精华内容
下载资源
问答
  • r语言 col_R 语言基础

    2020-11-11 12:10:44
    R语言基本操作 (1)用Rproject管理目录 之后的操作就很easy,根据需要选择,最后在相应的文件夹里就可以直接打开新建的project.(感觉和windows上的那个新建文件夹差不多) 搞定! (2)显示文件列表dir()按上箭头“PgUp...

    这是生信学习的第4

    85496c5014698214d4777764da43b5af.png

    1. 准备工作

    (1)查看电脑用户名是中文&英文

    e297445e8d898dba800251915805aaa7.png
    ce2decb58db03ba147aaaeddd42da001.png
    查看用户名

    (2)中文名解决方法https://mp.weixin.qq.com/s__biz=MzU4NjU4ODQ2MQ==&mid=2247486148&idx=1&sn=11481e6e83c7c88347fbd70b13a4a401&chksm=fdf84286ca8fcb90788213cc54f4ca03afef0a701d65c143679e6dfd4636f934e682d66d47d7&scene=21#wechat_redirect

    (3)下载R和Rstudio
    https://mp.weixin.qq.com/s?src=11×tamp=1586414075&ver=2267&signature=hAdt6G9ubwVq-lcIZx9Jdfp0Rq0QtMZ7jDQic4--30i8l5*T3gCzu-UgQcmExaYCx6VsgokAn*Sr7vb58Z1PQ4vpKX55x2Eft4-RQW6YLZNVUpSq2EP45AXjRLIx4hX-&new=1

    2. 认识R和Rstudio

    先做两个简单的图

    plot(rnorm(50))
    6bf8670f7fdce3a81ed1dc6ce6cd1b58.png

    1. 关于plot:
    · R语言plot作图参数
    https://www.jianshu.com/p/baa6b9da31ba· R语言plot函数参数集合
    https://www.cnblogs.com/wutongyuhou/p/5873056.html· R中的画图函数——plot()
    https://www.cnblogs.com/malt927/p/6055249.html2. 关于runif:
    R语言中的runif()函数用于生成从0到1区间范围内的服从正态分布的随机数,每次生成的值都不一样 生成随机数https://blog.csdn.net/zhyoulun/article/details/46413727
    $Sepal.Length~iris
    817ad69a28f6475af5b127faf53caa74.png

    3. 设置字体大小

    Tools —— Global Options —— Appearance

    7367cc6f3bf974867561e06f97e67485.png

    4. R语言基本操作

    (1)用Rproject管理目录

    1038b5535e0f85d8bbe802748fe097d9.png

    之后的操作就很easy,根据需要选择,最后在相应的文件夹里就可以直接打开新建的project.(感觉和windows上的那个新建文件夹差不多)
    60a8d3352c3b4538436d066a7b57770b.png
    13e6c7ad3242275e5c528dbaff86af0c.png
    109f9c8626119ff3159976b2e292f4b6.png
    搞定!

    (2)显示文件列表dir()按上箭头“PgUp”直接出来

    > dir()
     [1] "acad.err"            
     [2] "Apowersoft"          
     [3] "desktop.ini"         
     [4] "Drawing1.dwl"        
     [5] "Drawing1.dwl2"       
     [6] "Drawing1_recover.dwg"
     [7] "My Music"            

    直接打命令,不加路径——显示默认路径,相当于linux中的ls(我把它放桌面的所以桌面文件夹就出来啦!)

    (3)加减乘除直接输入回车

    3+

    (4)赋值 
    也可以按Alt加上减号

    > x> x
    [1] 3
    4953e493f1ee8a9341c09d90b7f0c541.png
    8d3843d79d3e68545de8b67c856bf0b0.png
    来源:生信星球

    (5)删除变量

    >
    251686876643e87c3acd265b59c7ddb9.png
    括号不要打成中文了

    (6)列出历史命令history()或者直接点击右上角history

    4fd67c5f721bb3f4317b15a610c63cca.png

    (7)清空控制台ctrl + l

    585cf6958592e1fdbefccb99502438c1.gif

    展开全文
  • 原文链接:R语言-增加图例 - 哈密瓜不甜 - 博客园​www.cnblogs.comlegend()函数> plot(rain$Tokyo,type="l",col="red", + ylim=c(0,300), + main="Monthly Rainfall in major cities", + xlab="Month of Year...

    原文链接:

    R语言-增加图例 - 哈密瓜不甜 - 博客园​www.cnblogs.com
    v2-b61568067619112dc5b49f55e9b1f5d1_ipico.jpg

    legend()函数

    > plot(rain$Tokyo,type="l",col="red", 
    + ylim=c(0,300), 
    + main="Monthly Rainfall in major cities", 
    + xlab="Month of Year", 
    + ylab="Rainfall (mm)", 
    + lwd=2) 
    > lines(rain$NewYork,type="l",col="blue",lwd=2) 
    > lines(rain$London,type="l",col="green",lwd=2) 
    > lines(rain$Berlin,type="l",col="orange",lwd=2) 

    v2-44d1286414707d802ede96eb2d8b454b_b.jpg

    1.第一种样式

    > legend("topright",                                    #图例位置为右上角
    + legend=c("Tokyo","NewYork","London","Berlin"),        #图例内容
    + col=c("red","blue","green","orange"),                 #图例颜色
    + lty=1,lwd=2)                                          #图例大小 

    v2-04814fa956bdd0988bf04634aa090ba1_b.jpg

    2.第二种样式

    > legend("top",                                        #图例位置为上方
    + legend=c("Tokyo","NewYork","London","Berlin"), 
    + ncol=4, 
    + cex=0.8, 
    + bty="n", 
    + col=c("red","blue","green","orange"), 
    + lty=1,lwd=2)  

    v2-d34bfde1156e62332543f78eb5dbc213_b.jpg
    展开全文
  • R语言绘制聚类树示例层次聚类(hierarchical clustering)常见两种形式,“自底向上”的聚合策略(层次聚合)或“自顶向下”的分拆策略(层次分划),结果一般以聚类树表示,它表示将对象或聚类群连接在一起的层次结构。...
    a47907103bcff74ddb0ef4b5bc2d5b95.png R语言绘制聚类树示例 fccc4953b9aeaeb753bb5e80e9287f4f.png 层次聚类(hierarchical clustering)常见两种形式,“自底向上”的聚合策略(层次聚合 )或“自顶向下”的分拆策略(层次分划 ),结果一般以聚类树表示,它表示将对象或聚类群连接在一起的层次结构。在聚类树中,分支的高度代表了距离的远近。 48aecb4663ce9b9bdd78a2989f6d2e61.png

    对于节点周围分支的方向,大多数层次聚类方法中都可以任意调整顺序;少数方法如TWINSPAN,对象的排列顺序和其分类特征密切相关,分支方向不可随意调整。

    fe2707808561a4ff4160f50e2621de5e.png

    在前文简介层次聚合分类时,已经在R中展示了聚类树的一些简单调整方法,本篇继续作为延伸,展示一些更详细的可视化方案。

    示例数据和R代码的百度盘链接:

    https://pan.baidu.com/s/1ysLxEr4kOP8kEAg8HdPYEg

     

    层次聚类

    示例数据为来自16S测序所得的15个样本的细菌OTU丰度表,首先执行层次聚类识别样本归类。

    #读取 OTU 丰度表
    dat dat  
    #样本分组文件
    group  
    #计算样本间距离,以群落分析中常用的 Bray-curtis 距离为例
    dis_bray  
    #层次聚类,以 UPGMA 为例
    upgma upgma
    plot(upgma, main = 'UPGMA\n(Bray-curtis distance)', sub = '', xlab = 'Sample', ylab = 'Height')

    0f5014797a23b3c18fea21671806a805.png

    接下来,展示一些可能用到的聚类树调整方案。

    注:下文所展示的方法仅为树状图本身的调整。其它组合类型的样式,如聚类树+柱形图、聚类树+热图、聚类树+排序图等,将放在后续的教程中绘制。

     

    直接在plot()作图时添加参数调整

    基本的参数调整已在层次聚合分类时提到,以下是继续延伸的内容。

    #将样本高度保持在同一水平,以下两种方法都可以
    par(mfrow = c(1, 2))
    plot(upgma, hang = -1, main = 'UPGMA\n(Bray-curtis distance)', sub = '', xlab = 'Sample', ylab = 'Height')
    plot(as.dendrogram(upgma), main = 'UPGMA\n(Bray-curtis distance)', sub = '', xlab = 'Sample', ylab = 'Height')

    0d624138a7e2767b6463584deb83194a.png

    #三角形的聚类树
    plot(as.dendrogram(upgma), type = 'triangle')

    d1ba7997a55497fbe0c1546260e3908f.png

    #给样本标记颜色,可以根据聚类后的簇进行标记,也可以根据先验分组标记
    #这里按先验分组标记
    clusMember names(clusMember) labelColors  
    #标记颜色
    colLab     if (is.leaf(n)) {
            a         labCol         attr(n, 'nodePar')     }
        n
    }
    clusDendro  
    #聚类树
    plot(clusDendro, main = 'UPGMA\n(Bray-curtis distance)', sub = '', xlab = 'Sample', ylab = 'Height')

    985350a20587f6cb6193c1d075ebfb01.png

    #配合 R 的其它基础作图函数使用,可自定义更改聚类树主题,例如
    #绘制聚类树主体
    op plot(upgma, col = '#487AA1', col.main = '#45ADA8', col.lab = '#7C8071', 
        col.axis = '#F38630', lwd = 3, lty = 3, sub = '', hang = -1, axes = FALSE)
    #高度刻度轴
    axis(side = 2, at = seq(0, 0.5, 0.1), col = '#F38630', labels = FALSE, lwd = 2)
    mtext(seq(0, 0.5, 0.1), side = 2, at = seq(0, 0.5, 0.1), line = 1, col = '#A38630', las = 2)

    3fb4afb5eb2a36b61a6627cfcaed7ff8.png

    #用基础作图函数绘制进化树,github 上弄到的,又自己改了下,然后原出处找不到了......
    treeplot   treeline   {
        meanpos = (pos1[1] + pos2[1]) / 2
        segments(y0 = pos1[1] - 0.4, x0 = -pos1[2], y1 = pos1[1] - 0.4, x1 = -height,  col = col1,lwd = 2)
        segments(y0 = pos1[1] - 0.4, x0 = -height,  y1 = meanpos - 0.4, x1 = -height,  col = col1,lwd = 2)
        segments(y0 = meanpos - 0.4, x0 = -height,  y1 = pos2[1] - 0.4, x1 = -height,  col = col2,lwd = 2)
        segments(y0 = pos2[1] - 0.4, x0 = -height,  y1 = pos2[1] - 0.4, x1 = -pos2[2], col = col2,lwd = 2)
      }
      plot(0, type = 'n', xaxt = 'n', yaxt = 'n', frame.plot = FALSE, xlab = '', ylab = '',
           ylim = c(0, length(tree$order)),
           xlim = c(-max(tree$height), 0))
      legend('topleft',legend = group_names,pch = 15, col = grpcol, bty = 'n', cex = 1.5)
      meanpos = matrix(rep(0, 2 * length(tree$order)), ncol = 2)
      meancol = rep(0, length(tree$order))
      for (step in 1:nrow(tree$merge))
      {
        if(tree$merge[step, 1]       pos1       col1     }else {
          pos1       col1     }
        if(tree$merge[step, 2]       pos2       col2     }else {
          pos2       col2     }
        height     treeline(pos1, pos2, height, col1, col2)
        meanpos[step, ]     if (col1 == col2){
          meancol[step]     }else {
          meancol[step]     }
      }
      tree$order
      for (y in tree$order) text(x = 0, y = y, labels = rownames(grp)[y], col = grpcol[grp[y,1]])
    }
    grpcol names(grpcol) treeplot(tree = upgma, grp = group[2], grpcol = grpcol, group_names = c('A', 'B', 'C'))
    410c525a51c3998f4fa6a39680245fc1.png

    ape包中的系统发育树风格

    聚类树和系统发育树都是树形图,因此也可以通过系统发育树的样式作图,例如ape包中的方法。

    library(ape)
    #默认风格
    plot(as.phylo(upgma))

    2ddade1cfae7f729ea1fd47a522549fb.png

    #“无根树”的聚类树样式
    plot(as.phylo(upgma), type = 'unrooted')

    a0d0ebc55525f42b76c93bf992876981.png

    #环形的树
    plot(as.phylo(upgma), type = 'fan')

    def880967b61d4654b794c08257d9aee.png

    #给样本标记颜色,同上文,按样本已知的先验分组标记
    plot(as.phylo(upgma), tip.color = labelColors[clusMember], label.offset = 0.01, cex = 1)
    66409f4b2af905c4cdf09acf0b381f68.png  

    sparcl包的可视化

    例如,给分支标记颜色。

    #使用 sparcl 包给分支标记颜色
    library(sparcl)
    ColorDendrogram(upgma, y = clusMember, labels = names(clusMember), branchlength = 0.1)
    2057b6702aee29c728faf4aebfaef1b6.png

    A2R包的可视化

    一个彩色聚类树示例,脚本也可以下载下来自定义编辑。

    # load code of A2R function
    source('http://addictedtor.free.fr/packages/A2R/lastVersion/R/code.R')
    # colored dendrogram
    op A2Rplot(upgma, k = 3, boxes = FALSE, col.up = 'gray50', col.down = c('#FF6B6B', '#4ECDC4', '#556270'))
    9112585f03c6741760993aa3bcc1a2cb.png

    参考链接

    http://rstudio-pubs-static.s3.amazonaws.com/1876_df0bf890dd54461f98719b461d987c3d.html 3b077260a4478b3c8f9fbc3f0b1adf86.png 我就知道你在
    展开全文
  • 博客地址:https://www.jianshu.com/u/619b87e54936目录R语言之可视化①误差棒R语言之可视化②点图R语言之可视化③点图续R语言之可视化④点韦恩图upsetRR语言之可视化⑤R图形系统R语言之可视化⑥R图形系统续R语言之...

    博客地址:https://www.jianshu.com/u/619b87e54936
    目录
    R语言之可视化①误差棒
    R语言之可视化②点图
    R语言之可视化③点图续
    R语言之可视化④点韦恩图upsetR
    R语言之可视化⑤R图形系统
    R语言之可视化⑥R图形系统续
    R语言之可视化⑦easyGgplot2散点图
    R语言之可视化⑧easyGgplot2散点图续
    R语言之可视化⑨火山图
    R语言之可视化⑩坐标系统
    R语言之可视化①①热图绘制heatmap
    R语言之可视化①②热图绘制2
    R语言之可视化①③散点图+拟合曲线
    R语言之可视化①④一页多图(1)
    R语言之可视化①⑤ROC曲线
    R语言之可视化①⑥一页多图(2)
    R语言之可视化①⑦调色板
    R语言之可视化①⑧子图组合patchwork包
    R语言之可视化①⑨之ggplot2中的图例修改
    R语言之可视化(20)之geom_label()和geom_text()
    R语言之可视化(21)令人眼前一亮的颜色包
    R语言之可视化(22)绘制堆积条形图
    R语言之可视化(23)高亮某一元素
    R语言之可视化(24)生成带P值得箱线图
    R语言之可视化(25)绘制相关图(ggcorr包)
    R语言之可视化(26)ggplot2绘制饼图
    R语言之可视化(27)通过R语言制作BBC风格的精美图片
    R语言之可视化(28)蜜蜂图
    蜜蜂图
    蜜蜂图beeswarm 是R语言的附加软件包。 与大多数R软件包一样,* beeswarm *可以从[CRAN](http://cran.r-project.org/)获得。蜜蜂图beeswarm是类似于“带状图”stripchart的一维散点图,不同之处在于,蜜蜂图beeswarm重叠的点是分开的,因此每个点都是可见的。

    示例

    带状图stripchart vs. 蜜蜂图beeswarm

    stripchart(decrease ~ treatment, data = OrchardSprays, 
      vertical = TRUE, log = "y", method = 'jitter', jitter = 0.2, cex = 1,
      pch = 16, col = rainbow(8),
      main = 'stripchart')
    beeswarm(decrease ~ treatment, data = OrchardSprays, 
      log = TRUE, pch = 16, col = rainbow(8),
      main = 'beeswarm')

    v2-ca58b342b872d4d488d8ab72a2b6323f_b.jpg

    指定点的颜色

    data(breast)
      beeswarm(time_survival ~ ER, data = breast,
        pch = 16, pwcol = 1 + as.numeric(event_survival),
        xlab = "", ylab = "Follow-up time (months)",
        labels = c("ER neg", "ER pos"))
      legend("topright", legend = c("Yes", "No"),
        title = "Censored", pch = 16, col = 1:2)

    v2-81de28f85f171edd9f76778dcbe48d84_b.jpg

    根据相关指标排序图片

    ## Generate some random data
    set.seed(123)
    distro <- list(runif = runif(100, min = -3, max = 3), 
                   rnorm = rnorm(100))
    for (m in c("swarm", "center", "hex", "square")) {
      beeswarm(distro, 
        col = 2:3, pch = 16,
        method = m, 
        main = paste('method = "', m, '"', sep = ''))
    }

    v2-b25dabc7af7bbbe15d0b661b218c91ae_b.jpg

    Compare the five "corral" methods

    for (ii in c("none", "gutter", "wrap", "random", "omit")) {
      beeswarm(distributions, 
        pch = 21, col = 2:4, bg = "#00000050",
        corral = ii, 
        main = paste('corral = "', ii, '"', sep = ''))
    }

    v2-8fd29936961c38327cf850d9e93fa017_b.jpg

    将蜜蜂图与箱型图结合

    boxplot(len ~ dose, data = ToothGrowth, 
        outline = FALSE,     ## avoid double-plotting outliers, if any
        main = 'boxplot + beeswarm')
      beeswarm(len ~ dose, data = ToothGrowth, 
        col = 4, pch = 16, add = TRUE)
    
      beeswarm(len ~ dose, data = ToothGrowth, 
        col = 4, pch = 16,
        main = 'beeswarm + bxplot')
      bxplot(len ~ dose, data = ToothGrowth, add = TRUE)

    v2-27cdefacd0b45f63c02954fc93c17e45_b.jpg

    调节蜜蜂图的点分布类型

    beeswarm(distributions, col = 2:4, 
        main = 'Default')
      beeswarm(distributions, col = 2:4, side = -1, 
        main = 'side = -1')
      beeswarm(distributions, col = 2:4, side = 1, 
        main = 'side = 1')
      beeswarm(distributions, col = 2:4, priority = "descending", 
        main = 'priority = "descending"')
      beeswarm(distributions, col = 2:4, priority = "random", 
        main = 'priority = "random"')  
      beeswarm(distributions, col = 2:4, priority = "density", 
        main = 'priority = "density"')

    v2-3a53b8d5c7e48a9e8e3caaf90ffd2e9a_b.jpg

    其他示例

    if(!require(beeswarm)) install.packages(beeswarm)
    data(breast)
    beeswarm(time_survival ~ event_survival, data = breast,
      method = 'swarm',
      pch = 16, pwcol = as.numeric(ER),
      xlab = '', ylab = 'Follow-up time (months)',
      labels = c('Censored', 'Metastasis'))
    legend('topright', legend = levels(breast$ER),
      title = 'ER', pch = 16, col = 1:2)</pre>

    v2-021108186b7b0b242031abea49af2d52_b.jpg
    beeswarm(time_survival ~ event_survival, data = breast,
    method = 'swarm',
    pch = 16, pwcol = as.numeric(ER),
    xlab = '', ylab = 'Follow-up time (months)',
    labels = c('Censored', 'Metastasis'))
    
    boxplot(time_survival ~ event_survival, data = breast, add = T, names = c("",""), col="#0000ff22")

    v2-242d52a6ca4b48e8812da3a6fd369730_b.jpg
    展开全文
  • 数据类型介绍1.1 基础数据类型基础类型是一切数据存储与计算的基础,是不可再拆分的元数据R语言有如下5种基础数据类型1. 数字 numeric eg:1、-2、0.72. 字符 character eg:”hello”3. 逻辑型 logical eg:TRUE、...
  • 简单绘图 在R语言中可以使用基本绘图函数lines(x, y, type=)来绘制线条,这里参数x和y分别是数值型向量,代表着横坐标和纵坐标的数据,参数type=主要是用来控制线条的类型。 这里需要指出的是lines()函数本身不产生...
  • 这一节将介绍更多的R图形资源。首先是定制R图形的一些常用方法,主要涉及数据和模型的图形绘制。然后是如何自定义其他类型的图形或点线等元素。A. 绘制二维图形在R中,绘制二维图形主要有两个函数plot()和matplot()...
  • 复旦大学博士在读,热爱数据科学与开源工具(R),致力于利用数据科学迅速积累行业经验优势和科学知识发现,涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等,著有《R语言高效数据...
  • 正态分布核密度图#正态分布曲线 x1<-round(rnorm(100,mean = 80,sd=7));...polygon(density(x1),col="red",border = "blue") rug(x1,col="brown")均匀分布核密度图#均匀分布 x2<-round(ru...
  • 在B站里有很多人看我的《R语言入门与数据分析》跟着学习R,但是里面有不少三观有很大问题的人,还及其没有逻辑性。看着免费的视频,还各种叽叽歪歪,天天张牙舞爪,指手画脚;自己基础不好,学不会怨天尤人;不愿...
  • Visualization视觉化,是R语言非常强大的一个特性。R在统计学软件圈能快速崛起,画图功能做出很大贡献。今天我们就用最简单的方式,用R自带的绘图包(graphics),基于R自带的数据,向大家介绍R的基础绘图功能。1 ...
  • 在我们的一篇客户文章的GO/KEGG富集分析部分有这样一类热图(如下),通过改变颜色条的映射方式,以0.05为分界,非常巧妙地...接下来,就为大家介绍如何使用R语言的pheatmap包绘制这样的图表。#安装pheatmap包; #ins...
  • R语言,和其他的C、B、++还有什么PH什么的到底有什么关系,我不清楚,但是我最清楚的是,这R语言,是一个统计学软件,是以code为基础的,和SPASS(这个软件众所周知,是收费的,是图形界面,傻瓜式操作,容易上手,...
  • 待续 *****完整R语言代码搜索微信公众号:统计分析分析****** ``` 代码无偿分享。 对于代码有任何问题都可以直接在公众号留言提问,最好在文章后面提问!谢谢!! http://weixin.qq.com/r/e0WEnDTEh2n4rXD-9xBp ...
  • 这篇大数据分析R语言7种数据可视化方式文章介绍了7种基本数据可视化的方式,以及如何结合使用基本R函数和一些常见软件包来重新创建它们。 数据可视化是一个创新而令人兴奋的领域。尽管它需要很长时间才能在计算机...
  • r++){ for (int c = col - 1; c <= col + 1; c++){ if (mineMap[r][c] == 'L'){ count++; } } } return count + '0'; } 源代码: #define _CRT_SECURE_NO_WARNINGS #include #include #include #define ROW 9 #...
  • R语言col参数值对应的颜色条形图

    千次阅读 2017-12-09 15:18:10
    绘制图形时,我们经常会给图形设定相应的颜色,通过保留下面的关于颜色的条形图,我们就可以很轻松的知道相应的col参数值所对应得具体颜色 pdf("colors-bar.pdf",heigh=120) par(mar=c(0,10,3,0)+0.1,yaxs
  • c开头前缀有co、cob、col、com、con、cor、cog等,哪它们有什么关联呢?下面我们来分析。come▬▶英 [kʌm] 美 [kʌm]▬▶ v.来;来到;到达。com前缀可以看成come变化而成,全部来到就是聚集到一起,表聚集、加强、...
  • R语言与数据分析练习:创建和使用R语言数据集&数据的导入导出 实验一 创建和使用R语言数据集 一、实验目的: 了解R语言中的数据结构。 熟练掌握他们的创建方法,和函数中一些参数的使用。 对创建的数据...
  • R语言作图:坐标轴设置

    万次阅读 多人点赞 2018-02-04 20:51:24
    R语言底层作图中,对坐标轴的调整主要通过调整plot函数、axis函数和title函数的一系列参数完成。 plot(x,y, ...) axis(side,at = NULL, labels = TRUE, tick = TRUE, line = NA, pos= NA, outer = FALSE, font...
  • 各种C语言, 完全找不到R语言的实现方法. R语言写循环很慢, 就用现成的包吧 Matrix Matrix是一个很强大的包, 它可以将矩阵转化为稀疏矩阵, 将0变为., 节约资源. 测试, 生成10*10的矩阵, 里面有大量的0, 现在将其...
  • R语言心得说:R语言之xlsx包读写Excel数据

    万次阅读 多人点赞 2019-06-14 17:24:31
    R语言心得说:R语言之xlsx包读写Excel数据 【基础】简单读取excel文件数据read.xlsx 【基础】简单写入数据到excel文件write.xlsx 【进阶】随心所欲读取excel中的各种信息createWorkbook、getSheet 【进阶】...
  • 【R 语言】对R语言初步的认识

    千次阅读 2019-03-06 15:23:05
    1.认识R语言 2.用R语言查看当前工作空间,并进行修改 3.对R 数据结构的基本操作 4.关于数据的导入和导出 1.认识R语言 R语言是一种统计绘图语言,也指实现该语言的软件。 1.1 R的特点 1.多领域的统计资源...
  • R语言R语言异常或错误处理

    万次阅读 2019-01-21 21:29:25
    R语言异常或错误处理 问题1:在使用R语言(RCurl包)抓取网页的过程中,往往会因为有些页面超时,或者页面不存在而导致程序因为异常中断退出,进而使自动批量抓取数据的程序中断,这时就需要有人工干预,重新运行...
  • 04 R语言的函数 标签(空格分隔): R语言 注意一个例子: MyStrings &amp;lt;- c(&quot;This&quot;, &quot;is&quot;, &quot;a&quot;, &quot;string.&quot;) if (&quot...
  • title: “R Exam” ...-read.csv("D:\\张志浩\\大数据班\\R语言实验-徐娇\\R考试\\考试用数据\\sales.csv") (1)查看数据的前 10 行数据和后 3 行数据; head(sales,10) head(sales,3) (2)检查 Q...
  • R语言:画图

    2020-09-20 23:12:02
    R语言:画图 文章目录R语言:画图散点图箱线图柱状图网格图点 散点图 head(women) nrow (women) str (women) ?plot plot (women,col="red")#通过颜色名称 plot (women, col=554)#通过颜色下标 plot (women, col="#FF...
  • http://www.cnblogs.com/bore3601/archive/2012/12/05/2803676.html过去一个月实验比较忙,好久没有写点东西了,今天要给amina画图,所以学习了一下R语言的基础画图。1.plot函数plot(x,y,xlim=c(0,100),ylim=c(0.4,1...
  • 笔者寄语:不论画啥,你先plot准没错。plot二维坐标绘图dotchart点图barplot条形图hist直方图pie饼图points添加点lines添加线text添加文字title添加标题boxplot箱线图1、plot函数##画图plot(x~y,...col=2,cex=5)#xla...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 28,045
精华内容 11,218
关键字:

R语言col