
作者:丁點helper
來源: 丁點幫你
前面2篇R語言相關的文章以泰坦尼克號的數(shù)據(jù)為例,介紹了描述性統(tǒng)計中用到的計算操作,以及柱形圖的繪制操作。今天我們繼續(xù)聊聊如何在R中繪制直方圖和散點圖。
繪制直方圖
仍使用titanic.csv這個數(shù)據(jù)。
# 導入數(shù)據(jù) titanic <- read.csv("http://Users//Desktop//titanic.csv",header = TRUE) names(titanic) # 查看titanic中的變量名 [1] "pclass" "survived" "sex" "age" "sibsp" "parch"
假設我們想對age這個變量繪制直方圖,了解泰坦尼克號上乘客的年齡分布,可用hist()這個函數(shù):
hist(titanic$age)
上圖中直方圖標題、顏色、坐標軸名稱均可調整:
hist(titanic$age, col='orange', main='Passenger Age', lwd=2, xlab='Age (years)')
其中,col、main、xlab這三個命令在之前的文章中講過;lwd為線條寬度命令,取值須為整數(shù),默認值為1。
繪制散點圖
接下來我們看看如何繪制散點圖。還是老規(guī)矩,要用到的數(shù)據(jù)可通過以下方式下載:
文件名: wb.csv
鏈接: https://pan.baidu.com/s/1gOAuccW5i8cIW5HaPHnm8A
密碼: nc5u
這是世界銀行(word bank)對部分國家社會、經濟、環(huán)境指標的統(tǒng)計數(shù)據(jù)。
# 導入數(shù)據(jù) wb <- read.csv("http://Users//Desktop//wb.csv",header = TRUE) names(wb) # 查看wb中的變量名 [1] "Country" "Code" "Population" "Rural" "GNI" "IncomeTop10" "Imports" [8] "Exports" "Military" "Cell" "Fertility66" "Fertility16" "Measles" "InfMort" [15] "LifeExp" "PM2.5" "Diesel" "CO2" "EnergyUse" "FossilPct" "Forest94" [22] "Forest14" "Deforestation" "GunTotal" "GunHomicide" "GunSuicide" "GunUnint" "GunUndet" [29] "GunsPer100"
這里我們先關注第五個變量『GNI』,其意義是人均國民收入。GNI是Gross National Income的縮寫;再關注第18個變量『CO2』,其意義是人均二氧化碳排放量。
一項研究想觀察人均國民收入和人均二氧化碳排放量之間存在何種關系,由于二者均為數(shù)值型變量,我們可以用散點圖的方式直觀感受一下:
plot(wb$GNI,wb$CO2, main="CO2 vs. GNI (both per capita)", xlab="Gni per capita", ylab="CO2 per capita", col="red", pch=19) # col命令的取值還可以是數(shù)字,本例中red對應的數(shù)字是2 plot(wb$GNI,wb$CO2, main="CO2 vs. GNI (both per capita)", xlab="Gni per capita", ylab="CO2 per capita", col=2, pch=19)
上面兩條代碼的運行結果是一樣的。wb$GNI 和 wb$CO2 分別為散點圖的橫軸和縱軸;pch表示點的形狀,取值為整數(shù),本例中用到的19表示圓點。
下面用一個圖片來給大家介紹1-20的數(shù)字分別代表什么顏色、什么形狀:
plot(c(1:20),rep(1,20),col=c(1:20),pch=c(1:20),cex=2)
cex表示對圖中的文本或符號放大多少倍,大家可自行在R中操作,感受cex=1時圖像的變化。
舉個例子,col=15:黃色;pch=15:方塊。在R中,可選的顏色還有很多,大家可以查看下圖中的顏色名稱,繪圖時在col命令中輸入即可。
手機用戶可橫屏查看效果更佳,告別大紅大藍秋褲色就靠它了~
今天就學到這里啦,之后還有更多R繪圖課程來和大家見面!
——熱門課程推薦:
想從事業(yè)務型數(shù)據(jù)分析師,您可以點擊>>>“數(shù)據(jù)分析師”了解課程詳情;
想從事大數(shù)據(jù)分析師,您可以點擊>>>“大數(shù)據(jù)就業(yè)”了解課程詳情;
想成為人工智能工程師,您可以點擊>>>“人工智能就業(yè)”了解課程詳情;
想了解Python數(shù)據(jù)分析,您可以點擊>>>“Python數(shù)據(jù)分析師”了解課程詳情;
想咨詢互聯(lián)網(wǎng)運營,你可以點擊>>>“互聯(lián)網(wǎng)運營就業(yè)班”了解課程詳情;
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到決策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10CDA 數(shù)據(jù)分析師:商業(yè)數(shù)據(jù)分析實踐的落地者與價值創(chuàng)造者 商業(yè)數(shù)據(jù)分析的價值,最終要在 “實踐” 中體現(xiàn) —— 脫離業(yè)務場景的分 ...
2025-09-10機器學習解決實際問題的核心關鍵:從業(yè)務到落地的全流程解析 在人工智能技術落地的浪潮中,機器學習作為核心工具,已廣泛應用于 ...
2025-09-09SPSS 編碼狀態(tài)區(qū)域中 Unicode 的功能與價值解析 在 SPSS(Statistical Product and Service Solutions,統(tǒng)計產品與服務解決方案 ...
2025-09-09