精华内容
下载资源
问答
  • R语言中qplot()的用法

    千次阅读 2017-05-24 20:57:28
    ggplot2()函数ggplot2是一个强大的作图工具,它可以让你不受现有图形类型的限制,创造出任何有助于解决你所遇到问题的图形。...它的用法和R base包的plot函数很相似。qplot()参数qplot(x, y = NULL

    ggplot2()函数

    ggplot2是一个强大的作图工具,它可以让你不受现有图形类型的限制,创造出任何有助于解决你所遇到问题的图形。

    qplot()

    qplot()属于ggplot2(),可以理解成是它的简化版本。
    qplot 即“快速作图”(quick plot),顾名思义,能快速对数据进行可视化分析。它的用法和R base包的plot函数很相似。

    qplot()

    参数

    qplot(x, y = NULL, ..., data, facets = NULL,
          margins = FALSE, geom = "auto", stat = list(NULL),
          position = list(NULL), xlim = c(NA, NA),
          ylim = c(NA, NA), log = "", main = NULL,
          xlab = deparse(substitute(x)),
          ylab = deparse(substitute(y)), asp = NA)

    各项参数详解

    1.x, y:变量名
    2.data: 为数据框(data.frame)类型;如果有这个参数,那么x,y的名称必需对应数据框中某列变量的名称
    3.facets: 图形/数据的分面。这是ggplot2作图比较特殊的一个概念,它把数据按某种规则进行分类,每一类数据做一个图形,所以最终效果就是一页多图
    4.margins: 是否显示边界
    5.geom: 图形的几何类型(geometry),这又是ggplot2的作图概念。ggplot2用几何类型表示图形类别,比如point表示散点图、line表示曲线图、bar表示柱形图等。
    6.stat: 统计类型(statistics),这个更加特殊。直接将数据统计和图形结合,这是ggplot2强大和受欢迎的原因之一。
    7.position: 图形或者数据的位置调整,这不算太特殊,但对于图形但外观很重要
    8.xlim, ylim, 设置轴的上下限
    9.xlab, ylab, 在x,y轴上增加标签
    10.asp: 图形纵横比

    qplot做散点图

    使用向量数据

    plot函数一样,如果不指定图形的类型,qplot默认做出散点图。对于给定的x和y向量做散点图,qplot用法也和plot函数差不多

    > library(ggplot2)
    > x <- 1:1000
    > y <- rnorm(1000)
    > plot(x, y, main="Scatter plot by plot()")
    > qplot(x,y, main="Scatter plot by qplot()")

    这里写图片描述
    这里写图片描述

    使用数据框数据

    虽然可以直接使用向量数据,但ggplot2更倾向于使用数据框类型的数据作图。使用数据框有几个好处:数据框可以用来存储数值、字符串、因子等不同类型等数据;把数据放在同一个R数据框对象中可以避免使用过程中数据关系的混乱;数据外观的整理和转换方便。ggplot2中使用数据框作图的最直接的一个效果就是:你可以直接用数据的分类特性(数据框中的列变量)来决定图形元素的外观,这个过程在ggplot2中称为映射(mapping),是自动的。
    在演示使用数据框作图的好处之前我们先了解以下ggplot2提供的一组有关钻石的示范数据 diamonds:

    > str(diamonds)
    Classes ‘tbl_df’, ‘tbl’ and 'data.frame':   53940 obs. of  10 variables:
     $ carat  : num  0.23 0.21 0.23 0.29 0.31 0.24 0.24 0.26 0.22 0.23 ...
     $ cut    : Ord.factor w/ 5 levels "Fair"<"Good"<..: 5 4 2 4 2 3 3 3 1 3 ...
     $ color  : Ord.factor w/ 7 levels "D"<"E"<"F"<"G"<..: 2 2 2 6 7 7 6 5 2 5 ...
     $ clarity: Ord.factor w/ 8 levels "I1"<"SI2"<"SI1"<..: 2 3 5 4 2 6 7 3 4 5 ...
     $ depth  : num  61.5 59.8 56.9 62.4 63.3 62.8 62.3 61.9 65.1 59.4 ...
     $ table  : num  55 61 65 58 58 57 57 55 61 61 ...
     $ price  : int  326 326 327 334 335 336 336 337 337 338 ...
     $ x      : num  3.95 3.89 4.05 4.2 4.34 3.94 3.95 4.07 3.87 4 ...
     $ y      : num  3.98 3.84 4.07 4.23 4.35 3.96 3.98 4.11 3.78 4.05 ...
     $ z      : num  2.43 2.31 2.31 2.63 2.75 2.48 2.47 2.53 2.49 2.39 ...

    可以看到这是数据框(data.frame)类型,有10个变量(列),每个变量有53940个测量值(行)。第一列为钻石的克拉数(carat),为数字型数据;第二列为钻石的切工好坏(cut),为因子类型数据,有5个水平;第三列为钻石颜色(color),为7水平的因子;后面还有其他数据。由于数据太多,我们只取前7列的100个随机观测值。数据基本就是我们平时记录原始数据的样式:

    > set.seed(1000) # 设置随机种子,使随机取样具有可重复性
    > datax<- diamonds[ seq(1,7)]
    > head(datax, 4)
    ##       carat   cut color clarity depth table price
    ## 17686  1.23 Ideal     H     VS2  62.2    55  7130
    ## 40932  0.30 Ideal     E     SI1  61.7    58   499
    ## 6146   0.90  Good     H     VS2  61.9    58  3989
    ## 37258  0.31 Ideal     G    VVS1  62.8    57   977

    如果要做钻石克拉和价格关系的曲线图,用plot和qplot函数都差不多:

    plot(x=datax$carat, y=datax$price, xlab="Carat", ylab="Price", main="plot function")
    qplot(x=carat, y=price, data=datax, xlab="Carat", ylab="Price", main="qplot function")

    这里写图片描述
    这里写图片描述
    但如果要按切工进行分类作图,plot函数的处理就复杂了,你首先得将数据进行分类提取,然后再一个个作图。虽然可以用循环完成,但作图后图标的添加还得非常小心,你得自己保证数据和图形外观之间的对应关系:

    plot(x=datax$carat, y=datax$price, xlab="Carat", ylab="Price", main="plot function", type='n')
    cut.levels <- levels(datax$cut)
    cut.n <- length(cut.levels)
    for(i in seq(1,cut.n)){
      subdatax <- datax[datax$cut==cut.levels[i], ]
      points(x=subdatax$carat, y=subdatax$price, col=i, pch=i)
    }
    legend("topleft", legend=cut.levels, col=seq(1,cut.n), pch=seq(1,cut.n), box.col="transparent", cex=0.8)

    这里写图片描述
    但用ggplot2作图你需要考虑数据分类和图形元素方面的问题就很少,你只要告诉它用做分类的数据就可以了:

    qplot(x=carat, y=price, data=datax, color=cut, shape=cut, main="qplot function")

    这里写图片描述

    qplot做曲线图

    和plot函数一样,qplot也可以通过设置合适的参数产生曲线图,这个参数就是geom(几何类型)。图形的组合非常直接,组合表示几何类型的向量即可:

    qplot(x=carat, y=price, data=datax, color=cut, geom="line", main="geom=\"line\"")
    qplot(x=carat, y=price, data=datax, color=cut, geom=c("line", "point"), main="geom=c(\"line\", \"point\")")

    这里写图片描述
    这里写图片描述

    展开全文
  • R语言 qplot

    2017-07-19 23:16:00
    qplot 的意思是quick plot,是属于ggplot2包的一部分,使用时需先加载包。 qplot参数: qplot(x, y = NULL, ..., data, facets = NULL, margins = FALSE, geom = "auto", xlim = c(NA, NA), ylim = c(NA, NA),...

    qplot 的意思是quick plot,是属于ggplot2包的一部分,使用时需先加载包。

    qplot参数:

    qplot(x, y = NULL, ..., data, facets = NULL, margins = FALSE,
          geom = "auto", xlim = c(NA, NA), ylim = c(NA, NA), log = "",
          main = NULL, xlab = deparse(substitute(x)),
          ylab = deparse(substitute(y)), asp = NA, stat = NULL, position = NULL)
    

    其中:x和y表示x轴与y轴
    facets表示分页:row_var~col_var
    geom表示几何对象:
    ##geom = "point" 散点图
    ##geom = "smooth" 拟合平滑曲线
    ##geom = "path" 连线(任意方向)
    ##geom = "line" 连线(从左到右)

    ##一维数据
    ##连续变量
    ##geom = "histogram" 直方图
    ##geom = "freqpoly" 频率多边图
    ##geom = "density" 密度曲线
    ##离散变量
    ##geom = "bar" 条形图
    xlim和ylim表示x轴与y轴的取值范围
    log表示一个字符型向量,说明哪一个坐标轴应该取对数。(log="x"表示对x轴取对数,log="xy"表示对xy轴取的对数)
    main表示图形的主标题,可以是字符串(main="plot title")或者一个表达式。
    xlab与ylab表示x轴和y轴的文字标签,参数与main一样
    ...

     

    测试:

    #install.packages("ggplot2")
    library(ggplot2)
    ##使用数据集diamonds
    head(diamonds)
    set.seed(1410) ##让样本可重复
    dsmall<- diamonds[sample(nrow(diamonds),100),] ##抽取100行
    
    qplot(carat , price , data = diamonds) ##观察图形成指数增长
    qplot(log(carat) , log(price) , data = diamonds) ##将数据对数化
    
    qplot(carat , price , data = dsmall , colour =color) ##set颜色
    qplot(carat , price , data = dsmall , shape =cut) ##设置形状
    
    qplot(carat , price , data = diamonds) ##观察图形重叠度太高,因此设置透明度,使重叠度高的地方变深色
    qplot(carat , price , data = diamonds , alpha = I(1/10)) ##其中1/10表示经过10次重叠之后颜色变得不透明
    qplot(carat , price , data = diamonds , alpha = I(1/100)) 
    qplot(carat , price , data = diamonds , alpha = I(1/200)) 
    
    ##qplot的集合对象
    ##二维数据
    ##geom = "point"    散点图
    ##geom = "smooth"   拟合平滑曲线
    ##geom = "path"     连线(任意方向)
    ##geom = "line"     连线(从左到右)
    
    ##一维数据
    ##连续变量
    ##geom = "histogram" 直方图
    ##geom = "freqpoly"  频率多边图
    ##geom = "density"   密度曲线
    ##离散变量
    ##geom = "bar"   条形图
    
    
    ##平滑曲线
    ##如果散点图中的数据太多,则不容易看出趋势,此时可以添加一条平滑曲线。
    qplot(carat ,  price , data = dsmall , geom = c("point","smooth")) ##注意几何对象会根据c()的顺序进行堆叠
    qplot(carat , price , data = diamonds , geom = c("smooth","point")) ##先画smooth会使其被覆盖
    
    ##曲线平滑程度,使用参数span控制,取值0(很不平滑)~ 1(很平滑)
    qplot(carat ,  price , data = dsmall , geom = c("point","smooth") , span = 0.2)  
    qplot(carat ,  price , data = dsmall , geom = c("point","smooth") , span = 1)  
    
    ##平滑曲线的灰色区间为置信区间
    qplot(carat ,  price , data = dsmall , geom = c("point","smooth") , se = FALSE)  ##如果不想绘制标准误差,可以使用se=FALSE
    
    ##平滑器的使用
    ##n小于等于1000时,默认使用method = "loess",使用的是局部回归的方法。
    ##n大于1000时,默认使用method = "gam",formula=y~s(x)来调用mgcv包拟合一个广义可加模型。
    
    qplot(carat ,  price , data = dsmall , geom = c("point","smooth") , method ="lm" ) ##使用现行模拟,得到一条直线
    
    ##rlm与lm类型,当使用更稳健的拟合算法,使得结果对异常值不敏感。(需要加载MASS包)
    library("MASS")
    qplot(carat ,  price , data = dsmall , geom = c("point","smooth") , method ="rlm" )
    
    ##箱线图和扰动点图
    ##如果一个数据集中包含了一个分类变量和一个或多个变量,并且想知道连续变量会如何随着分类变量水平变化而变化。
    qplot(color , price/carat , data = diamonds , geom = "jitter" , alpha = I(1/5) ) ##扰动点图
    qplot(color , price/carat , data = diamonds , geom = "jitter" , alpha = I(1/50)) ##降低透明度,查看数据集中的区域
    
    qplot(color , price/carat , data = diamonds , geom = "boxplot") ##箱线图(显示4分位点以及异常点)
    qplot(color , price/carat , data = diamonds , geom = "boxplot" , colour = color)  ##修改框架颜色
    qplot(color , price/carat , data = diamonds , geom = "boxplot" , fill = color)  ##修改填充
    
    
    ##直方图和密度曲线图
    ##直方图和密度曲线可以展示单个变量的分布,相对与箱线图而言,他们提供了更多的关于单个分布的信息,但他们不太容易在不同组之间进行比较
    qplot(carat , data = diamonds , geom ="histogram" ) ##直方图
    qplot(carat , data = diamonds , geom ="density") ##密度图
    qplot(carat , data = diamonds , geom ="density" , color = color) ##密度图,设置颜色
    
    ##对于密度曲线而言,adjust参数控制了曲线的平滑程度(adjust取值越大,曲线越平滑)
    qplot(carat , data = diamonds , geom ="density" , adjust = 1)
    qplot(carat , data = diamonds , geom ="density" , adjust = 2)
    qplot(carat , data = diamonds , geom ="density" , adjust = 3)
    
    ##对于直方图而言,binwith参数通过设定组距来调节平滑度
    ##在直方图中,应该尝试多种组距,当组距较大时,图形能反映数据的总体特征;组距较小时,则能显示出更多的细节
    qplot(carat , data = diamonds , geom ="histogram" , binwidth =1 , xlim =c(0,3))
    qplot(carat , data = diamonds , geom ="histogram" , binwidth =0.1 , xlim =c(0,3))
    qplot(carat , data = diamonds , geom ="histogram" , binwidth =0.01 , xlim =c(0,3))
    
    ##条形图,在离散变量的情形下,条形图与直方图相类似
    qplot(color , data = diamonds , geom = "bar")
    qplot(color , data =diamonds , geom = "bar" , weight = carat) + scale_y_continuous("carat") ##按wight=carat进行加权,展示了每种颜色的总量
    
    ##线条图与路径图(一般用于时间序列)
    str(economics)
    qplot(date , unemploy/pop , data = economics ,geom = "line")
    qplot(date , uempmed , data = economics , geom ="line")
    
    ##分组,图形的分组可以利用图形属性(颜色和形状)进行,可以将所有组绘制在同一张图中,也可以进行分面
    ##分面:可以通过形如row_var~col_var的表达式进行指定,如果只想要指定一行或一列可以使用.作为占位符,例如row_var~.会创建一个单列多行的图形矩阵
    qplot(carat , data = diamonds , facets = color~. , 
          geom ="histogram" , 
          binwidth =0.1 , 
          xlim = c(0,3)
          )
    
    qplot(carat , data = diamonds , facets = color~cut , 
          geom ="histogram" , 
          binwidth =0.1 , 
          xlim = c(0,3)
    )
    
    ##..density..表示将密度而不是频数映射到y轴
    qplot(carat , ..density.. , data = diamonds , facets = color~. , 
          geom ="histogram" , 
          binwidth =0.1 , 
          xlim = c(0,3)
    )
    

      

     

    转载于:https://www.cnblogs.com/jerry13/p/7208703.html

    展开全文
  • R语言分组画条形图——qplot

    万次阅读 2020-04-09 19:19:44
    R语言对于统计图的绘制可以说是非常有效了,本文使用ggplot2包里的qplot函数绘制条形图。大家一快学习使用。那个对ggplot2语法不了解的同学也可以前来参观。因为该案例不会涉及太对的语法。 1、数据简介 本文的数据...

    00引言

    R语言对于统计图的绘制可以说是非常有效了,本文使用ggplot2包里的qplot函数绘制条形图。大家一块学习使用。那个对ggplot2语法不了解的同学也可以前来参观。因为该案例不会涉及太多的语法。

    1、数据简介

    本文的数据来自狗熊会熊大给熊粉的公开数据,关于网络暴力的调查问卷一份。尽管像spss、sas等统计软件等对调查问卷的分组已经很优秀了,但是作为R的忠实粉还是想用ggplot2来实现,废话不多说上案例。
    具体的数据介绍这里就不贴出来了,贴上链接用到自取。

    2、案例

    2.1变量展示

    虽然具体的数据不展示,但是用到的数据集合还是需要介绍以下的。本文主要对性别、生源地、对网络BL的认知三个问题11变量进行可视化(不要问我为啥11个变量,去做个问卷就知道啦)

    项目Value
    ★ 性别分类变量,1代表男,2代表女;
    ★ 生源地分类变量,分为乡镇、县区、市区3个类别,其中:1代表乡镇,2代表县区,3代表市区;
    ★ 对网络BL的认知分类变量,了解人们对网络BL的认识;其中:1代表MM他人,2代表未经当事人同意私自在网络上公布他人信息的行为,3代表发布未经证实的视频和图片、SDYL,4代表对他人恶意DH,5代表RRSS,6代表其他;

    2.2数据读入与整理

    # 数据读入并改名字
    Data <- read.csv("data.csv", header = T)[,-1]
    colnames(Data) <- paste0("x", 1:34)
    
    # 取出数据
    da = Data[,6:11]
    n <- dim(da)[1];p = dim(da)[2]
    # 生成选项
    option <- as.factor(rep(LETTERS[1:p], each = n))
    # 拼接六个数据选项数
    nda <- c()
    for(i in 1:p){
      nda <- c(nda, da[,i])
    }
    
    # 构造数据框
    da = data.frame(dat = nda,选项 = option, 性别 = as.factor(Data[,1]),生源地 = as.factor(Data[,3]))
    

    下面看一眼整理好的数据框

    > head(da,10)
       dat 选项 性别 生源地
    1    0    A    2      3
    2    1    A    2      2
    3    1    A    2      1
    4    1    A    1      3
    5    1    A    2      2
    6    0    A    2      3
    7    1    A    1      3
    8    0    A    2      3
    9    0    A    2      1
    10   1    A    2      1
    > tail(da,6)
        dat 选项 性别 生源地
    811   0    F    1      3
    812   0    F    1      2
    813   1    F    1      1
    814   1    F    1      2
    815   0    F    2      2
    816   0    F    1      1
    

    数据属性也搂一眼

    > dim(da)
    [1] 816   4
    > class(da)
    [1] "data.frame"
    > dim(da)
    [1] 816   4
    

    2.3画图

    qplot(interaction(dat, 选项), data = da, geom = "bar", fill = n,main = "性别")
    

    在这里插入图片描述

    qplot(interaction(dat, 选项), data = da, geom = "bar", fill = q,main = "生源地")
    

    在这里插入图片描述

    qplot(interaction(dat, 选项), data = da, geom = "bar", fill = interaction(n,q),main = "性别和生源地")
    

    在这里插入图片描述

    2.4居中标题

    下面就不上代码了,直接贴图
    在这里插入图片描述

    2.5全家福

    在这里插入图片描述

    展开全文
  • R语言-ggplot qplot作图

    千次阅读 2016-07-24 23:18:51
    转载地址:... qplot()函数的详细用法: library(ggplot2) # 测试数据集,ggplot2内置的钻石数据 qplot(carat, price, data = diamonds) dsmall #1. 按color,size,shape的基本分类可视化

    转载地址:https://www.douban.com/note/210758237/


    qplot()函数的详细用法:


    library(ggplot2)


    # 测试数据集,ggplot2内置的钻石数据
    qplot(carat, price, data = diamonds)
    dsmall <- diamonds[sample(nrow(diamonds), 100), ]   #对diamonds数据集进行抽样


    #1. 按color,size,shape的基本分类可视化


    #1.1 简单的散点图(利用color分类,不同颜色的钻石由不同颜色的点代表)
    qplot(carat, price, data = dsmall, colour = color)



    #1.2. 简单的散点图(利用shape分类,不同的切割方式由不同形状的点代表)
    qplot(carat, price, data = dsmall, shape = cut)



    #2. 绘制不同类型的图表:geom参数


    qplot(x,y,data=data,geom="")中的geom=""用来控制输出的图形类型
    I. 两变量图
    (1) geom="points",默认参数,绘制散点图(x,y)
    (2) geom="smooth" 绘制平滑曲线(基于loess, gam, lm ,rlm,glm)
    (3) geom="boxplot" 绘制箱线图 ,当x为属性变量(factor),y为数值变量时


    II.单变量图
    (4) geom="histogram",直方图
    (5) geom="density",核密度估计图
    (6) geom="bar",条形图barchart


    III.时间序列
    (7) geom="line",折线图,可用于时间序列(当x=date)
    (8) geom="path",路径图(参见后文)




    # 2.1 同时绘制散点图+平滑直线
    qplot(carat, price, data = dsmall, geom=c("point","smooth"))



    #参数调整:method=""等
    #(a). method = "loess", 默认平滑算法,  通过span=调整窗宽, span=0(波动) 到 span=1(光滑)
    qplot(carat, price, data = dsmall, geom = c("point", "smooth"),
          method = "loess",span=0.2)





    # (b). method = "gam": GAM 在大数据时比loess高效,需要载入 mgcv 包
    library(mgcv)
    qplot(carat, price, data = dsmall, geom = c("point", "smooth"),
          method="gam", formula = y ~ s(x))


    # (c). method="lm", 线性平滑
    qplot(carat, price, data = dsmall, geom = c("point", "smooth"),
         method = "lm")


    # method="lm",formula = y ~ ns(x, 3),三次自然样条,需要载入splines包
    library(splines)
    qplot(carat, price, data = dsmall, geom = c("point", "smooth"),
          method = "lm", formula = y ~ ns(x, 3))


    # method = "rlm", robust linear model, 受异常值影响小,需要载入MASS包
    library(MASS)
    qplot(carat, price, data = dsmall, geom = c("point", "smooth"),
          method = "rlm")




    # 2.2:x为属性变量,y为连续变量,绘制boxplot
    qplot(color, price/carat, data=diamonds,geom="boxplot")


    # 2.3:单变量,直方图
    qplot(carat, data = diamonds, geom = "histogram")




    #2.4: 单变量,核密度估计图
    qplot(carat, data = diamonds, geom = "density")



    # 按不同颜色绘制的density图
    qplot(carat, data = diamonds, geom = "density",colour=color)





    # 2.5 条形图(柱状图)
    #计数,求count(color)
    qplot(color, data = diamonds, geom = "bar") 


    #加权,对每个求sum(carat),类似于excel里的数据透视图,按不同的color计算carat的总和
    qplot(color, data = diamonds, geom = "bar", weight = carat)  



    #2.6. Time-series
    qplot(date, unemploy / pop, data = economics, geom = "line")




    #2.7. Path plot
    #如果要查看失业率(unemploy / pop)与平均失业时间(uempmed)之间的关系,一个方法是利用散点图,但是这样做就会导致无法观察到随时间变化的趋势了,path plot利用颜色深浅来代表年份,随着颜色从浅蓝变成深蓝,可以观察到失业率与失业时间的关系的变化趋势。


    #具体实现:先自定义函数year(),将字符串格式的时间转化为年
    year <- function(x) as.POSIXlt(x)$year + 1900 


    #画出path plot,颜色按年份由浅到深
    qplot(unemploy / pop, uempmed, data = economics,
          geom = "path", colour = year(date))




    展开全文
  • p1=qplot(veh, middle, data = B,geom = "smooth", main = "smooth") p2=qplot(veh,out,data = B,geom = "smooth", main = "smooth") grid.arrange(p1,p2, nrow=2)![图片说明]...
  • R语言中的plot函数有点类似,qplot()函数前两个参数也是x,y,代表图的x,y坐标。还可以用data参数来指定数据,作用类似于attach()library(ggplot2) qplot(carat,price,data=diamonds) qplot函数同时也支持将...
  • qplot() :参数包括美学属性、几何体、面、统计、坐标系、主题这些层次。 ggplot() :本身不能实现,需要添加层才可以。 library(ggplot2) qplot(Wind,Temp,data=airquality,color=Month) 每个月份的数据用不同的...
  • R语言绘图(1)-qplot

    2020-04-02 20:47:17
    qplot( x, y, …, data, facets = NULL, margins = FALSE, geom = “auto”, xlim = c(NA, NA), ylim = c(NA, NA), log = “”, main = NULL, xlab = NULL, ylab = NULL, asp = NA, stat = NULL, position = NULL )....
  • R语言-ggplot实战系列(一): 一行代码作出n种图的qplot()函数 Q:如何用一个函数绘制出不同类型的图呢? A:qplot()一行代码帮你解决boxplot, scatterplot, smoother plot, historgram … 请记住!ggplot2的快速做图...
  • R语言使用ggplot2包的快速可视化函数qplot绘制分组直方图(分组颜色设置)实战 目录 R语言使用ggplot2包的快速可视化函数qplot绘制分组直方图(分组颜色设置)实战 #仿真数据 #qplot函数的语法 #qplot函数...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 714
精华内容 285
关键字:

r语言中qplot