본문 바로가기
반응형

Visualization4

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 - 6 ( persp()...) 3차원 그래픽 3차원 그래픽스로 고수준 그래픽스 함수인 persp()와 contour()의 사용법을 다룬다. persp()는 2차원 함수 를 그려주며, contour()는 의 등고선을 그려준다. 1. persp() persp()의 기본 사용형식은 persp(x, y, z) 여기서 x와 y는 x축과 y축을 표시하는 좌표 벡터이고, z는 함수 outer()에 의해 생성된 (x, y) 격자점에 대응한 f(x,y) 값을 나타낸다. 간단히 2변량 표준화 정규분포함수 를 그려보자. > x=y=seq(-4,4,by=0.1) #x, y 축의 구간 > f=function(x,y){1/(2*pi)* exp(-(x^2+y^2)/2)} #f(x,y) 정의 > z=outer(x,y,f) #(x, y) 격자점에 대응한 f(x,y.. 2021. 1. 19.
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 - 2(산점도 그래프) 1. 산점도 그리기 다음 표는 10명의 체중(weight)와 신장(height) 자료를 나타내고 있다. 이 자료를 1차원 산점도 표시 자료번호 1 2 3 4 5 6 7 8 9 10 체중(kg) 50 48 55 45 78 47 72 60 68 54 신장(cm) 170 168 178 162 186 157 183 166 174 160 성별 M M M F M F M M F M 그룹 A A A A A B B B B B > weight=c(50,48,55,45,78,47,72,60,68,54) > height=c(170,168,178,162,186,157,183,166,174,160) > sex=c('M','M','M','F','M','F','M','F','M','F') > group=c('A','A','A','A.. 2021. 1. 16.
반응형