Documentos de Académico
Documentos de Profesional
Documentos de Cultura
df <- data.frame(
box1 = rnorm(1000),
box2 = rgamma(1000, shape = 1),
Los diagramas de caja son box3 = sample(-3:3, size = 1000,
gráficos muy comunes con R replace = TRUE),
porque ofrecen una buena box4 = rbeta(1000, shape1 = 1, shape2
vista de un conjunto de datos La función boxplot() se aplica a uno o = 2)
boxplot
al representar los valores más vector . )
extremos (valores atípicos), boxplot(df, col = c(rgb(0, 94, 255,
la mediana, los cuartiles, los maxColorValue = 255),
mínimos y los máximos. rgb(255, 0, 174, maxColorValue = 255),
rgb(255, 136, 0, maxColorValue = 255),
rgb(119, 255, 0, maxColorValue =
255)))
es un paquete de
visualización de datos para el
lenguaje de programación # Gráfico original
estadística R. Creado por library(ggplot2)
Hadley Wickham en 2005, (ggplot2) (p <- ggplot(mtcars, aes(mpg, disp)) +
ggplot2 es una theme_classic()+
implementación de la geom_point(colour = "darkgreen"))
Paquete {ggplot2}
Gramática de gráficos de
Leland Wilkinson, un
esquema general para la
visualización de datos que
divide los gráficos en
componentes semánticos
(position = 'left') o (position = p + scale_x_continuous(position = 'left')
como escalas y capas.
'right') Cambia la posición del eje x o p + scale_y_continuous(position =
y en un gráfico 'right')
es un complemento simple
para ggplot. Proporciona
varias características que
ayudan a crear figuras con
calidad de publicación, como
library(cowplot)
un conjunto de temas,
ggplot(mtcars, aes(mpg, mpg)) +
Paquete {cowplot} funciones para alinear {cowplot}
geom_point(colour = "darkgreen") +
gráficos y organizarlos en
theme_nothing()
figuras compuestas
complejas, y funciones que
facilitan la anotación de
gráficos y / o mezclar gráficos
con imágenes.
# Función para dibujar un mapa de calor
agrupado con espacios vacíos
require(gapmap)
set.seed(12345)
# generar una muestra de datos
x <- rnorm(10, mean=rep(1:5, each=2),
sd=0.4)
y <- rnorm(10, mean=rep(c(1,2),
each=5), sd=0.4)
Función para dibujar un df <- data.frame(x=x, y=y,
Paquete {gapmap} mapa de calor agrupado con {gapmap} row.names=c(1:10))
espacios vacíos # Calcular la matriz de distancias, por
defecto es la distancia euclídea
distxy <- dist(df)
# Realizar agrupamiento jerárquico, por
defecto es el método complete
hc <- hclust(distxy)
dend <- as.dendrogram(hc)
# Realizar el gráfico
gapmap(m = as.matrix(distxy), d_row=
rev(dend), d_col=dend)
require(GGally)
Realiza un gráfico triangular
{GGally} data(flea)
inferior, gráficos de densidad
scatmat(flea, columns=2:4)
Paquete {GGally} en la diagonal principal y
gráficas de dispersión por
debajo. # Gráfico por especie
para hacer un grafico por especie
scatmat(flea, columns= 2:4,
color="species"
color="species")