精华内容
下载资源
问答
  • R语言组合绘图和多个图形叠加、图片叠加绘图

    万次阅读 多人点赞 2019-07-02 13:59:55
    实现组合绘图、多个图形重合叠加、图片叠加绘图。不同的数据放到同一张图展示。

    不同的数据放到同一张图展示

    par(new=TRUE) # 每叠加一次新图形,运行一次该程序命令,即可实现在原图上继续叠加数据绘图

    https://blog.csdn.net/tandelin/article/details/94362055

    plot(x1,x2,xlab="维度",ylab="物种多样性数量");    #做散点图
    lines(lowess(x1,x2),col=2);    #利用lowess做回归曲线
    par(new=TRUE)  # 是否叠加新图形,没叠加一次运行一次该命令
    plot(x3,x4,yaxt="n",xaxt="n",xlab="维度",ylab="物种多样性数量");    #做散点图
    lines(lowess(x1,x2),col=2,lty=4);    #利用lowess做回归曲线
    

    图形叠加后效果如下:
    在这里插入图片描述

    不同的图叠加拼凑在一起展示

    用grid.newpage()函数命令选择是否进行图形叠加,该命令有先后顺序,先运行。

    library(grid)
    library(ggplot2)
    gg <- ggplot(mpg, aes(displ, hwy, colour = class)) +  geom_point()
    library(png)
    logo <- readPNG("C:\\Users\\TD\\Desktop\\test.png")
    grid.newpage()
    print(gg)  # 绘制第一个图
    vp <- viewport(x = 0.6, y = 0.3, width = 0.2, height = 0.2)
    grid.raster(logo, vp = vp)  # 将第一个图和第二个图形合并
    

    在这里插入图片描述

    展开全文
  • R语言 图形

    2018-08-23 11:50:15
    相较于数字和文字的表示,图形的展示更能引起客户的兴趣,可视化程度高,通过看图我们得以发现数据中的模式或是检查出数据中的异常值,也有助于在数以千计的零散... 组合多个图形 1.1 图形的创建 注:可以通过代...

    相较于数字和文字的表示,图形的展示更能引起客户的兴趣,可视化程度高,通过看图我们得以发现数据中的模式或是检查出数据中的异常值,也有助于在数以千计的零散信息中做出有意义的对比,提炼出使用其他方法时不那么容易发现的模式。

    1、R图形需要掌握的基本要领:

    • 图形的创建
    • 图形的保存
    • 自定义符号、线条、颜色和坐标轴
    • 标注文本和标题
    • 控制图形维度
    • 组合多个图形

    1.1 图形的创建

    注:可以通过代码或图形用户界面来保存图形。要通过代码保存图形,将绘图语句夹在开启目标图形设备的语句和关闭目标图形设备的语句之间即可

    创建一幅新图形时,通常会覆盖掉先前的图形。如何才能创建多个图形呢?创建一幅新图形之前打开一个新的图形窗口

    dev.new()

    ….(描述图形)

    dev,new()           

    ….(描述图形)

    如何查看??

    1)通过图形用户界面来查看多个图形

    勾选“历史”(History)→“记录”(Recording)。然后使用菜单中的“上一个”(Previous)和“下一个”(Next)来逐个查看已经绘制的图形

    2)使用函数dev.new()、dev.next()、dev.prev()、dev.set()和dev.off()同时打开多个图形窗口,并选择将哪个输出发送到哪个窗口中。关于这种方法的更多细节,请参考help(dev.cur)。

    plot(x = x变量,
         y = y变量,
         type= "类型"
         main="标题",
         sub="子标题",
         xlab="x轴名称",
         ylab="y轴名称",
         asp=0.1)  #y/x的比例,y轴数值长度与x轴数值长度的比值
    
    关于type:
    "p" for points, 散点图
    "l" for lines, 折线图
    "b" for both, 点线图
    "c" for the lines part alone of "b", 只有线没有点,线段构成的图
    "o" for both ‘overplotted’, 有线有点,且线穿过点
    "h" for ‘histogram’ like (or ‘high-density’) vertical lines, 类似直方图,但是只有竖线
    "s" for stair steps, 阶梯图
    "S" for other steps,  
    "n" for no plotting. 只有坐标,没有图像
    ##绘图参数设置函数par()
    参数:
    pch:指定绘制点时使用的符号
    cex:指定符号的大小,默认为1,1.5表示放大1.5倍0.5表示缩小为50%
    lty:指定线型类型
    lwd:指定线条宽度,默认1,lwd=2则线条宽度为默认值的2倍
    no.readonly=TRUE/FALSE:假如=TRUE且没有其他变量, 则返回当前绘图设备下已设定好的绘图参数
    ann= FALSE:不进行绘图解释标记(例如横轴标题等)
    bg:设置绘图区背景色。缺省为bg = "transparent"(透明)
    注意:某些高级绘图函数已经包含了默认的标题和标签。你可以通过在plot()语句或单独
    的par()语句中添加ann=FALSE来移除它们
    

             

    1.2 图形的保存

    pdf(“name.pdf”)    ##将图形保存到当前工作目录中名为name.pdf的PDF文件中(也可通过界          面保存) ##除了pdf(),还可以使用函数win.metafile()、png()、jpeg()、bmp()、tiff()、xfig()和postscript()将图形保存为其他格式

    setwd("d://")
    pdf("haha.pdf")##还是在用户保存来的方便,保存为png,emf
    attach(mydata)
    mydata
    plot(a,b)
    ablines(lm(b~a)) ##添加一条最优拟合曲线,LM算法,全称为Levenberg-Marquard算法
    title("标题")
    detach(mydata)
    dev.off() ##结束图片编辑才行
    getwd() ##可查看位置

    1.3 图形的类型

    lattice包提供了丰富的函数,可生成单变量图形(点图、核密度图、直方图、柱状图和箱线图)、双变量图形(散点图、带状图和平行箱线图)和多变量图形(三维图和散点图矩阵)

    1.4 图形颜色

    在R中,可以通过颜色下标、颜色名称、十六进制的颜色值、RGB值或HSV值来指定颜色。举例来说,col=1、col="white"、col="#FFFFFF"、col=rgb(1,1,1)和col=hsv(0,0,1)都是表示白色的等价方式。函数colors()可以返回所有可用颜色的名称

    1.5 坐标轴

    par(font.lab=3,cex.lab=1.5,font.main=4,cex.main=2) ##之后创建的所有图形都将拥有斜体、1.5倍于默认文本大小的坐标轴标签(名称),以及粗斜体、2倍于默认文本大小的标题

    1.6 尺寸大小

    par(pin=c(4,3),mai=c(1,.5,1,.2)可生成一幅4英寸宽、3英寸高、上下边界为1英寸、左边界为0.5英寸、右边界为0.2英寸的图形。

    1.7 添加文本、自定义坐标轴和图例

    plot(xiaoguo,yao1,type="b",col="red",lty=2,pch=2,lwd=2,
    main="clinical trains for yao1",sub="this is data",xlab="dasage",
    ylab="response",xlim=c(0,60),ylim=c(0,70))
    
    ##还可以调用函数title()中指定图形的参数(如标题、坐标轴标签、文本大小、字体、旋转角度和颜色)
    title(main="clinical trains for yao1",col.main="red",sub="this is data",col.sub="blue",
    xlab="dasage",ylab="response",
    col.lab="green",cex.lab=0.75) 
    ##生成红色的标题和蓝色的副标题,以及较默认大小小25%的绿色x轴、y轴标签

    1.8 图形的结合

    在R中使用函数par()或layout()可以容易地组合多幅图形为一幅总括图,在par()函数中使用图形参数mfrow=c(nrows, ncols)来创建按行填充的、行数为nrows、列数为ncols的图形矩阵,用nfcol=c(nrows, ncols)按列填充矩阵。

    ##par组合
    attach(mydata)
    opar<-par(no.readonly=TRUE)
    par(mfrow=c(2,2))
    plot(a,b,main="title1")
    plot(a,c,main="title2")
    hist(a,main="title3") ##高级绘图函数hist()包含了一个默认的标题(使用main=""可以禁用它,抑或使用ann=FALSE来禁用所有标题和标签)
    boxplot(a,main="title4")
    par(opar)
    detach(mydata)
    
    ##layout组合
    attach(mydata)
    layout(matrix(c(1,1,2,3),2,2,byrow=TRUE),widths=c(3,1),heights=c(1,2)
    
    ##1,1,2,3表示将屏幕切成3块,其排列类似于1123其中11部分部分是一张图,2是一张图,同样3也是一张图2,2表示将屏幕整体是分为两行两列的byrow=TRUE表示按行排图
    ##widths = 各列宽度值组成的一个向量
    heights = 各行高度值组成的一个向量
    
    hist(a)
    hist(b)
    hist(c)
    detach(mydata)

    1.9 一个例子

    > xiaoguo<-c(20,30,40,50,60)
    > yao1<-c(16,20,26,35,58)
    > yao2<-c(13,16,23,31,39)
    > opar<-par(no.readonly=TRUE) ##TRUE且没有其他变量, 则返回当前绘图设备下已设定好的绘图参数
    > par(pin=c(2,3)) ##图形将为2英寸宽、3英寸高
    > par(lwd=2,cex=1.5)
    > par(cex.axis=.75,font.axis=3)
    > plot(xiaoguo,yao1,type="b",pch=19,lty=2,col="red")
    > plot(xiaoguo,yao2,type="b",pch=23,lty=6,col="green",bg="blue")
    > par(opar)
    ##使用红色实心圆圈和虚线创建了第一幅图形,并使用蓝色菱形和绿色虚线创建了第二幅图形。最后,我们还原了初始的图形参数设置
    
    ##第二幅图会掩盖第一幅图
    下面进行改善
    > par(mfrow=c(1,2))
    > plot(xiaoguo,yao1,type="b",pch=19,lty=2,col="red")
    > plot(xiaoguo,yao2,type="b",pch=23,lty=6,col="green",bg="blue")
    
    

    2、plot、qplot、ggplot简单分析

    三者作图建议参考https://blog.csdn.net/xiebin6163/article/details/70185970

    ##简单说明
    plot(mydata$a,mydata$b)
    qplot(a,b,data=mydata,geom='line'/c('line','point'))
    ##quick plot也可以qplot(mydata$a,mydata$b)
    ggplot(mydata,aes(a,b)) +geom_要绘制的图形类型point or bar or...()+labs()+…(可以加多个想要绘制的图形类型) 
    ## geom_bar(stat = 'identity')  stat=’identity’y意为不对数据做统计运算,如果这里没有这步会报错
    ## geom_histogram(binwidth = 4) binwidth参数是调节横坐标的区间,你可以任意调节你认为合适的区间
    ## (柱状图)条形图与直方图看起来相似,但是却是不一样的,条形图的x轴是一个确定的数值,而直方图是一个区间
    ## geom_point(color = "blue") #设定散点的颜色为蓝色
    ## aes()函数是ggplot2中的映射函数, 所谓的映射即为数据集中的数据关联到相应的图形属性过程中一种对应关系
    ## labs()设置图片的标题, 子标题, 引用,x轴和y轴的标题 
    eg:labs(title = "sss", subtitle = "ss", caption = "s",xlab="a",ylab="b")
    

     

    展开全文
  • R语言图形代码.pdf

    2020-12-12 11:15:22
    1颜色设置 2 plot 的参数配置 3 图形尺寸和边界尺寸 4 坐标轴 5 图例 6 文本属性 7 多图多线 8 图形组合 9 交互图形函数 10散点 11相关 12箱线图 13饼图 14条形 15直方 1颜色设置-R 预设调色板 这一系列函数...
  • R语言聚类显示不全???

    千次阅读 2020-04-13 21:08:09
    使用R语言中的聚类是,当需要聚类的数据比较时,常常出现下面的图片。这时候我们怎么办法呢。 这是变量较少的时候的: 可是当变量比较就是这样子了: 解决方式 数据处理 当遇到上述情况,可是又想可视化...

    问题描述

    使用R语言中的聚类是,当需要聚类的数据比较多时,常常出现下面的图片。这时候我们怎么办法呢。
    这是变量较少的时候的图:
    在这里插入图片描述

    可是当变量比较多就是这个样子了:
    在这里插入图片描述

    解决方式

    数据处理

    当遇到上述情况,可是又想可视化分类效果的时候怎么办呢。我们可以换一个可视化的方式,利用散点图的形状颜色大小等参数来看效果。下面贴出代码和效果图。

    library(ggplot2)  # 载入画图包
    

    用下列命令提取出类。注:fit是函数hclust聚类得到的模型,k是需要的分类的个数。

    > cutree(fit,k=4)
       [1] 1 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 1 1 1 1 1 1 1 1 2 2 3 1 3 3 3 3 2 2 1
      [36] 2 1 1 2 2 1 2 1 2 2 1 1 1 1 2 2 2 1 2 2 1 1 1 1 1 2 2 1 1 1 2 1 1 1 1
      [71] 3 3 3 3 3 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 1 2 1 1 1 2 2 2 2 2 2 2
     [106] 1 2 1 1 3 3 3 3 4 4 2 2 2 2 2 2 2 1 1 2 2 2 2 2 2 2 1 2 1 1 1 1 2 2 2
     [141] 2 1 1 2 2 2 2 2 2 2 2 1 1 2 1 1 1 1 1 4 4 4 4 4 4 1 1 2 2 1 2 2 2 2 2
     [176] 2 1 1 1 1 2 2 1 1 1 1 1 1 1 1 1 2 2 1 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1
     [211] 1 2 2 2 1 2 1 1 3 4 4 4 1 1 3 3 3 3 3 3 3 2 2 1 1 1 1 2 2 2 2 2 1 1 1
     [246] 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 2 1 2 2 1 1 1 1 2 2 2 2 1 1 1 2 2 2 2
     [281] 2 1 1 1 2 1 1 1 1 1 2 2 2 1 1 2 2 2 2 2 2 2 1 1 1 1 1 1 2 2 2 2 2 2 2
     [316] 2 1 1 1 2 1 2 2 2 2 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 1 1 1 1 1 1 1 2 2 2
     [351] 2 2 2 2 1 1 1 1 1 1 1 1 2 2 1 2 1 1 2 2 1 1 1 1 1 1 1 3 3 2 1 2 2 2 1
     [386] 1 1 1 1 1 1 1 1 1 1 1 3 3 3 4 4 1 1 1 1 3 3 1 3 1 1 3 1 1 1 1 1 1 1 1
     [421] 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 
    

    下面给出分类的代码和图片

    颜色

    ggplot(data = da) +
    geom_point(mapping = aes(x = x7, y = x8, col = as.factor(class)))
    

    在这里插入图片描述

    透明度

    ggplot(data = da) +
    geom_point(mapping = aes(x = x7, y = x8, alpha = as.factor(class)))
    

    在这里插入图片描述

    形状

    ggplot(data = da) +
    geom_point(mapping = aes(x = x7, y = x8, shape = as.factor(class)))
    

    在这里插入图片描述

    组合

    ggplot(data = da) +
    geom_point(mapping = aes(x = x7, y = x8, col = as.factor(class)
    , shape = as.factor(class), alpha = as.factor(class)))
    

    在这里插入图片描述

    展开全文
  • 甚至很多图形可以直接拿excel做(为了匹配PPT),但是R中的plot类图形不是很美观,并且最大的问题是很多数据、图形和匹配无法分离,这样的话,如果针对一个数据做多张图,或多个数据做一张会有些费劲。在学习了一...

    R里面最出名的就是ggplot作图包了,虽然现在如果利用R画图一般用自带包就可以,甚至很多图形可以直接拿excel做(为了匹配PPT),但是R中的plot类图形不是很美观,并且最大的问题是很多数据、图形和匹配无法分离,这样的话,如果针对一个数据做多张图,或多个数据做一张图会有些费劲。在学习了一段时间的ggplot之后,对ggplot作图思想有点心得,遂记录。

    关于ggplot的作图,网上很多文章中都有介绍,这里主要做个很有趣的实验,暂且叫ggplot的排列组合。

    然而为什么ggplot有排列组合呢?

    这就和ggplot的画图思想有关,关于ggplot的具体思想介绍,推荐

    https://segmentfault.com/a/1190000006120665

    这篇文章内容。

    但是为了简化内容,我其实就把ggplot分为两部分:数据和画图

    这两部分比较好理解,数据就是画图的数据,画图就数据的展示。

    所以数据的格式只有一个,比如我要画数据a,第一步

    plot_a<-ggplot(data=a)

    只有一个参数,就是data,data就是数据集。

    ok,有数据还不行,需要映射到图形中,比如以自带的mtcars数据集为例,我如果想要做散点图,那么(先不用管里面的aes,稍后会介绍)

    a<-ggplot(data=mtcars)
    a+geom_point(aes(x=drat,y=wt))

    出来的图形为
    这里写图片描述

    其实图形映射里面的内容比较复杂点,里面主要包含四要素:
    1. 图表类型

    图表类型主要就是geom_?,中问号的东西,比如散点图就是geom_point,柱状图就是geom_bar

    2. 坐标赋值

    坐标赋值就是判定图形中的横纵坐标,因为对于数据集来说,有很多列,需要进行x=?,y=?的确定,还有一些颜色、组别等设置

    3. 数据映射

    数据映射就是针对x,y统计量的统计,最基本的就是一对一映射,x是什么,y就是什么,在图上显示;还有一些分组数据,可能需要对y加总,那么就是sum,或者去重(unique)等。

    4. 相对位置

    这个相对位置是对画图过程中各图形放在一起的位置进行排列的参数,比如对于柱状图来说,堆叠、堆积百分比、簇等

    基于上面的分析,可以把ggplot的参数汇总成一个表:

    这里写图片描述
    在geom下有三个参数,这四个函数本身对应四要素:aes,stat和position对应2,3,4,geom本身对应1

    所以到这里,ggplot画图就是个排列组合,下面准备以几个常用的图形进行入手,然后看看能不能探索出很奇葩的图形,下面从散点图开始,数据均使用mtcars。

    1. 散点图
    散点图中aes中的group虽然分组,但是散点本身就是离散的,所以这个参数意义不大;先看几个情况:

    p+geom_point(aes(x=mpg,y=disp,size=gear))

    这里写图片描述

    p+geom_point(aes(x=mpg,y=disp,colour=wt,size=gear))

    这里写图片描述

    第一个图是确定x轴为mpg,y轴为disp,然后根据gear的大小进行散点size调整。

    第二个图是在第一个图的基础上,对wt列的不同颜色进行区分。

    最后一个散点图,是一个很奇葩的散点图。

    先按照第二个图的样式,并且添加一条拟合曲线,然后

    p+geom_point(aes(x=mpg,y=disp,colour=wt,size=gear))+stat_smooth(aes(x=mpg,y=disp))

    嗯,很丑
    这里写图片描述

    下周争取每天做一个奇葩图

    展开全文
  • 上一节探索了散点,但是散点好像可以编辑的点不,排列组合也不太;下面进行线图的探索1、 最简单的线图 还是借用mtcars的数据集:p(data=mtcars) p+geom_line(aes(x=wt,y=mpg))结果如: 也就是横轴为wt...
  • 在做项目的时候,发现需要次绘制散点和图例,以及计算线性回归的拟合公式和R2,为了方便处理,特编写了这函数,希望对大家有所帮助。 也欢迎大家提出报给的改进建议或者更的需求组合。具体的可视化函数如下...
  • R语言:我写的一数据可视化的函数,散点和线性回归趋势线及公式在做项目的时候,发现需要次绘制散点和图例,以及计算线性回归的拟合公式和R2,为了方便处理,特编写了这函数,希望对大家有所帮助。...
  • 本节内容包括 ...组合多个图形 1.使用图形 pdf("mygraph.pdf")#保存pdf 也可以png/jpeg/bmp/tiff/xfig...attach(mtcars) plot(wt, mpg) abline(lm(mpg-wt)) #求出回归参数,并作出线 title("Re...
  • R语言实战 Chapter3

    2016-08-24 16:02:01
    组合多个图形 3.1 使用图形 创建多个图形并随时查看每一个 1.创建一幅新图形之前,打开一个新的图形窗口 dev.new() statements to create new graph 2.通过图形界面勾选 3.dev.new/next/prev/set/off()
  • 空间数据分析与R语言实践

    热门讨论 2014-06-11 23:00:57
    8.10 其他用于插值和地统计的r语言包 8.10.1 非地统计插值 8.10.2 spatial包 8.10.3 randomfields包 8.10.4 geor包和georglm包 8.10.5 fields包 第9章 面数据和空间自相关 9.1 概述 9.2 空间邻域 9.2.1 ...
  • R语言经典实例(中+英)

    热门讨论 2014-12-03 18:46:15
    R语言经典实例(中+英) 第1章 R入门和获得帮助 7  1.1 下载和安装R软件 8  1.2 开始运行R软件 10  1.3 输入R命令 13  1.4 退出R 15  1.5 中断R正在运行的程序 16  1.6 查看帮助文档 17  1.7 获取函数的帮助...
  • R语言实战之关系展示

    2015-08-18 11:21:08
    1.展示名义变量和缺失值变量的关系 ...绘制不同季节的mxPH的直方,由于直方相似,所以收集样本时改年的季节对变量mxPH的值没有显著影响,可以用多个名义变量进行组合 histogram(~mxPH|size*sp
  • 以列表方式表示两个(或多个)变量或属性共同出现的频率。 或者是将两个属性变量的不同取值置于行和列的位置,在表格中填入变量组合取值的频数的表格。 #描述性统计Fenix summary(stock) #最小值,最大值,中位数...
  • 左图单个分类器就是上的对角线,当进行多个组合时,出现了上的折线,每个折边都是一个分类器,当有多个分类器进行组合,就会出现右图,最终达到一个曲线组合算法的优势:1、能明显提升判别准确率;2、对...
  • 昨天晚上看一本书,讲的是android中的设计模式,其中用到了很多的uml, 虽然之前自己也会点, 但是, 也没有系统的学习过;...3. 说明类的名称必须是名词,不需要前缀或后缀,可以多个名称组合,单词首字母
  • PCA

    2019-10-06 21:19:50
    R语言PCA 1、关键点 综述:主成分分析 因子分析 典型相关...主成分分析是一种通过降维技术把多个变量化成少数几个主成分的方法,这些主成分能够反映原始变量的大部分信息,他们通常表示为原始变量的线性组合。...
  • lattice继承了R语言的一糟糕特征,就是参数设置铺天盖地,足以让人窒息,光是一份xyplot()函数的帮助文档,恐怕就够我们消磨一天时间了,更重要的是,lattice仍然面向特定的统计图形,像基础图形系统一样,有直方...
  • 假设每个单词都包含一个或多个词素,这些词素可以定义为具有特定含义或语法功能的最小语言单元。 一个词可以碰到形态单一的单词,即词根,也可以碰到形态复杂的单词,例如复合词或词缀形式。 Batı-lı-laş-tır-...
  • 假设每个单词都包含一个或多个词素,这些词素可以定义为具有特定含义或语法功能的最小语言单元。 一个词可以碰到形态单一的单词,即词根,也可以碰到形态复杂的单词,例如复合词或词缀形式。 Batı-lı-laş-tır-...
  • 课程目录: 第1章: 数据分析师先导篇 任务1: 数据分析的概念 ...任务299: 为什么要学习R语言R语言的引入及R语言概述 任务300: R 安装、基本使用(HelloWorld程序及函数和对象初步认识) 任务...
  • Monitor 是在“完全控制”或“仅限查看”连接模式,若远程PC有多个监视器,可指定显示其中某个监视器上的图像。比如:/monitor"\\.\DISPLAY1"。注意:只能指定在已连接窗口的菜单中显示出来的监视器; Sendrequest...
  • 入门学习Linux常用必会60命令实例详解doc/txt

    千次下载 热门讨论 2011-06-09 00:08:45
    不同Linux发行版的命令数量不一样,但Linux发行版本最少的命令也有200多个。这里笔者把比较重要和使用频率最多的命令,按照它们在系统中的作用分成下面六个部分一一介绍。 ◆ 安装和登录命令:login、shutdown、...
  • 与Java和Perl不同,你不必把头埋进100页的文档中努力学习才可以写出一象样的程序。只要了解一些基本的语法和语言特色,你就可以开始你的PHP编码之旅了。之后你在编码过程中如果遇到了什么麻烦,还可以再去翻阅...
  • 即将推出更功能: 投资组合管理 报告与分析 技术功能,语言和库 特征 密码加密 用户会话 用户权限 Quandl API Manage.py命令 移动和桌面优化的GUI 语言能力 Python HTML CSS JavaScript 图书馆 jQuery查询 ...
  • 上次搞定了R语言对一列的值做emd然后输出所有imf的组合图,下面尝试处理列数值。 #绘制所有省份最高值的最后一IMF # 读取数据 load <- data.frame(read.csv("最高.csv")) # 取对数 length(load) load[,2:...
  • 两个阶段都遵循 MapReduce 结构,沿着管理不同信息块的多个处理单元分配所有所需的计算,以适当的方式聚合获得的结果。 1:在 Chi-FRBCS-BigDataCS 中如何组织知识库构建的流程。 参考 V. López、S. Río、...

空空如也

空空如也

1 2 3 4 5 ... 8
收藏数 153
精华内容 61
关键字:

r语言多个图组合