《R语言初学指南》一1.3 图形

简介:

本节书摘来自异步社区《R语言初学指南》一书中的第1章,第1.3节,作者【美】Brian Dennis(布莱恩·丹尼斯),更多章节内容可以访问云栖社区“异步社区”公众号查看

1.3 图形

R语言初学指南
准备好用R进行绘图了吗?如果还没有感受到R的强大,就请做好准备吧。假设你有1000美元的积蓄,并希望存到将来使用,比如用来买房子。现在有银行提供一份年利率为5%的存单(certificate of deposit,CD),并且每年的利息会计入本金。通过用R绘图,可看到这样的结论:这份存单可让你有机会更好地利用原有的积蓄。图中会显示一年后、两年后,一直到十年后,存单中的实际金额。

由于每年5%的利息会计入本金,在计算下一年存单中的金额时,要用(1+0.05)乘以当年的金额,故一年后的存单金额可用1000×(1+0.05)来计算。同样,用1000×(1+0.05)×(1+0.05)计算两年后的金额,用1000×(1+0.05)×(1+0.05)×(1+0.05)计算三年后的金额。找到规律了吗?按照这个规律,可用一个方程来表达t 年后拥有的金额。若n 为t 年后的存单金额,则有等式:


437a58b94f062097d3cb2695a5373851d45a5102

用R内置程序按时间顺序,对此等式得到的存单金额的变化情况进行绘图。(1)建立向量t ,表示年数0~10;(2)根据上式计算向量n ,向量n 中元素表示第0~10年中每年的存单金额;(3)以向量t 为横坐标的值,n 为纵坐标的值来绘点,并用线连接各点。输入下面的R命令(注意:第三行命令中的“l”是小写的“L”,不是数字“1”):

> t=0:10
> n=1000*(1+0.05)^t 
> plot (t, n, type="l")

这时会弹出如图1.1所示的绘图窗口。这里只用了三个命令!很棒吧?plot()是R内置的程序(build-in routine),它用来绘制二维图。在R中,这样的程序非常多,可用它们来绘制各种各样的图形,其中大多数程序都可让用户通过设置参数来满足他们对图形的要求,例如不同的坐标轴标签、短线、标题、符号及图例。

在plot()命令中,第一个变量表示横坐标,第二个变量表示纵坐标,最后是用来设定图形样式的各种选项。其中,type="l"选项(l表示“line”)用来确定该图形为线图,即各点之间用线段连接,且各点本身不用符号显示。R会自动选择合适的坐标轴距离,但用户也可通过绘图语句的附加选项来调整坐标轴距离,这种操作同样适用于坐标轴标签、短线、标题、线宽等。附录C中列出了多种可用的图形,在本书某些章中会用到其中的一些图形。在plot()命令中,用逗号将输入的各个部分或“参数”分隔开,这是R内置程序对参数和输入选项的标准语法。

该图可保存为多种图像格式。点击图形使该窗口成为当前活动窗口,在顶部的“File”菜单中选择“Save as”即可。将这种科学计算图形保存为EPS和PDF格式是不错的选择。在“File”菜单中,也可选择复制图形到剪切板,然后粘贴到Word等文本编辑器中。


2ec46d49a23396ba29efeed631a8ba93ebe2ee73

R中的图形对象是“开放的”,可在原有图形的基础上添加更多的点、曲线及注释等。在后面的章节中会介绍一些用户自定义选项。

在完成一张图形后,关闭该图形窗口,就可绘制另一张图形。

相关文章
|
数据采集 机器学习/深度学习 数据可视化
探索大数据分析的无限可能:R语言的应用与实践
探索大数据分析的无限可能:R语言的应用与实践
832 9
|
数据挖掘 C语言 C++
R语言是一种强大的统计分析工具,提供了丰富的函数和包用于时间序列分析。
【10月更文挑战第21天】时间序列分析是一种重要的数据分析方法,广泛应用于经济学、金融学、气象学、生态学等领域。R语言是一种强大的统计分析工具,提供了丰富的函数和包用于时间序列分析。本文将介绍使用R语言进行时间序列分析的基本概念、方法和实例,帮助读者掌握R语言在时间序列分析中的应用。
631 3
|
数据采集 机器学习/深度学习 数据可视化
R语言从数据到决策:R语言在商业分析中的实践
【9月更文挑战第1天】R语言在商业分析中的应用广泛而深入,从数据收集、预处理、分析到预测模型构建和决策支持,R语言都提供了强大的工具和功能。通过学习和掌握R语言在商业分析中的实践应用,我们可以更好地利用数据驱动企业决策,提升企业的竞争力和盈利能力。未来,随着大数据和人工智能技术的不断发展,R语言在商业分析领域的应用将更加广泛和深入,为企业带来更多的机遇和挑战。
|
数据采集 数据可视化 数据挖掘
R语言在金融数据分析中的深度应用:探索数据背后的市场智慧
【9月更文挑战第1天】R语言在金融数据分析中展现出了强大的功能和广泛的应用前景。通过丰富的数据处理函数、强大的统计分析功能和优秀的可视化效果,R语言能够帮助金融机构深入挖掘数据价值,洞察市场动态。未来,随着金融数据的不断积累和技术的不断进步,R语言在金融数据分析中的应用将更加广泛和深入。
|
机器学习/深度学习 数据采集 数据可视化
R语言在数据科学中的应用实例:探索与预测分析
【8月更文挑战第31天】通过上述实例,我们展示了R语言在数据科学中的强大应用。从数据准备、探索、预处理到建模与预测,R语言提供了完整的解决方案和丰富的工具集。当然,数据科学远不止于此,随着技术的不断发展和业务需求的不断变化,我们需要不断学习和探索新的方法和工具,以更好地应对挑战,挖掘数据的潜在价值。 未来,随着大数据和人工智能技术的普及,R语言在数据科学领域的应用将更加广泛和深入。我们期待看到更多创新的应用实例,为各行各业的发展注入新的动力。
|
数据采集 存储 数据可视化
R语言时间序列分析:处理与建模时间序列数据的深度探索
【8月更文挑战第31天】R语言作为一款功能强大的数据分析工具,为处理时间序列数据提供了丰富的函数和包。从数据读取、预处理、建模到可视化,R语言都提供了灵活且强大的解决方案。然而,时间序列数据的处理和分析是一个复杂的过程,需要结合具体的应用场景和需求来选择合适的方法和模型。希望本文能为读者在R语言中进行时间序列分析提供一些有益的参考和启示。
|
资源调度 数据挖掘
R语言回归分析:线性回归模型的构建与评估
【8月更文挑战第31天】线性回归模型是统计分析中一种重要且实用的工具,能够帮助我们理解和预测自变量与因变量之间的线性关系。在R语言中,我们可以轻松地构建和评估线性回归模型,从而对数据背后的关系进行深入的探索和分析。
1386 1
|
机器学习/深度学习 数据采集
R语言逻辑回归、GAM、LDA、KNN、PCA主成分分类分析预测房价及交叉验证
上述介绍仅为简要概述,每个模型在实施时都需要仔细调整与优化。为了实现高度精确的预测,模型选择与调参是至关重要的步骤,并且交叉验证是提升模型稳健性的有效途径。在真实世界的房价预测问题中,可能还需要结合地域经济、市场趋势等宏观因素进行综合分析。
476 3
|
数据可视化 数据挖掘 API
【R语言实战】聚类分析及可视化
【R语言实战】聚类分析及可视化
|
Web App开发 数据可视化 数据挖掘
利用R语言进行聚类分析实战(数据+代码+可视化+详细分析)
利用R语言进行聚类分析实战(数据+代码+可视化+详细分析)