Daha önce bir R paketinde bunun gibi bir fonksiyonla karşılaştığımdan eminim, ancak kapsamlı Googling'ten sonra hiçbir yerde bulamıyorum. Düşündüğüm fonksiyon, kendisine verilen bir değişken için grafiksel bir özet üretti, bazı grafiklerle çıktı oluşturdu (histogram ve belki de bir kutu ve bıyık arsası) ve ortalama, SD vb.
Bu işlevin R tabanına dahil edilmediğinden eminim, ancak kullandığım paketi bulamıyorum.
Böyle bir işlevi bilen var mı, öyleyse hangi paketin içinde olduğunu?
Yanıtlar:
Frank Harrell's Hmisc paketi, açıklama seçenekleri olan bazı temel grafiklere sahiptir: summary.formula()ve ilgili plotkaydırma işlevlerini inceleyin. Ben de describe()işlevi seviyorum .
Daha fazla bilgi için, Hmisc Kütüphanesine veya S-Plus'a Giriş ile Hmisc ve Tasarım Kütüphanelerine göz atın .
İşte on-line yardım alınan bazı resimler (vardır bpplt, describeve plot(summary(...))):
Diğer birçok örnek R Grafiksel El Kitabında çevrimiçi olarak taranabilir , bkz. Hmisc (ve rms'yi kaçırmayın ).
Chart chart.C.'nin PerformanceAnalytics paketindeki korelasyonları tavsiye ederim . Tek bir grafikte inanılmaz miktarda bilgi içerir: her değişken için çekirdek yoğunluğu grafikleri ve histogramlar ve her değişken çifti için saçılım grafikleri, alçak düzleştiriciler ve korelasyonlar. En sevdiğim grafik veri özeti işlevlerinden biridir:
library(PerformanceAnalytics)
chart.Correlation(iris[,1:4],col=iris$Species)
Bu fonksiyonu faydalı buldum ... asıl yazarın kolu solunum kulübü .
f_summary <- function(data_to_plot)
{
## univariate data summary
require(nortest)
#data <- as.numeric(scan ("data.txt")) #commenting out by mike
data <- na.omit(as.numeric(as.character(data_to_plot))) #added by mike
dataFull <- as.numeric(as.character(data_to_plot))
# first job is to save the graphics parameters currently used
def.par <- par(no.readonly = TRUE)
par("plt" = c(.2,.95,.2,.8))
layout( matrix(c(1,1,2,2,1,1,2,2,4,5,8,8,6,7,9,10,3,3,9,10), 5, 4, byrow = TRUE))
#histogram on the top left
h <- hist(data, breaks = "Sturges", plot = FALSE)
xfit<-seq(min(data),max(data),length=100)
yfit<-yfit<-dnorm(xfit,mean=mean(data),sd=sd(data))
yfit <- yfit*diff(h$mids[1:2])*length(data)
plot (h, axes = TRUE, main = paste(deparse(substitute(data_to_plot))), cex.main=2, xlab=NA)
lines(xfit, yfit, col="blue", lwd=2)
leg1 <- paste("mean = ", round(mean(data), digits = 4))
leg2 <- paste("sd = ", round(sd(data),digits = 4))
count <- paste("count = ", sum(!is.na(dataFull)))
missing <- paste("missing = ", sum(is.na(dataFull)))
legend(x = "topright", c(leg1,leg2,count,missing), bty = "n")
## normal qq plot
qqnorm(data, bty = "n", pch = 20)
qqline(data)
p <- ad.test(data)
leg <- paste("Anderson-Darling p = ", round(as.numeric(p[2]), digits = 4))
legend(x = "topleft", leg, bty = "n")
## boxplot (bottom left)
boxplot(data, horizontal = TRUE)
leg1 <- paste("median = ", round(median(data), digits = 4))
lq <- quantile(data, 0.25)
leg2 <- paste("25th percentile = ", round(lq,digits = 4))
uq <- quantile(data, 0.75)
leg3 <- paste("75th percentile = ", round(uq,digits = 4))
legend(x = "top", leg1, bty = "n")
legend(x = "bottom", paste(leg2, leg3, sep = "; "), bty = "n")
## the various histograms with different bins
h2 <- hist(data, breaks = (0:20 * (max(data) - min (data))/20)+min(data), plot = FALSE)
plot (h2, axes = TRUE, main = "20 bins")
h3 <- hist(data, breaks = (0:10 * (max(data) - min (data))/10)+min(data), plot = FALSE)
plot (h3, axes = TRUE, main = "10 bins")
h4 <- hist(data, breaks = (0:8 * (max(data) - min (data))/8)+min(data), plot = FALSE)
plot (h4, axes = TRUE, main = "8 bins")
h5 <- hist(data, breaks = (0:6 * (max(data) - min (data))/6)+min(data), plot = FALSE)
plot (h5, axes = TRUE,main = "6 bins")
## the time series, ACF and PACF
plot (data, main = "Time series", pch = 20, ylab = paste(deparse(substitute(data_to_plot))))
acf(data, lag.max = 20)
pacf(data, lag.max = 20)
## reset the graphics display to default
par(def.par)
#original code for f_summary by respiratoryclub
}
Düşündüğünüz şeyin bu olup olmadığından emin değilim, ancak fitdistrplus paketini incelemek isteyebilirsiniz . Bunun dağıtımınızla ilgili otomatik olarak faydalı özet bilgiler üreten ve bu bilgilerin bir kısmını çizen pek çok hoş işlevi vardır. İşte skeçten bazı örnekler :
library(fitdistrplus)
data(groundbeef)
windows() # or quartz() for mac
plotdist(groundbeef$serving)
windows()
> descdist(groundbeef$serving, boot=1000)
summary statistics
------
min: 10 max: 200
median: 79
mean: 73.64567
estimated sd: 35.88487
estimated skewness: 0.7352745
estimated kurtosis: 3.551384
fw = fitdist(groundbeef$serving, "weibull")
>summary(fw)
Fitting of the distribution ' weibull ' by maximum likelihood
Parameters :
estimate Std. Error
shape 2.185885 0.1045755
scale 83.347679 2.5268626
Loglikelihood: -1255.225 AIC: 2514.449 BIC: 2521.524
Correlation matrix:
shape scale
shape 1.000000 0.321821
scale 0.321821 1.000000
fg = fitdist(groundbeef$serving, "gamma")
fln = fitdist(groundbeef$serving, "lnorm")
windows()
plot(fw)
windows()
cdfcomp(list(fw,fln,fg), legendtext=c("Weibull","logNormal","gamma"), lwd=2,
xlab="serving sizes (g)")
>gofstat(fw)
Kolmogorov-Smirnov statistic: 0.1396646
Cramer-von Mises statistic: 0.6840994
Anderson-Darling statistic: 3.573646
Veri setini keşfetmek gerçekten hoşuma gidiyor rattle. Paketi kurun ve arayın rattle(). Arayüz oldukça açıklayıcı.
Belki bir şeyleri güzel bir şekilde çizmenize izin veren ggplot2 kütüphanesini arıyorsunuz. Veya çok fazla R grafik aracı içerdiği anlaşılan bu web sitesini kontrol edebilirsiniz http://addictedtor.free.fr/graphiques/
Muhtemelen tam olarak aradığınızı değil, ama R için ps paketindeki pairs.panels () işlevi yararlı olabilir. Size üst diyagonaldaki korelasyon değerlerini verir, alt diyagonaldaki çizgiler ve noktaları işaretler ve her değişkenin matrisin diyagonal çizgisindeki skorlarının histogramını gösterir. Şahsen ben onun etrafındaki verilerin en iyi grafiksel özetlerinden biri olduğunu düşünüyorum.
Benim favorim DescTools
library(DescTools)
data("iris")
Desc(iris, plotit = T)
Bunun gibi bir dizi arsa üretir:
ve bir dizi tanımlayıcı değer görüntüler (ortalama, meanSE, medyan, yüzdelik değerler, aralık, sd, IQR, eğriltme değerleri ve kurtosis dahil):
Alternatif olarak, tabplot grafiksel bir genel bakış için de çok iyidir.
İle süslü araziler üretir tableplot(iris, sortCol=Species)
Bir D3 versiyonu bile yoktur tabplot, yani tabplotd3 .