R語言繪制條形圖及分布密度圖代碼總結(jié)
條形圖
普通條形圖
ggplot(df,],aes(x=group,y=value)) +geom_bar(stat = "identity",width = 0.57) #width是條形寬度 +theme_bw() #去掉灰色的背景 +scale_x_discrete(labels=c("AUC-B","AUC-P")) #x軸分組的標(biāo)簽 +labs(x="time",y="AUC") #x軸和y軸的標(biāo)簽 +theme(title = element_text(size=24),axis.text= element_text(size=16)) # title控制xy軸的標(biāo)題字體大小,axis.text是軸分組標(biāo)簽的字體大小
效果圖:
分組簇狀條形圖
ggplot(df,aes(x=group,y=value,fill=group2)) +geom_bar(stat = "identity",position = position_dodge(0.7),width = 0.7) #position_dodge是并排而不是堆積條形圖參數(shù)的0.7是簇內(nèi)條形間距,width是條形寬度 +scale_fill_grey(start=0.7,end=0.4,labels=c("AUC-B","AUC-P")) #fill_grey是灰度,后面的start和end是灰度百分比,labels顯示在圖例上 #想用彩色可以用 scale_fill_brewer() +theme_bw() #去灰色背景 +scale_x_discrete(labels=c("<80%","80-90%","90-97%","97-100%")) #改變x軸分組的標(biāo)簽 +labs(x="TIR",y="AUC") #改變x和y軸的標(biāo)簽 +theme(legend.position = c(0.9,0.9)) #圖例位置,c(1,1)是右上角,c(0,0)是原點(diǎn) +guides(fill=guide_legend(title=NULL)) #改變圖例標(biāo)題,NULL就是取消標(biāo)題
效果圖:
分布密度圖
ggplot(data_final2,aes(x=relative_time,fill=group,alpha=1/10))+geom_density()
以上就是R語言條形圖及分布密度圖代碼總結(jié)的詳細(xì)內(nèi)容,更多關(guān)于R語言條形圖分布密度圖的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
python?Django實(shí)現(xiàn)增刪改查實(shí)戰(zhàn)代碼
這篇文章主要介紹了python?Django增刪改查快速體驗(yàn),本文通過實(shí)例代碼給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2022-02-02Python OpenCV學(xué)習(xí)之圖像濾波詳解
圖像濾波的作用簡單來說就是將一副圖像通過濾波器得到另一幅圖像;明確一個(gè)概念,濾波器又被稱為卷積核,濾波的過程又被稱為卷積;實(shí)際上深度學(xué)習(xí)就是訓(xùn)練許多適應(yīng)任務(wù)的濾波器,本質(zhì)上就是得到最佳的參數(shù)。下面來跟隨小編一起深入了解一下圖像濾波吧2022-01-01Python爬蟲實(shí)戰(zhàn)之虎牙視頻爬取附源碼
讀萬卷書不如行萬里路,學(xué)的扎不扎實(shí)要通過實(shí)戰(zhàn)才能看出來,本篇文章手把手帶你爬取虎牙短視頻數(shù)據(jù),大家可以在實(shí)戰(zhàn)過程中查缺補(bǔ)漏,加深學(xué)習(xí)2021-10-10

Python集成學(xué)習(xí)之Blending算法詳解

python定時(shí)執(zhí)行指定函數(shù)的方法

python標(biāo)準(zhǔn)庫random模塊處理隨機(jī)數(shù)

Django uwsgi Nginx 的生產(chǎn)環(huán)境部署詳解