ITPub博客

原创:黄小仙上次分享了小提琴曲线(violinplot)的作图方法,今天小仙同学给大家介绍一下如何用R画出漂亮的密度图(densityplot)。Step1.绘图数据的准备首先还是要把你想要绘图的数据调整成R语言可以识别的格式excel中保存成csv格式。数据的格式如下图：一列表示一种变量，第一行是

原创：黄小仙老铁们，许久未见啦。顺便说一下，最近可不是小仙同学偷懒哟，电脑上个月送修今天刚刚拿回来(想买联想Yoga的同学先问问自己会不会拆电脑换排线，我买的这台用了一个月，送修也用了一个月)。最近我可攒了个大招呢，先来看看下面这张图，有没有很眼熟呢？这张图在开始介绍R语言的时候就出现过啦，不过小仙

原创:黄小仙上一次小仙同学分享了facetviolinplot的画法，最后还卖了个关子，给大家留了个悬念。科研文章的插图通常要求比较高，不仅要精准地展示出数据，选对图表类型，还需要简洁优美（翻译成人话就是，同样的数据能不能多“卖”几分，就看图够不够高大上啦）。小仙同学在画图的时候遇到的一个问题就是，

原创:黄小仙最近小仙同学在NatureCellBiology上看到了这样一张图，很常见的折线图画成这个样子——原来很常见的图标类型也可以“焕发新春”！今天小仙同学就尝试用R复刻一张类似的折线图。Step1.绘图数据的准备首先要把你想要绘图的数据调整成R语言可以识别的格式，建议大家在excel中保存成

原创：黄小仙最近小仙同学很是烦恼，本以为自己已经掌握了ggplot2作图的语法，用read.csv(),ggplot()+geom_point()/boxplot()/violinplot()…就可以画遍天下图表，结果却发现到真正画图的时候，还是会出现不少的小问题。比如小仙最近要画一个直方图，最开始

原创：hxj7序前言学习R语言有半年时间了，一直想找个机会找个小项目练练手，所以才有了这篇文章。目的对《NatureNeuroscience》杂志2009-2018年的研究文章进行可视化初探。主要分为以下几个部分：1.基础统计及可视化2.进一步统计及可视化3.主要国家比较及可视化4.热词统计及可视化

原创：黄小仙今天小仙同学给大家分享下Radarchart的作图方法，其实雷达图我们在生活中能经常可以见到，比如大家很喜欢玩的王者荣耀里就有。通过简单的图形对比，人物特点一目了然。也经常用来评估学生的成绩和产品的性能。在生信领域，我们也可以用来比较评估样品的基因表达情况啦。作图数据如下：画出来的效果图

原创：黄小仙今天给大家分享的是Lollipopchart(棒棒糖图)的画法。棒棒糖图的用途跟条形图的用法类似，只是看起来更加美观一些，图表形式更加丰富(数据不够、拿图来凑，啥也不能阻止我优秀)。为了跟之前画的柱状图更好的比较，今天画图使用了相同的数据。作图思路：棒棒糖图实际上是在散点图的基础上增加了

原创：黄小仙今天要给大家介绍的Piechart（饼图），本来是不打算写这个的，因为用Excel画饼图实在是太方便了。本着能少动一下是一下的懒人原则，是不打算用R画的，再说，本小仙不是掌握了R作图大器ggplot2么，实在需要用的时候我就一句ggplot()+geom_pie()不就搞定了。结果后来用

原创：黄小仙2020开年不凡,生活果然充满了惊吓，可仍然要期待惊喜呀。今天要给大家介绍的是点图（Dotplot)，点图展示的数据比较简单，但胜在好看啊。作图数据如下：Step1.绘图数据的准备首先要把你想要绘图的数据调整成R语言可以识别的格式，建议大家在excel中保存成csv格式。Step2.绘图

原创：hxj7本文用RVirusBroadcast展示模拟的疫情数据本文篇幅较长，分为以下几个部分：前言效果展示小结附录：RVirusBroadcast代码前言前几天微博的一个热搜主题是“计算机仿真程序告诉你为什么现在还没到出门的时候！！！”，该视频用模拟的疫情数据告诉大家“不要随便出门（宅在家）”

原创：hxj7本文用gganimate包展示模拟疫情数据本文篇幅较长，分为以下几个部分：前言效果展示小结附录：代码前言前文《R语言模拟疫情传播-RVirusBroadcast》已经介绍了一种用R语言模拟疫情传播的方法，不过当时为了实时模拟数据（没有事先准备好的数据集可用）的动态展示效果，笔者在RVi

原创：黄小仙时光飞逝，岁月如梭，转眼又是一年过去了，本小仙怎么还是一事无成呢！转念一想，这种事也不是一次两次了，再多一个又何妨，哈哈！回归正题，今天就给大家介绍下直方图（histogram）的“好兄弟”——条形图（barchart）。假设小仙同学现在要帮一家书店用图形展示2018年最受大家欢迎的书目

作者：黄天元，复旦大学博士在读，热爱数据科学与开源工具（R），致力于利用数据科学迅速积累行业经验优势和科学知识发现，涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等，著有《R语言高效数据处理指南》（《R语言数据高效处理指南》(黄天元)【摘要书评试读】-京东图书）。知乎专栏

作者：黄天元，复旦大学博士在读，热爱数据科学与开源工具（R），致力于利用数据科学迅速积累行业经验优势和科学知识发现，涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等。知乎专栏：R语言数据挖掘。邮箱：huang.tian-yuan@qq.com.欢迎合作交流。写论文的时候如

通过一周的学习，看了R语言的第一和第二章，把书中的例子敲了一篇，加深印象，学习总是从模仿开始，不过就是简单的模仿，做起来都碰到不少问题，下面把自己敲的代码截图上来，记录自己的错误。一、R会话实例，如下图：犯了几个错误，1、（）最末尾以“，”结尾，导致错误；2，“<-”符号前后要空格，前面是名称

一、R语言简介R语言是专业的统计分析软件，来自著名数据科学网站（http://www.kdnuggets.com/）发起的一个2019年统计分析和数据挖掘软件使用情况的调查结果：表明R语言是该领域近年来最受欢迎的软件之一。R语言的优势：(1)免费开源，软件体积小根据需要安装扩展包，兼容各种常用操作系

一、基本数据类型包括数值型（numeric）、逻辑型（logical）、字符型（character）、缺失值（NA）、浮点型（double）、复数型（complex）、整数型（integer）等。数据类型的判别与转换都是统一的格式，例如，is.numeric()判断是否为数值型，as.numeric

一、键盘输入数据适合小数据集，使用函数edit()，操作步骤：1.创建一个空的数据框或矩阵，设置对应的变量名和变量类型；2.针对该数据对象，调用文本编辑器，输入数据，并保存。mydata<-data.frame(age=numeric(0),gender=factor(character(0)

R中数值计算的对象一般是向量或列表，不同长度的对象进行计算时，短的对象元素将被循环使用。一、基本运算符号1.基本数学运算+-*/、^（求幂）、%%（求模）、%/%（整除）注意：可以关于小数求模，例如5.4%%2.3为0.82.比较运算>、<、>=、<=、==、!=3.逻辑运算