R语言学习-腾讯云开发者社区

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

R语言学习

专栏成员

28

文章

54392

阅读量

23

订阅数

绘制中国个省份地图

p<-choose.files() #导入bou4_4m/BOUNT_poly.shp文件

爱学习的小明明

2020-10-13

1.9K0

rgdal包readOGR使用

python 编程算法

SP将地理数据分割为两大块：描述层和映射层，可以使用rgdal包的readOGR（)函数读取数据。

爱学习的小明明

2020-10-09

5.7K0

不同的坐标轴转换绘制世界地图

color1<-brewer.pal(9,"YlOrRd")[c(3,4,5,6,7,8,9)]

爱学习的小明明

2020-10-09

1.4K0

ggplot绘制地图

编程算法 python

china_map<-readShapePoly("D:/Beautiful-Visualization-with-R-master/map/bou2_4p.shp")

爱学习的小明明

2020-10-08

1.5K0

colormap <- colorRampPalette(rev(brewer.pal(n = 7, name = "RdYlBu")))(100)

爱学习的小明明

2020-10-08

7660

分面图facet_wrap和facet_grid

facet_wrap()和facet_grid()两个函数可以根据分类数据绘制一系列的子图，包括矩阵分面图、行分面图、列分面图。

爱学习的小明明

2020-10-08

3.2K0

t-SNE是一种用于探索高维数据的非线性降维算法，非常适合将高维数据降到二维或者三维，在使用散点图等基本图表进行可视化。PCA是一种线性算法，他不能解释特征之间的复杂多项式关系，而t-SNE基于在领域图上随机游走的概率分布来找到数据内的结构。

爱学习的小明明

2020-10-08

1.6K0

高维数据的展示

降维方法分线性降维和非线性降维两大类，其中线性降维包括主成分分析PCA，多为尺度分析MDS，非矩阵分解NMF等；非线性方法包括等距特征映射和局部线性嵌套，tSNE等。

爱学习的小明明

2020-10-08

1.2K0

小提琴图绘制

axis data element position size

treatment = rep(c("elevated","ambient"),150))

爱学习的小明明

2020-10-08

9360

绘制带显著性比较的bar图

geom_boxplot(position=position_dodge(),width=0.5)+

爱学习的小明明

2020-09-26

4.2K0

绘制带误差bar的统计图

df<-ToothGrowth #这里用的是R自带数据Toothgrowth

爱学习的小明明

2020-09-26

1.3K0

多系列数据核密度图

mac os 编程算法

ggridges包提供了geom_density_ridges_gradient()函数，用于画核密度估计峰峦图

爱学习的小明明

2020-09-26

2K0

数据分布图之统计直方图和和核密度估计图

该函数两个主要参数bw(箱型的宽度)和kernel(核函数)，核函数默认为高斯函数gaussian其他函数包括：epanechnikov,rectangular,triangular,biweight,cosina,optcpsine.

爱学习的小明明

2020-09-26

1.8K0

R语言绘制曲线图

geom_smooth/stat_smooth一条平滑的线,但他是拟合曲线，不会遍历所有数据点

爱学习的小明明

2020-09-25

4.6K0

ggplot2 mean numbers plot size

对于一组数据是否符合某个分布，有很多种统计检验的方法，比如K-S检验，卡方检验，从图形上我们可以用Q-Q图和P-P图来检查数据是否服从某种分布。他们可以检验的分布图包括：β分布，t分布、卡方分布、伽马分布、正态分布、均匀分布等等。

爱学习的小明明

2020-09-25

2.3K0

绘制带回归线的散点图

编程算法线性回归

按自变量的多少分为一元和多元回归分析；按自变量和因变量的关系分为线性和非线性回归；比较常用的是多项式回归、线性回归和指数回归。

爱学习的小明明

2020-09-25

2.3K0

表达差异基因分析

1安装BiocManage,再安装DESeq2包 > # <差异基因分析> > # 1.判断是否有BiocManager包，若不存在则安装 > options(repos=structure(c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))) #设置清华镜像，加速下载 > > if (!requireNamespace("BiocManager", quietly = TRUE)) + install.packages("BiocManager

爱学习的小明明

2020-09-22

1.4K0

样本相关性分析

使用corrplot包分析,使用RPKM值 image.png > # <样本相关性> > ## 1.如果不存在corrplot就安装这个包 > if (!requireNamespace('corrplot', quietly = TRUE)) + install.packages('corrplot') > library('corrplot') #加载corrplot包用于绘制相关性矩阵热图 > > > p<-file.choose() > > > fpkm <- read.tabl

爱学习的小明明

2020-09-22

1.4K0

绘制极坐标系条形图

df<-read.csv("/home/shijm/Rlearning/Beautiful-Visualization-with-R-master/第3章_类别比较型图表/PloarRange_Data.csv",sep=",",na.strings="NA",stringsAsFactors=FALSE) > df$date<-as.Date(df$date) > > myAngle <-seq(-20,-340,length.out = 12) > > ggplot(df, aes(date,

爱学习的小明明

2020-09-20

1.2K0

ggplot2绘制玫瑰图

1绘制 ggplot(mydata) + + geom_bar(aes(x=a, y=b),width = 1,stat="identity", + colour = "black",fill="#F8766D") + + geom_text(aes(x=a,y = b-8,label = b),color="white") + + coord_polar(theta = "x",start=0) + + ylim(c(0,120))+ + theme_light(

爱学习的小明明

2020-09-20

1.3K0

点击加载更多

社区活动

【纪录片】中国数据库前世今生

穿越半个世纪，探寻中国数据库50年的发展历程

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态