暂无搜索历史
p<-choose.files() #导入bou4_4m/BOUNT_poly.shp文件
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。
color1<-brewer.pal(9,"YlOrRd")[c(3,4,5,6,7,8,9)]
china_map<-readShapePoly("D:/Beautiful-Visualization-with-R-master/map/bou2_4p.s...
colormap <- colorRampPalette(rev(brewer.pal(n = 7, name = "RdYlBu")))(100)
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。
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...
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，tSN...
treatment = rep(c("elevated","ambient"),150))
geom_boxplot(position=position_dodge(),width=0.5)+
df<-ToothGrowth #这里用的是R自带数据Toothgrowth
ggridges包提供了geom_density_ridges_gradient()函数，用于画核密度估计峰峦图
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...
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
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...
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。
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(...
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 (...
df<-read.csv("/home/shijm/Rlearning/Beautiful-Visualization-with-R-master/第3章_类别...
暂未填写公司和职称
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市
