152 附录 A 程序初步 1 > # 冒号表示步长为1或-1的序列 2 > 10:1 [1] 10 9 8 7 6 5 4 3 2 1 1 > # 步长为0.2 2 > seq(7, 9, 0.2) [1] 7.0 7.2 7.4 7.6 7.8 8.0 8.2 8.4 8.6 8.8 9.0 1 > # 生成向量长度为6 2 > seq(7, 9, length.out = 6) [1] 7.0 7.4 7.8 8.2 8.6 9.0 1 > rep(2, 10) [1] 2 2 2 2 2 2 2 2 2 2 1 > # 整个向量重复5次 2 > rep(1:3, 5) [1] 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 > # 每个元素重复5次 2 > rep(1:3, each = 5) [1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 1 > # 每个元素分别重复1、2、3次 2 > rep(1:3, 1:3) [1] 1 2 2 3 3 3 向量除了可以是数值型之外,还可以是逻辑值、字符等,如: 1 > (z = (x < 5)) A B C D FALSE FALSE FALSE TRUE 1 > # letters和LETTERS是R中的字符常量 2 > letters [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" [16] "p" "q" "r" "s" "t" "u" "v" "w" "x" "y" "z"
A.1 对象类型 153 注意逻辑值的TRUE和FALSE可以简写为T和F,但强烈建议这两个逻辑值 不要使用简写 1 。我们也可以用逻辑向量提取向量的元素,如: 1 > # 满足“非z”的元 2 > x[!z] A B C 7.11 9.11 9.19 R中有三种特殊的值:缺失值NA,非数值NaN和无穷大/无穷小Inf/- Inf。非数值通常由无意义的数学计算产生,如0/0;注意分子不为0而分母 为0时,结果是无穷大。 A.1.2 因子 因子(factor)对应着统计中的分类数据,它的形式和向量很相像,只 是因子数据具有水平(level)和标签(label),前者即分类变量的不同取 值,后者即各类取值的名称。 因子型数据可以由factor()函数生成,如: 1 > (x = factor(c(1, 2, 3, 1, 1, 3, 2, 3, 3), levels = 1:3, 2 + labels = c("g1", "g2", "g3"))) [1] g1 g2 g3 g1 g1 g3 g2 g3 g3 Levels: g1 g2 g3 我们可以对因子型数据求频数、将其转化为整数或字符型向量。注意 整数是因子型数据的本质:它本身以整数存储,但表现出来是字符,原理 就是把整数对应的标签显示出来,这种存储方式在很多情况下可以大大节 省存储空间(存整数往往比存字符串占用空间小)。 1 > table(x) x g1 g2 g3 3 2 4 1 > as.integer(x) 1 倾向简写这两个逻辑值的人容易倾向简写任何字符,比如变量名;据作者的经验,很多人的程序出错 就在这里,因为使用了T或F作为变量名,而在程序的某些地方又将T或F作为逻辑值对待,如这段条件语 句x = 1; T = NULL; ...; if ((x > 0) == T ) ...会出错,因为条件(x > 0) == T返回的结果是长 度为0的逻辑值,不符合if语句的要求。
- Page 1 and 2:
现代统计图形 谢益辉 2010
- Page 3 and 4:
• 自由软件用户往往有某
- Page 5 and 6:
目录 序言 i 代序一 . . . . .
- Page 7 and 8:
5.25 向日葵散点图 . . . . . .
- Page 9:
附录 B 作图技巧 163 B.1 添
- Page 12 and 13:
5.4 泊松分布随机数茎叶图
- Page 15 and 16:
表格 5.1 二维列联表的经典
- Page 17 and 18:
序言 代序一 代序二 作者
- Page 19:
Coefficients: Estimate Std. Error t
- Page 22 and 23:
2 第一章 历史 图 1.1: Playfai
- Page 24 and 25:
4 第一章 历史 吸到了“瘴
- Page 26 and 27:
6 第一章 历史 图 1.4: 南丁
- Page 28 and 29:
8 第一章 历史 图 1.5: Minard
- Page 30 and 31:
10 第一章 历史 总的说来,
- Page 32 and 33:
12 第二章 工具 大小,如条
- Page 34 and 35:
14 第二章 工具 Type contributo
- Page 36 and 37:
16 第二章 工具 百K的一个
- Page 38 and 39:
18 第二章 工具 其实没有必
- Page 40 and 41:
20 第二章 工具
- Page 42 and 43:
22 第三章 细节 3.1 par()函数
- Page 44 and 45:
24 第三章 细节 1:10 2 4 6 8 10
- Page 46 and 47:
26 第三章 细节 las 坐标轴
- Page 48 and 49:
28 第三章 细节 oma[2] mar[2] O
- Page 50 and 51:
30 第三章 细节 3.2 plot()及
- Page 52 and 53:
32 第三章 细节 xlim, ylim 设
- Page 54 and 55:
34 第四章 元素 4.1 颜色 默
- Page 56 and 57:
36 第四章 元素 4.1.2 颜色生
- Page 58 and 59:
38 第四章 元素 [,1] [,2] [,3]
- Page 60 and 61:
40 第四章 元素 每一类调色
- Page 62 and 63:
42 第四章 元素 1 > xx = c(1912
- Page 64 and 65:
44 第四章 元素 0 1 2 3 4 5 6 7
- Page 66 and 67:
46 第四章 元素 图2.1已经使
- Page 68 and 69:
48 第四章 元素 1 > usage(arrow
- Page 70 and 71:
50 第四章 元素 一个多边形
- Page 72 and 73:
52 第四章 元素 可以看到,
- Page 74 and 75:
54 第四章 元素 1 > par(mar = c
- Page 76 and 77:
56 第四章 元素 1 > data(Export
- Page 78 and 79:
58 第四章 元素 12 72.48 2003 U
- Page 80 and 81:
60 第五章 图库 1 > par(mfrow =
- Page 82 and 83:
62 第五章 图库 f(x) = F ′ F
- Page 84 and 85:
64 第五章 图库 1 > stem(island
- Page 86 and 87:
66 第五章 图库 对原始数据
- Page 88 and 89:
68 第五章 图库 names, plot = T
- Page 90 and 91:
70 第五章 图库 1 > par(mar = c
- Page 92 and 93:
72 第五章 图库 1 > # 用分类
- Page 94:
74 第五章 图库 1 > library(MSG
- Page 97 and 98:
5.7 条件密度图 77 R中关联
- Page 99 and 100:
5.7 条件密度图 79 小到大在
- Page 101 and 102:
5.8 等高图 81 1 > data(ChinaLife
- Page 103 and 104:
5.8 等高图 83 都必须展示在
- Page 105 and 106:
5.9 条件分割图 85 1 > par(mar
- Page 107 and 108:
5.10 一元函数曲线图 87 1 > c
- Page 109 and 110:
5.12 颜色等高图 89 1 > dotchar
- Page 111 and 112:
5.13 四瓣图 91 finite = TRUE), y
- Page 113 and 114:
5.13 四瓣图 93 表 5.1: 二维
- Page 115 and 116:
5.14 颜色图 95 C和E系的优比
- Page 117 and 118:
5.14 颜色图 97 1 > par(mar = rep
- Page 119 and 120:
5.15 矩阵图 99 1 > sines = outer
- Page 121 and 122: 5.16 马赛克图 101 1 > ftable(Ti
- Page 123 and 124: 5.17 散点图矩阵 103 较低。
- Page 125 and 126: 5.18 三维透视图 105 倍数;fon
- Page 127 and 128: 5.18 三维透视图 107 Sinc( r )
- Page 129 and 130: 5.19 因素效应图 109 1 > plot.d
- Page 131 and 132: 5.21 平滑散点图 111 1 > par(ma
- Page 133 and 134: 5.22 棘状图 113 可将图5.28放
- Page 135 and 136: 5.22 棘状图 115 离散化处理,
- Page 137 and 138: 5.23 星状图 117 1 > # 预设调
- Page 139 and 140: 5.24 带状图 119 1 > layout(matri
- Page 141 and 142: 5.25 向日葵散点图 121 1 > sun
- Page 143 and 144: 5.26 符号图 123 1 > par(mar = c(
- Page 145: 5.27 饼图 125 增长率 总人口
- Page 148 and 149: 128 第五章 图库 种以比例
- Page 150 and 151: 130 第五章 图库 1 > # 真实
- Page 152 and 153: 132 第五章 图库 信用风险
- Page 154 and 155: 134 第五章 图库 1 > library(rp
- Page 156 and 157: 136 第五章 图库 有时候与
- Page 158 and 159: 138 第五章 图库 数诸如填
- Page 160 and 161: 140 第五章 图库
- Page 162 and 163: 142 第六章 系统 8 > plot(0:1,
- Page 164 and 165: 144 第七章 模型 • 类似回
- Page 166 and 167: 146 第七章 模型 7.16.1 分类
- Page 168 and 169: 148 第八章 数据 8.2.1 一维
- Page 170 and 171: 150 附录 A 程序初步 通常我
- Page 174 and 175: 154 附录 A 程序初步 [1] 1 2 3
- Page 176 and 177: 156 附录 A 程序初步 [,1] [,2]
- Page 178 and 179: 158 附录 A 程序初步 A.1.5 函
- Page 180 and 181: 160 附录 A 程序初步 [1] "inte
- Page 182 and 183: 162 附录 A 程序初步 2. 变量
- Page 184 and 185: 164 附录 B 作图技巧 1 > # 本
- Page 186 and 187: 166 附录 B 作图技巧 1 > layou
- Page 188 and 189: 168 附录 B 作图技巧 screen(n
- Page 190 and 191: 170 附录 B 作图技巧 B.3 交
- Page 192 and 193: 172 附录 B 作图技巧 1 > xx =
- Page 194 and 195: 174 附录 B 作图技巧 正的频
- Page 196 and 197: 176 附录 B 作图技巧
- Page 198 and 199: 178 附录 C 统计动画
- Page 200 and 201: 180 附录 D 本书R包 D.2 数据
- Page 202 and 203: 182 参考文献 Minka , URL http:/
- Page 204 and 205: 184 参考文献 Meyer D, Zeileis A
- Page 206 and 207: 186 参考文献 Wilkinson L (2005)
- Page 208 and 209: 188 索引 点, 27 玫瑰图, 4 直
- Page 210: 190 索引 形的一些历史,包