R 散點(diǎn)圖,plot(),spearman相關(guān)性系數(shù) 2018-11-05

R 散點(diǎn)圖,ggplot2,spearman相關(guān)性系數(shù)

散點(diǎn)圖顯示了在笛卡爾平面繪制的多個(gè)點(diǎn)。每個(gè)點(diǎn)代表兩個(gè)變量的值。在水平軸上選擇一個(gè)變量,在垂直軸中選擇另一個(gè)變量。簡(jiǎn)單散點(diǎn)圖使用plot()函數(shù)來(lái)創(chuàng)建。

在R中創(chuàng)建散點(diǎn)圖的基本語(yǔ)法是 -

plot(x, y, main, xlab, ylab, xlim, ylim, axes)

以下是使用的參數(shù)的描述 :

  • x - 是數(shù)據(jù)集,其值是水平坐標(biāo)。
  • y - 是數(shù)據(jù)集,其值是垂直坐標(biāo)。
  • main - 是圖表的標(biāo)題。
  • xlab - 是水平軸(x軸)上的標(biāo)簽。
  • ylab - 是垂直軸(y軸)上的標(biāo)簽。
  • xlim - 是用于繪制的x的值的極限。
  • ylim - 是用于繪制的y值的極限。
  • axes - 指示是否應(yīng)在繪圖上繪制兩個(gè)軸。

例子:
讀取數(shù)據(jù):
數(shù)據(jù)的讀取可以用:

  • read.table() 表格式文件
  • read.csv() 逗號(hào)分隔的文件
  • read.delim() tab鍵分隔的文件
    使用外部文件參數(shù)讀取數(shù)據(jù):
args=commandArgs(T)
data = read.table(args[1],sep="\t",header=TRUE)

將第一列賦值給x,將第二列賦值給y

x = data[,1]
y = data[,2]
對(duì)x和y取對(duì)數(shù)lg:
x = log(data[,1],10)
y = log(data[,2],10)
計(jì)算相關(guān)性系數(shù):
cor.test(x,y,method="spearman")
創(chuàng)建一個(gè)png圖,
png(file = "scatterplot.png")
plot(x,y,main="haha",xlab="reversA", ylab="reversB",pch=16) # 不懂pch是什么?往下看!

屏幕打印出如下:

    Spearman's rank correlation rho
data:  x and y
S = 89876000, p-value < 2.2e-16
alternative hypothesis: true rho is not equal to 0
sample estimates:
      rho
0.9931938

Warning message:
In cor.test.default(x, y, method = "spearman") :
  Cannot compute exact p-value with ties

我們可以看到spearman系數(shù)為0.9931938。

plot()及相關(guān)函數(shù)的參數(shù)說(shuō)明:

image.png
image.png
image.png
image.png

ggplot無(wú)法安裝?戳這里http://www.lxweimin.com/p/edb234eed915

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書(shū)系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 230,825評(píng)論 6 546
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 99,814評(píng)論 3 429
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人,你說(shuō)我怎么就攤上這事。” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 178,980評(píng)論 0 384
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我,道長(zhǎng),這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 64,064評(píng)論 1 319
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 72,779評(píng)論 6 414
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 56,109評(píng)論 1 330
  • 那天,我揣著相機(jī)與錄音,去河邊找鬼。 笑死,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 44,099評(píng)論 3 450
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 43,287評(píng)論 0 291
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 49,799評(píng)論 1 338
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 41,515評(píng)論 3 361
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 43,750評(píng)論 1 375
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,221評(píng)論 5 365
  • 正文 年R本政府宣布,位于F島的核電站,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 44,933評(píng)論 3 351
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 35,327評(píng)論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 36,667評(píng)論 1 296
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 52,492評(píng)論 3 400
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 48,703評(píng)論 2 380

推薦閱讀更多精彩內(nèi)容