    iris数据散点图集

    可方便的看出各属性间是否存在正态分布。



    多元散点图:

    >i = as.numeric(iris$Species)
    >i
     [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
     [49] 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
     [97] 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
    [145] 3 3 3 3 3 3
    >plot(iris[,1],iris[,4],pch=i,col=i)
    >legend('bottomright',c('setosa','versicolor','virginica'),pch=c(1,2,3),col=c(1,2,3))

    这里写图片描述

    注释:

    1、iris$Species存放花的品种,是字符型,用as.numeric()转化成数字型。
    2、legend()添加右下角的图例,具体用法以后详细补上。



    三维散点图:

    >library(scatterplot3d)
    >scatterplot3d(iris[,1:3],color='blue',x.ticklabs=c('好','放','为','与','出'),box=T)

    三维散点图

    注释:

    • 在用scatterplot3d之前要下载安装scatterplot3d包。
    • 三维中数据点的颜色用color,不用col。
    • x.ticklabs()可更改x轴的标签。
    • box为逻辑T或F,表示是否显示框线,默认为T。
    • grid为逻辑T或F,表示x轴和y轴平面是的网状表格是否存在,默认为T。
    • pch、main、xlab、ylab、zlab、xlim等参数和二维的散点图一样用。





    ps:第一次用Markdown,感觉用起来很方便,比HTML好好多。但是改字体、改图片大小比较麻烦一点,希望自己尽快适应,能写出更好看一点的排版!

  • 相关阅读:
    Java最大栈深度有多大?-从一道面试题开始学习JVM
    高性能队列——Disruptor
    高性能的Redis之对象底层实现原理详解
    高性能的Redis之数据持久化小结
    高性能的Redis之数据结构小结
    Redis单线程为什么如此之快?
    kafka partition与 group的特性
    深扒Disruptor高性能的原因
    Python 元类编程实现一个简单的 ORM
    用vue.js实现的期货,股票的实时K线
  • 原文地址:https://www.cnblogs.com/Bone-ACE/p/4531301.html
Copyright © 2011-2022 走看看