集中趋势的分布
mean() 均值
weighted.mean(x,w,...) 加权均值
median() 中位数
quantile(x,probs,...) 分位数
fivenum() 计算五数
summary() 总体描述
which.max(table(x)) 计算离散型变量众数
离散趋势的分析
数据的分布分析
#简单二维分布图
library(MASS)
x <- rnorm(10000, 0, 1)
y <- rnorm(10000, 1, 100)
plot (x, y,tck=0.01,xlab='',ylab='',col=rainbow(22),pch=12:17,cex=1:4/3)
#三维图等高值分布
library(MASS)
x <- rnorm(1000, 0, 1)
y <- rnorm(1000, 1, 100)
z <- kde2d(x,y)
contour(z, col =cm.colors(4),lwd=1:3, xlim=c(-2,2),tck=0.01)
#
library(aplpack)
cc<-rbind(1:3,5:3,3:5,5:7)
faces(cc)
cc
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 5 4 3
[3,] 3 4 5
[4,] 5 6 7
脸图可以反映最多15个维度的变量信息:
Modified item | Var | |
1 | height of face | var1 |
2 | width of face | var2 |
3 | structure of face | var3 |
4 | height of mouth | var4 |
5 | width of mouth | var5 |
6 | smiling | var6 |
7 | height of eyes | var7 |
8 | width of eyes | var8 |
9 | height of hair | var9 |
10 | width of hair | var10 |
11 | style of hair | var11 |
12 | height of nose | var12 |
13 | width of nose | var13 |
14 | width of ear | var14 |
15 | height of ear | var15 |
如果该行信息没有15个变量信息,则可以循环使用现有变量;假设只有5个变量,则1-5,6-10,11-15项的人脸参数都用这5个变量。
上图中只有3个变量,则3个变量循环使用了5次。
#
aa<-faces(cc1[1:35,2:4],face.type=0,plot=F)
plot.faces(aa,width=1.5,height=1)
#
cc<-rbind(1:3,5:3,3:5,5:7)
faces(cc,face.type=2)
par(new=T);pie(1:5,radius=0.3)
par(new=T);pie(1:5,radius=0.2,col=topo.colors(4))
par(new=T);pie(1:5,radius=0.1,col=heat.colors(4),label='')
下面这个图的生成,类似原理,有需要代码的,可以留言。
留言与评论(共有 0 条评论) “” |