R语言的画图代码及差异性分析
R语言结合统计学方法画图实现
例如:
提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档
文章目录
- R语言结合统计学方法画图实现
- 前言
- 一、ggplot2是什么?
- 二、使用步骤
- 1.加载我们数据分析及画图所需要的的包
- 2.读入数据
- 箱线图
- 增加显著性标志,加星星
- 双因素方差分析
- 总结
前言
加载我们常用的包,如ggplot2 , 在这里我只使用R的可视化功能,前期的数据清洗及处理,将数据转化为R可识别的数据格式, 我均是通过Python的pandas包来实现的,强烈推荐使用python清洗数据!!!! 自动化加星号!!!!(显著性!!!!)
提示:以下是本篇文章正文内容,下面案例可供参考
一、ggplot2是什么?
示例:ggplot2 是R语言可视化的一个包,可视化功能非常强大。
二、使用步骤
1.加载我们数据分析及画图所需要的的包
代码如下(示例):
library(xlsx)
library("Hmisc") ## to use "rcorr"
library(psych)
library(lavaan)
library(semTools)
library(haven)
library(ggcorrplot)
library(semPlot)
library(foreign)
library(MASS)
library(tidyr)
library(jtools)
library(dplyr)
library(cluster)
library(fpc)
library(ggplot2)
library(dendextend)
library(purrr)
library(ggpubr) # to use ggplotbar
2.读入数据
代码如下(示例):
setwd("F:/课题/数据/处理好的数据/20/")
raw_dt = read.xlsx2("*****.xlsx", sheetIndex = 1)
画图代码
箱线图
ggplot(dt1,aes(x=name,y=speed,fill=factor(name))) +stat_boxplot(geom = 'errorbar')+geom_boxplot() +stat_compare_means(label.y=5,method = 'anova') +labs(title = "你的标题")+xlab("字符串")
##代码2
boxplot(speed~group_name, dt1, ylab = "speed, m/s",xlab= "A=60,B=40,C=20,单位:min",col = "bisque" )
增加显著性标志,加星星
ggplot(dt2,aes(x=Usedtime,y=Trust,fill=factor(Usedtime))) +geom_boxplot() +stat_boxplot(geom = 'errorbar')+stat_compare_means(label.y=5.8,method = 'anova')+stat_compare_means(comparisons = list(c(1,2),c(1,3),c(1,4),c(2,3),c(2,4),c(3,4)),label.y=c(4.9,5.2,5.5,5.7,5.9,6),label ='p.signif')+
#list(c(1,2),c(1,3)),label.y=c(4.9,5.2,5.5,5.7,5.9,6),label ='p.signif',hide.ns=T)+labs(title = "特斯拉车主")+xlab("使用时间")
双因素方差分析
双因素方差分析指的是,我们对于想要研究的某个变量,有两个变量会影响。
我这里研究的是驾驶模式(手动/自动)和驾驶时间(长/中/短)对于驾驶绩效的影响。
双因素分析代码
dt1 = read.csv("C:/Users/Heart/Desktop/接管绩效汇总_接管成功_control.csv")
attach(dt1)
aggregate(acc_x,by=list(group_name,control),FUN=mean,na.rm=TRUE)
aggregate(acc_x,by=list(group_name,control),FUN=sd,na.rm=TRUE)
fit_acc_x <- aov(acc_x~group_name*control)
summary(fit_acc_x)
总结
提示:这里对文章进行总结:
R语言的画图代码及差异性分析相关推荐
- 使用R语言ggplot2包绘制pathway富集分析气泡图(Bubble图):数据结构及代码
气泡图是在笛卡尔坐标系同加入大小的参数所形成的可以表示三个变量关系的图例.在对基因完成GO/KEGG分析后,使用气泡图可以直观的展示pathway.pvalue.count之间的关系.下面为使用R语言 ...
- r语言 断轴 画图_R语言基础画图/绘图/作图
R语言基础画图 R语言免费且开源,其强大和自由的画图功能,深受广大学生和可视化工作人员喜爱,这篇文章对如何使用R语言作基本的图形,如直方图,点图,饼状图以及箱线图进行简单介绍. 0 结构 每种图形构成 ...
- 使用R语言绘制富集条形图,轻松分析基因表达数据
一.引言 富集分析(enrichment analysis)是一种生物信息学方法,它可以帮助我们识别基因或其他的生物实体在某个特定的类别中过度表示的趋势.通俗来说,富集分析通过将基因分类到特定的集合中 ...
- R语言淮河流域水库水质数据相关性分析、地理可视化、广义相加模型GAM调查报告...
采样地点:淮河流域一带,昭平台水库.白龟山水库.燕山水库.石漫滩水库.板桥水库.宿鸭湖水库.博山水库.南湾水库.石山口水库.五岳水库.泼河水库.鲶鱼山水库(点击文末"阅读原文"获取 ...
- 量化交易陷阱和R语言改进股票配对交易策略分析中国股市投资组合
最近我们被客户要求撰写关于量化交易的研究报告,包括一些图形和统计输出. 计算能力的指数级增长,以及量化社区(日益增长的兴趣使量化基金成为投资者蜂拥而至的最热门领域. 量化交易陷阱和R语言改进股票配对交 ...
- R语言使用Rtsne包进行TSNE分析:通过数据类型筛选数值数据、scale函数进行数据标准化缩放、提取TSNE分析结果合并到原dataframe中(tSNE with Rtsne package)
R语言使用Rtsne包进行TSNE分析:通过数据类型筛选数值数据.scale函数进行数据标准化缩放.提取TSNE分析结果合并到原dataframe中(tSNE with Rtsne package) ...
- R语言使用Rtsne包进行TSNE分析:提取TSNE分析结果合并到原dataframe中、可视化tsne降维的结果、并圈定降维后不匹配的数据簇(tSNE identifying mismatch)
R语言使用Rtsne包进行TSNE分析:提取TSNE分析结果合并到原dataframe中.可视化tsne降维的结果.并使用两个分类变量从颜色.形状两个角度来可视化tsne降维的效果.并圈定降维后不匹配 ...
- R语言诊断试验数据处理与ROC分析实战案例2
R语言诊断试验数据处理与ROC分析实战案例2 目录 R语言诊断试验数据处理与ROC分析实战案例2 #ROC指标 #样例数据
- R语言诊断试验数据处理与ROC分析实战案例1
R语言诊断试验数据处理与ROC分析实战案例1 目录 R语言诊断试验数据处理与ROC分析实战案例1 #ROC指标 #样例数据
- R语言诊断试验数据处理与ROC分析实战案例:联合诊断ROC
R语言诊断试验数据处理与ROC分析实战案例:联合诊断ROC 目录 R语言诊断试验数据处理与ROC分析实战案例:联合诊断ROC #ROC指标 #样例数据
最新文章
- C# CAD对象 构造时应把它的父对象也加进它的属性里
- 黄金价格预测:如何将时序数据处理成监督学习数据
- c语言如何把c程序编译成可执行的exe文件
- 边缘检测robert原理_机器视觉尺寸检测基础
- zoho配置dmarc_停止[营销]电子邮件反弹! 如何配置SPF,DMARC和DKIM
- IE漏洞被黑客利用,导致全球上万个网站受害
- 锂电池欧姆内阻和极化内阻
- 记一次Full GC(Ergonomics)引发的思考
- 新疆旅游攻略-禾木村
- vs2015 帮助内容_我在2015年阅读的内容
- oracle 12c创建归档,oracle 12c 数据归档 即Using In-Database Archiving feature
- iTween那些事儿(二)
- 瑞成科技加入openKylin,推动社区生态繁荣发展!
- 名校女教授,强迫其男博士“发生性关系多年”!索赔750万
- 6-3 选队长 (5 分)
- 导数,差商,牛顿插值法
- 像素 屏幕分辨率 摄像头分辨率
- Android 修改音量
- 将word文件中的文本转成字符串
- 什么是404页面,404有什么做用,网站做404有什么好处?
热门文章
- Linux查看占用内存的进程
- (5)Spring框架----Bean作用域
- oracle执行计划explain,Oracle 常见的执行计划步骤(explain结果的Description数据参考)...
- 用matlab求excel表中平均值,matlab如何将符合特定条件的数据导入excel并求出平均值...
- Redis 的过期策略
- 思维导图模板怎么下载
- ASCII码与16进制转换表
- python批量新建文件夹_python批量创建文件夹
- 矩阵求导法则与性质,机器学习必备~
- pandas入门(一):pandas的安装和创建