'데이터 시각화' 태그의 글 목록
본문 바로가기
반응형

데이터 시각화4

R 시각화 - 7 다변량 데이터 그리기변수가 여러 개인 데이터셋을 시각적으로 전체적 경향을 쉽게 판단하는데 도움을 주는 작도법이 있다. 여기서는 pairs()과 stars() 두 가지만을 소개한다. 1. pairs()pairs(수치행렬 혹은 데이터프레임)은 수치행렬이나 데이터프레임의 변량(열)들 사이의 산점도를 동시에 출력해 주는 다중 산점도 작도함수이다. 이 작도법은 변량들 사이의 관계를 한 번에 알 수한다는 점에서 유용하다. 이 함수는 plot()의 인수 main, pch, bg, cex 등을 인수로 사용할 수 있다.  예를 위해 iris 데이터셋을 이용하자. 이 자료는 150개(행)의 붓꽃 자료의 측정값으로 이루어져 있는데, 각 열에는  1열: Sepal.Length(꽃잎 길이)2열: Sepal.Width(꽃잎 너비.. 2021. 1. 19.
R 시각화 - 5 (points()등) 작도 함수들 함수 기능 points() 점 그리기 추가 lines() 선 그리기 추가 abline() 지정된 직선 그리기 추가 segment() 선분 그리기 추가 arrows() 화살표 그리기 추가 rect() 사각형 그리기 추가 text() 테두리 내 문자열 추가 mtext() 테두리 밖 문자열 추가 title() 제목과 부제목 추가 box() 테두리 꾸밈 axis() 좌표축 그리기 추가 polygon() 다각형 추가 legend() 범례표 추가 1. 함수 points() points()는 고수준의 함수 위에 점들을 추가한다. 또한 함수 plot()의 인수인 pch, col, cex lwd 등을 인수로 사용할 수 있다. 앞 절에서 그린 (체중, 신장)의 산점도에 다음 세 점을 추가하자. (55, 165.. 2021. 1. 18.
R 시각화 - 4 ( barplot(), hist(), pie() ) 함수 barplot()과 hist() 및 pie() 함수 barplot() 범주형 자료의 빈도를 막대그래프로 그려주며, hist()는 1차원 연속형 자료 빈도에 대해 히스토그램을 그려준다. [1] barplot() ▶ 높이 값들의 막대그래프 다음 표의 높이값의 막대 그래프를 그려보자. names A B C 높이값 10 8 5 > x=c(10, 8, 5) > names(x)=c('A','B','C') > barplot(x) ※ 자료에 names가 없으면 x-축의 좌표값을 넣지 않음을 유의하자. ▶ 1차원 도수분포표의 막대그래프 앞에서 제공한 예제에서 범주형 변수인 sex와 group의 도수분포표는 아래와 같다. sex M F 합계 빈도 6 4 10 group A B C 합계 빈도 5 3 2 10 이제 ta.. 2021. 1. 18.
R 시각화 - 3(커브그래프) 1차원 함수 그래프 그리기 함수 plot은 x의 함수 f(x)를 그리는 데에도 유용하게 이용될 수 있다. y=f(x)를 그리는데 두 가지 방식을 사용 • plot(x,y) : x 벡터와 y 벡터 이용 • plot(f, x의 하한, x의 상한) : 함수 이름 f와 x의 범위 이용 예를 들어 범위 내에서 함수 의 그림을 그려보자. 먼저, y 자료 벡터를 이용하면, > x=seq(-5,5,0.1) > y=x^2 -x +1 > windows(); plot(x,y, type='l') 다음은 함수명 f를 이용하면 > f=function(x){x^2-x+1} > windows(); plot(f, -5, 5) 같이 거의 같은 결과를 얻을 수 있다. ≪plot()과 curve()의 비교≫ 함수 를 그리기 위해 함수 pl.. 2021. 1. 17.
반응형