R语言实验四Word文件下载.docx

1、p, lbcohsSn） #9种类型 plot（speed, dist, type=i, main = paste（type = , i, , sep = ） # 为双引号detach（） #取消连接数据集4.2dfdata.frame（Age=c（13,13,14,12,12,15,11,15,14,14,14,15,12,13,12,16,12,11,15）, Height=c（144,166,163,143,152,169,130,159,160,175,161,170,146,159,150,183,165,146,169）, Weight=c（38.1,44.5,40.8,34.9,

2、38.3,50.8,22.9,51.0,46.5,51.0,46.5,60.3,37.7,38.1,45.1,68.0,58.1,38.6,50.8） #数据框pairs（df） #多组图pairs（ Age + Height + Weight, data=df） #与上述结果相4.3coplot（WeightHeight|Age, data=df） #年龄条件下的协同图4.4点图VADeaths #Virginia州在1940年的人口死亡率数据（R自带）me1- apply（VADeaths, 1, mean） #矩阵的行向量的均值me2- apply（VADeaths, 2, mean）

3、#矩阵的列向量的均值dotchart（VADeaths, gdata=me2, gpch=19, #按类型分类 main = Death Rates in Virginia - 1940）dotchart（t（VADeaths）, gdata=me1, gpch=19, #按年龄分类4.5饼图pie.sales-c（39, 200, 42, 15, 67, 276, 27, 66）;names（pie.sales）-c（EUL,PESEFAEDDELDREPPUNEother） #各候选人的得票结果# figure1，默认色彩，逆时针pie（pie.sales,radius = 0.9,mai

4、n =Ordinary chart# figure2，彩虹色彩，顺时针pie（pie.sales,radius=0.9,col=rainbow（8）,clockwise =TRUE,main=Rainbow colours# figure3，灰度色彩，顺时针pie（pie.sales,radius =0.9,clockwise =TRUE,col =gray（seq（0.4,1.0,length=8）,main=Grey colours# figure4，阴影色彩，逆时针pie（pie.sales,radius=0.9,density=10,angle=15+15*1:8,main=The d

5、ensity of shading lines4.6条形图par（mai=c（0.9, 0.9, 0.3, 0.3） #定义图像边距# figure1, 添加一条线rbarplot（pie.sales,space=1,col=rainbow（8）;lines（r,pie.sales,type=h,col=1,lwd=2）# figure2,用text（）添加平均值mp - barplot（VADeaths）;tot-colMeans（VADeaths）; text（mp, tot+ 3, format（tot）, xpd = TRUE, col = blue） # figure3, 添加条形的

6、颜色barplot（VADeaths, space = 0.5, col = c（lightbluemistyroselightcyanlavendercornsilk）# figure4, 条形平行排列barplot（VADeaths, beside = TRUE, col = c（）, legend = rownames（VADeaths）,ylim = c（0, 100）4.7直方图par（mai=c（0.9, 0.9, 0.6, 0.3） #图形边距attach（df） #连接数据框# figure1，增加直方图和外框的颜色，以及相应的频数hist（Height, col=, bord

7、er=red, labels = TRUE, ylim=c（0, 7.2）# figure2，使用线条阴影并利用text（）标出频数，用lines（）绘出数据的密度曲线（蓝色）和正态分布密度曲线（红色）-hist（Height,breaks=12,freq=FALSE,density=10,angle = 15+30*1:6）;text（r$mids, 0, r$counts, adj=c（.5, -.5）,cex=1.2 ）;lines（density（Height）,col=,lwd=2）;x-seq（from=130, to=190, by=0.5）;lines（x, dnorm（x,m

8、ean（Height）, sd（Height）, col=, lwd=2）detach（） #取消连接数据框4.8箱线图（1）c（25,45,50,54,55,61,64,68,72,75,75,78,79,81,83,84,84,84,85,86,86,86,87,89,89,89,90,91,91,92,100）fivenum（x） #上、下四分位数,中位数, 最大和最小值boxplot（x） #绘制箱线图（2）InsectSprays #数据框，其中count为昆虫数目，spray为杀虫剂的类型boxplot（countspray,data =InsectSprays,col=light

9、gray#矩形箱线图boxplot（countspray,data=InsectSprays,notch=TRUE,col=2:7,add=TRUE）4.9 QQ图-data.frame（Age=c（13,13,14,12,12,15,11,15,14,14,14,15,12,13,12,16,12,11,15）,Height=c（144,166,163,143,152,169,130,159,160,175,161,170,146,159,150,183,165,146,169）,Weight=c（38.1,44.5,40.8,34.9,38.3,50.8,22.9,51.0,46.5,51

10、.0,46.5,60.3,37.7,38.1,45.1,68.0,58.1,38.6,50.8） #数据框par（mai=c（0.9, 0.9, 0.6, 0.3）attach（df）qqnorm（Weight） #数据的正态Q-Q图qqline（Weight） #在Q-Q图上增加一条理论直线y =x +qqnorm（Height）qqline（Height）detach（）4.10 三维透视图perspy - x - seq（-7.5, 7.5, by = 0.5） #定义域f-function（x,y）r-sqrt（x2+y2） + 2-52 #加上一个很小的量2-52是为了避免在下一行运

11、算时分母为零z-sin（r）/r;-outer（x,y,f） #对f作外积运算形成网格par（mai=c（0.0,0.2,0.0,0.1） #图像边距persp（x,y,z,theta=30,phi=15,expand=.7,col=,xlab=X,ylab=Y,zlab=Z） #绘制三维图4.11 等值线contoury-x - seq（-3, 3, by = 0.125） #定义域-function（x,y）z-3*（1-x）2*exp（-x2-（y+1）2）-10*（x/5-x3-y5）*exp（-x2-y2）-1/3*exp（-（x+1）2 -y2）;z - outer（x, y, f

12、） #对函数f作外积运算形成网格par（mai=c（0.8, 0.8, 0.2, 0.2） #图像边距contour（x,y,z,levels=seq（-6.5,8,by=0.75）,xlab=,col=） #绘制等值线4.12 添加点、线、文字或符号data（iris） #调用数据op-par（mai=c（1,1,0.3,0.3）,cex=1.1） #定义图形参数-iris$Petal.Length;-iris$Petal.Widthplot（x,y,type=Petal LengthPetal Width,cex.lab=1.3）Speciessetosaversicolorvirginicapch-c（24,22,25） #图中点的形状for（i in 1:3）index-iris$Sp