Aplicaciones Definicion Funcion Ejemplo Grafica

myX <- rnorm(50, mean = 0, sd = 1)

La función para hacer un diagrama de
myY <- rnorm(50, mean = 10, sd = 1)
dispersión es plot() .
plot(x = myX, y = myY)

El tipo de punto se puede establecer

plot(x = rep(seq(1:5), 5), y =
con el argumento pch que puede
rep(seq(1:5), each = 5),
tomar un carácter o un número del 1
pch = 1:25)
al 25.

plot(x = myX, y = myY,

El tamaño de los puntos se puede
cex = seq(from = 0.5, to = 3, length.out
definir con el argumento cex .
El primer tipo de gráfico que = 50))
veremos es la nube de
myX <- rnorm(100, mean = 0, sd = 1)
puntos. En un diagrama de
Plot myY <- rnorm(100, mean = 10, sd = 1)
dispersión, cada punto está
plot(x = myX, y = myY,
representado por su valor en El color de los puntos se puede definir
cex = seq(from = 0.5, to = 3, length.out
x e y. con el argumento col
= 100),
pch = 16,
col = sample(colors(), 100))
 x e y.

el argumento panel.first que permite

par(mfrow = c(1, 2))
realizar una operación gráfica en una
plot(x = myX, y = myY,
capa debajo de nuestro gráfico. Aquí
type = 'b', pch = 16, cex = 3)
hay un ejemplo ilustrativo con una
grid(lwd = 3, lty = 1)
cuadrícula hecha con y sin panel.first.
plot(x = myX, y = myY,
La cuadrícula se realiza gracias a la
type = 'b', pch = 16, cex = 3,
función grid() . Para poner los gráficos
panel.first = grid(lwd = 3, lty = 1))
lado a lado usaremos mfrow.

op <- par(no.readonly = TRUE)

Es una representación gráfica
de una variable en forma de
barras, donde la superficie de
cada barra es proporcional a
la frecuencia de los valores Para hacer un histograma usamos la TRUE),
representados. Sirven para
Hist obtener una "primera vista"
general, o panorama, de la
distribución de la población,
o de la muestra, respecto a
una característica,
cuantitativa y continua
(como la longitud o el peso).
función hist() . Esta es una función
gráfica útil para visualizar
rápidamente la distribución de un myTitle <- c("Normal", "Gamma",
conjunto de datos.
par(mfrow = c(2, 2), mar = c(2, 2, 1, 1))
myX <- list(
rnorm(1000),
rgamma(1000, shape = 1),
sample(1:100, size = 1000, replace =
rbeta(1000, shape1 = 1, shape2 = 2)
)
"Uniform", "Beta")
tr <- lapply(1:4, function(i){
hist(myX[[i]],
col = heat.colors(15),
main = myTitle[i]
)
})

Un diagrama de barras (o
gráfico de barras) es uno de
los tipos de gráficos más
comunes. Muestra la relación
entre una variable numérica
Barplot y una variable categórica.
Cada entidad de la variable
categórica se representa
como una barra. El tamaño
de la barra representa su
valor numérico.
Los diagramas de caja son
gráficos muy comunes con R
porque ofrecen una buena
vista de un conjunto de datos
boxplot
al representar los valores
extremos (valores atípicos),
la mediana, los cuartiles, los
mínimos y los máximos.
El gráfico de barras se realiza
utilizando la función barplot()
Cuando el objeto enviado a esta
función es un vector, entonces la
función barplot() devuelve un gráfico barplot(myX, names.arg = c("A", "B",
de barras simple. Cuando es un
matrix entonces las barras son
múltiples.
La función boxplot() se aplica a uno o = 2)
más vector .
myX <- c(4, 5, 8)
barplot(myX, names.arg = c("A", "B",
"C"))
op <- par(no.readonly = TRUE)
par(mfrow = c(1, 2), mar = c(2, 2, 1, 1))
myX <- matrix(c(4, 5, 8, 4, 6, 2), nrow =
2)
"C"))
myX <- matrix(c(4, 5, 8, 4, 6, 2, 3, 4, 5),
nrow = 3)
barplot(myX, names.arg = c("A", "B",
"C"))
df <- data.frame(
box1 = rnorm(1000),
box2 = rgamma(1000, shape = 1),
box3 = sample(-3:3, size = 1000,
replace = TRUE),
box4 = rbeta(1000, shape1 = 1, shape2
)
boxplot(df, col = c(rgb(0, 94, 255,
maxColorValue = 255),
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
Paquete {gapmap} mapa de calor agrupado con
espacios vacíos
Realiza un gráfico triangular
inferior, gráficos de densidad
Paquete {GGally} en la diagonal principal y
gráficas de dispersión por
debajo.
para hacer un grafico por especie
color="species"
# 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)
df <- data.frame(x=x, y=y,
{gapmap} row.names=c(1:10))
# 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)
{GGally} data(flea)
scatmat(flea, columns=2:4)
# Gráfico por especie
scatmat(flea, columns= 2:4,
color="species")