忽闻高中一同学已经拿到了微软的实习offer，即刻以为本身的大学越发失败了。做错了选择，然后未能在大学几年里做到当真专注，导致了我此刻的失败。前几天看到搜狗王小川的一篇报道，他就是那种数学很好，然后糊口一切都很顺的人。我碰着过许多这样的同学，数学都很好，然后进修也很轻松顺利。我大学之前后果固然一直都还不错，但我却不属于他们中的那种人，我需要支付更大的尽力，才气取得和他们一样的后果。人在智商和命运上的不同，有时候真的是让人很无奈的。
照旧继承进修R Graph Cookbook第五章吧。不知道十月份谋事情的时候，R语言对我是否有点儿用处，可是此刻我已经无路可走了，唯有把科学计较和语义网这两块学好一些，但愿在接下来的几个月，做多一点对象，找到一份好的事情。
首先要先容的是画条形图，条形图的用图很广，普通的陈诉内里用的最多的或许就是条形图了。代码和图形如下：
library(RColorBrewer)
citysales <– read.csv(“citysales.csv”)
barplot(as.matrix(citysales[,2:4]),beside=TRUE,
legend.text = citysales$City,
args.legend = list(bty = “n”,horiz = TRUE),
col = brewer.pal(5,“Set1”),
border = “white”,ylim = c(0,100),
ylab = “Sales Revenue (1,000’s of USD)”,
main = “Sales Figures”)
box(bty = “l”)
|
这里用到了RColorBrewer包，是一个颜色包，Set1就是个中的一组颜色。
把上面的beside参数去掉可能改为FALSE，就可以绘制出栈形的条形图了，如下：
上面的栈还不太好，我们还可以用左边的Y轴显示百分比，让数据比拟越发得清晰。代码如下：
library(RColorBrewer)
citysales <– read.csv(“citysales.csv”)
barplot(as.matrix(citysales[,2:4]),beside=TRUE,
legend.text = citysales$City,
args.legend = list(bty = “n”,horiz = TRUE),
col = brewer.pal(5,“Set1”),
border = “white”,ylim = c(0,100),
ylab = “Sales Revenue (1,000’s of USD)”,
main = “Sales Figures”)
box(bty = “l”)
|
这里用到了RColorBrewer包，是一个颜色包，Set1就是个中的一组颜色。
把上面的beside参数去掉可能改为FALSE，就可以绘制出栈形的条形图了，如下：
上面的栈还不太好，我们还可以用左边的Y轴显示百分比，让数据比拟越发得清晰。代码如下：
png(“a.png”)
library(RColorBrewer)
citysales <– read.csv(“citysales.csv”)
barplot(as.matrix(citysales[,2:4]), beside=TRUE,horiz=TRUE,
legend.text=citysales$City, args.legend=list(bty=“n”),
col=brewer.pal(5,“Set1”),border=“white”,
xlim=c(0,100), xlab=“Sales Revenue (1,000’s of USD)”,
main=“Sales Figures”)
dev.off()
|
假如我们需要知道每一个条形的精确数量是何等该怎么办，请看下面的代码：
png(“a.png”)
library(RColorBrewer)
citysales <– read.csv(“citysales.csv”)
x <– barplot(as.matrix(citysales[,2:4]),beside=TRUE,
legend.text=citysales$City,args.legend = list(bty=“n”,horiz = TRUE),
col = brewer.pal(5,“Set1”),border = “white”,
ylim = c(0,100),ylab = “Sales Revenue (1,000’s of USD)”,
main = “Sales Figures”)
y <– as.matrix(citysales[,2:4])
text(x,y+2,labels=as.character(y))
dev.off()
|
添加误差线也是很重要的事情，下面是添加误差线的代码和图像：
png(“a.png”)
library(RColorBrewer)
citysales <– read.csv(“citysales.csv”)
sales<–t(as.matrix(citysales[,–1]))
colnames(sales)<–citysales[,1]
x<–barplot(sales,beside=T,legend.text=rownames(sales),
args.legend=list(bty=“n”,horiz=T),
col=brewer.pal(3,“Set2”),border=“white”,ylim=c(0,100),
ylab=“Sales Revenue (1,000’s of USD)”,
main=“Sales Figures”)
arrows(x0=x,
y0=sales*0.95,
x1=x,
y1=sales*1.05,
angle=90,
code=3,
length=0.04,
lwd=0.4)
dev.off()
|
下面说的是绘制点图，我也不是很懂，照旧直接把代码放上了吧，其它的不管了：
library(reshape)
citysales <– read.csv(“citysales.csv”)
sales <– melt(citysales)
sales$color[sales[,2]==“ProductA”] <– “red”
sales$color[sales[,2]==“ProductB”] <– “blue”
sales$color[sales[,2]==“ProductC”] <– “violet”
dotchart(sales[,3],labels=sales$City,groups=sales[,2],
col = sales$color,pch = 19,
main = “Sales Figures”,
xlab = “Sales Revenue (1,000’s of USD)”)
|
下面说说争议较量大的饼图的画法，饼图在科学规模很罕用，因为它容易发生视觉误差，在贸易规模用的倒是许多许多，下面是代码：
library(reshape)
citysales <– read.csv(“citysales.csv”)
sales <– melt(citysales)
sales$color[sales[,2]==“ProductA”] <– “red”
sales$color[sales[,2]==“ProductB”] <– “blue”
sales$color[sales[,2]==“ProductC”] <– “violet”
dotchart(sales[,3],labels=sales$City,groups=sales[,2],
col = sales$color,pch = 19,
main = “Sales Figures”,
xlab = “Sales Revenue (1,000’s of USD)”)
|
下面说说争议较量大的饼图的画法，饼图在科学规模很罕用，因为它容易发生视觉误差，在贸易规模用的倒是许多许多，下面是代码：
png(“a.png”)
browers <– read.table(“browsers.txt”,header=TRUE)
browers <– browers[order(browers[,2]),]
pielabels <– sprintf(“%s = %3.1f%s”,browers[,1],
100*browers[,2]/sum(browers[,2]),“%”)
pie(browers[,2],
labels=pielabels,
clockwise = TRUE,
radius = 1,
col = brewer.pal(7,“Set1”),
border = “white”,
cex = 0.8,
main = “Percentage share of internet browser usage”)
dev.off()
|
这样就更好一些了。可是百分比和名称重叠了，也欠好，下面用更好的方法：
png(“a.png”)
browers <– read.table(“browsers.txt”,header=TRUE)
browers <– browers[order(browers[,2]),]
pielabels <– sprintf(“%s = %3.1f%s”,browers[,1],
100*browers[,2]/sum(browers[,2]),“%”)
pie(browers[,2],
labels=NA,
clockwise = TRUE,
radius = 0.7,
col = brewer.pal(7,“Set1”),
border = “white”,
cex = 0.8,
main = “Percentage share of internet browser usage”)
legend(“bottomright”,legend = pielabels,bty = “n”,
fill = brewer.pal(7,“Set1”))
dev.off()
|
