खोज…


पैरामीटर

पैरामीटर विवरण
x एक्स-अक्ष चर। या तो data$variablex या data[,x] data$variablex आपूर्ति कर सकता है
y y- अक्ष चर। data$variabley या data[,y] आपूर्ति कर सकता है
main कथानक का मुख्य शीर्षक
sub कथानक का वैकल्पिक उपशीर्षक
xlab एक्स-एक्सिस के लिए लेबल
ylab Y- अक्ष के लिए लेबल
pch साजिश रचने का संकेत करनेवाला अभिन्न या चरित्र
col रंग का संकेत करनेवाला या तार
type प्लॉट का प्रकार। "p" अंकों के लिए, "l" लाइनों के लिए, "b" दोनों के लिए, "c" लाइनों के भाग के लिए "b" , "o" दोनों के लिए 'overplotted', "h" लिए 'histogram'-like ( या 'उच्च घनत्व') खड़ी लाइनों, "s" सीढ़ी के चरण के लिए, "S" अन्य कदम के लिए, "n" कोई अंकन के लिए

टिप्पणियों

"पैरामीटर" अनुभाग में सूचीबद्ध आइटम hte संभव मापदंडों का एक छोटा सा अंश है जिसे par फ़ंक्शन द्वारा संशोधित या सेट किया जा सकता है। अधिक संपूर्ण सूची के लिए par देखें। सिस्टम विशिष्ट इंटरेक्टिव ग्राफिक्स उपकरणों सहित सभी ग्राफिक्स डिवाइस में, आउटपुट को अनुकूलित कर सकने वाले मापदंडों का एक सेट होगा।

बेसिक प्लॉट

plot() कॉल करके एक मूल प्लॉट बनाया जाता है। यहां हम बिल्ट-इन cars डेटा फ्रेम का उपयोग करते हैं जिसमें कारों की गति और 1920 के दशक में बंद होने के लिए ली गई दूरियां शामिल हैं। (डेटासेट के बारे में अधिक जानने के लिए, मदद (कारों) का उपयोग करें)।

plot(x = cars$speed, y = cars$dist, pch = 1, col = 1, 
     main = "Distance vs Speed of Cars", 
     xlab = "Speed", ylab = "Distance")

यहाँ छवि विवरण दर्ज करें

हम समान परिणाम प्राप्त करने के लिए कोड में कई अन्य विविधताओं का उपयोग कर सकते हैं। हम विभिन्न परिणाम प्राप्त करने के लिए पैरामीटर भी बदल सकते हैं।

with(cars, plot(dist~speed, pch = 2, col = 3, 
     main = "Distance to stop vs Speed of Cars", 
     xlab = "Speed", ylab = "Distance"))

यहाँ छवि विवरण दर्ज करें

अतिरिक्त सुविधाओं को इस points() कॉलिंग points() , text() , mtext() , lines() , grid() , आदि द्वारा जोड़ा जा सकता है।

plot(dist~speed, pch = "*", col = "magenta", data=cars,
     main = "Distance to stop vs Speed of Cars", 
     xlab = "Speed", ylab = "Distance")
mtext("In the 1920s.")
grid(,col="lightblue")

यहाँ छवि विवरण दर्ज करें

Matplot

matplot विशेष रूप से एक ही ग्राफ पर, एक ही वस्तु से, एक ही वस्तु से टिप्पणियों के कई सेटों की साजिश रचने के लिए उपयोगी है।

यहां एक मैट्रिक्स का एक उदाहरण है जिसमें यादृच्छिक ड्रॉ के चार सेट होते हैं, प्रत्येक का एक अलग मतलब होता है।

xmat <- cbind(rnorm(100, -3), rnorm(100, -1), rnorm(100, 1), rnorm(100, 3))
head(xmat)
#          [,1]        [,2]       [,3]     [,4]
# [1,] -3.072793 -2.53111494  0.6168063 3.780465
# [2,] -3.702545 -1.42789347 -0.2197196 2.478416
# [3,] -2.890698 -1.88476126  1.9586467 5.268474
# [4,] -3.431133 -2.02626870  1.1153643 3.170689
# [5,] -4.532925  0.02164187  0.9783948 3.162121
# [6,] -2.169391 -1.42699116  0.3214854 4.480305

एक ही ग्राफ पर इन सभी अवलोकनों को प्लॉट करने का एक तरीका यह है कि एक plot कॉल के बाद तीन और points या lines कॉल किया जाए।

plot(xmat[,1], type = 'l')
lines(xmat[,2], col = 'red')
lines(xmat[,3], col = 'green')
lines(xmat[,4], col = 'blue')

प्लॉट और लाइनों का उपयोग करके चित्रा

हालाँकि, यह थकाऊ है, और समस्याओं का कारण बनता है, क्योंकि अन्य बातों के अलावा, धुरी की सीमाएं केवल पहले कॉलम को फिट करने के लिए plot द्वारा तय की जाती हैं।

इस स्थिति में बहुत अधिक सुविधाजनक matplot फ़ंक्शन का उपयोग करना है, जिसमें केवल एक कॉल की आवश्यकता होती है और स्वचालित रूप से अक्ष सीमा का ख्याल रखता है और प्रत्येक स्तंभ के लिए सौंदर्यशास्त्र को बदलकर उन्हें अलग पहचान देता है।

matplot(xmat, type = 'l')

मैटलपॉट का उपयोग करते हुए चित्र

ध्यान दें कि, डिफ़ॉल्ट रूप से, matplot दोनों रंग ( col ) और linetype ( lty ) को बदलता है क्योंकि इससे दोहराए जाने से पहले संभावित संयोजनों की संख्या बढ़ जाती है। हालांकि, इन सौंदर्यशास्त्रों में से किसी (या दोनों) को एक ही मूल्य के लिए तय किया जा सकता है ...

matplot(xmat, type = 'l', col = 'black')

सभी काले लाइनों के साथ मैटलपॉट का उपयोग करके चित्रा

... या एक कस्टम वेक्टर (जो मानक आर वेक्टर रीसाइक्लिंग नियमों का पालन करते हुए, स्तंभों की संख्या को रीसायकल करेगा)।

matplot(xmat, type = 'l', col = c('red', 'green', 'blue', 'orange'))

कस्टम-रंगीन लाइनों के साथ मैटलपॉट का उपयोग करते हुए चित्रा

main , xlab , xmin सहित मानक ग्राफिकल पैरामीटर, plot लिए ठीक उसी तरह काम करते हैं। उन पर अधिक के लिए, देखें ?par

plot तरह, यदि केवल एक ही वस्तु दी जाती है, तो matplot यह y चर है और x लिए सूचकांकों का उपयोग करता है। हालाँकि, x और y को स्पष्ट रूप से निर्दिष्ट किया जा सकता है।

matplot(x = seq(0, 10, length.out = 100), y = xmat, type='l')

एक्स अक्ष के लिए एक मूल्य निर्धारित करना

वास्तव में, x और y दोनों मैट्रिसेस हो सकते हैं।

xes <- cbind(seq(0, 10, length.out = 100),
             seq(2.5, 12.5, length.out = 100),
             seq(5, 15, length.out = 100),
             seq(7.5, 17.5, length.out = 100))
matplot(x = xes, y = xmat, type = 'l')

एक्स और वाई के लिए मैट्रिक्स इनपुट

हिस्टोग्राम

हिस्टोग्राम्स डेटा के अंतर्निहित वितरण के छद्म प्लॉट के लिए अनुमति देते हैं।

hist(ldeaths)

डिफ़ॉल्ट मापदंडों के साथ ldeaths का हिस्टोग्राम

hist(ldeaths, breaks = 20, freq = F, col = 3)

घनत्व, अलग-अलग विराम और रंगीन पट्टियों के साथ इतिहास।

भूखंडों का मेल

यह अक्सर एक ग्राफ में कई प्लॉट प्रकारों को संयोजित करने के लिए उपयोगी होता है (उदाहरण के लिए स्कैटरप्लॉट के बगल में एक बारप्लॉट।) आर फ़ंक्शंस par() और layout() की मदद से इसे आसान बनाता है।

par()

par nrows और ncols c(nrows, ncols) का एक मैट्रिक्स बनाने के लिए तर्कों mfrow या mfcol का उपयोग करता है जो आपके भूखंडों के लिए ग्रिड के रूप में काम करेगा। निम्न उदाहरण से पता चलता है कि एक ग्राफ में चार भूखंडों को कैसे संयोजित किया जाए:

par(mfrow=c(2,2))
plot(cars, main="Speed vs. Distance")
hist(cars$speed, main="Histogram of Speed")
boxplot(cars$dist, main="Boxplot of Distance")
boxplot(cars$speed, main="Boxplot of Speed")

एक प्लॉट में चार प्लॉट संयुक्त

layout()

layout() अधिक लचीला है और आपको अंतिम संयुक्त ग्राफ के भीतर स्थान और प्रत्येक भूखंड की सीमा निर्दिष्ट करने की अनुमति देता है। यह फ़ंक्शन इनपुट के रूप में एक मैट्रिक्स ऑब्जेक्ट की उम्मीद करता है:

layout(matrix(c(1,1,2,3), 2,2, byrow=T))
hist(cars$speed, main="Histogram of Speed")
boxplot(cars$dist, main="Boxplot of Distance")
boxplot(cars$speed, main="Boxplot of Speed")

लेआउट () का उपयोग करके एक भूखंड में संयुक्त तीन भूखंड।

घनत्व की साजिश

हिस्टोग्राम के लिए एक बहुत ही उपयोगी और तार्किक अनुवर्ती एक यादृच्छिक चर के चिकने घनत्व समारोह की साजिश होगी। कमान द्वारा निर्मित एक मूल भूखंड

plot(density(rnorm(100)),main="Normal density",xlab="x")

जैसा दिखेगा

rnorm घनत्व प्लॉट उदाहरण

आप एक हिस्टोग्राम और एक घनत्व वक्र के साथ ओवरले कर सकते हैं

x=rnorm(100)
hist(x,prob=TRUE,main="Normal density + histogram")
lines(density(x),lty="dotted",col="red")

जो देता है

ओवरले rnorm

अनुभवजन्य संचयी वितरण समारोह

हिस्टोग्राम और घनत्व भूखंडों के लिए एक बहुत ही उपयोगी और तार्किक अनुवर्ती अनुभवजन्य संचयी वितरण समारोह होगा। हम इस उद्देश्य के लिए फ़ंक्शन ecdf() उपयोग कर सकते हैं। कमान द्वारा निर्मित एक मूल भूखंड

plot(ecdf(rnorm(100)),main="Cumulative distribution",xlab="x")

जैसा दिखेगा यहाँ छवि विवरण दर्ज करें

R_Plots के साथ आरंभ करना

  • स्कैटर प्लॉट

आपके पास दो वैक्टर हैं और आप उन्हें प्लॉट करना चाहते हैं।

x_values <- rnorm(n = 20 , mean = 5 , sd = 8) #20 values generated from Normal(5,8)
y_values <- rbeta(n = 20 , shape1 = 500 , shape2 = 10) #20 values generated from Beta(500,10)

आप एक साजिश जो है बनाना चाहते हैं y_values ऊर्ध्वाधर अक्ष में और x_values क्षैतिज अक्ष में, आप निम्न आदेश का उपयोग कर सकते हैं:

plot(x = x_values, y = y_values, type = "p") #standard scatter-plot
plot(x = x_values, y = y_values, type = "l") # plot with lines
plot(x = x_values, y = y_values, type = "n") # empty plot

अधिक विकल्पों के बारे में पढ़ने के लिए आप कंसोल में टाइप ?plot() कर सकते हैं।

  • बॉक्स प्लॉट

आपके पास कुछ चर हैं और आप उनके वितरण की जांच करना चाहते हैं

#boxplot is an easy way to see if we have some outliers in the data.
   
z<- rbeta(20 , 500 , 10) #generating values from beta distribution
z[c(19 , 20)] <- c(0.97 , 1.05) # replace the two last values with outliers      
boxplot(z) # the two points are the outliers of variable z.
  • हिस्टोग्राम

हिस्टोग्राम को खींचने का आसान तरीका

hist(x = x_values) # Histogram for x vector
hist(x = x_values, breaks = 3) #use breaks to set the numbers of bars you want
  • वृत्त चित्र

यदि आप एक चर की आवृत्तियों की कल्पना करना चाहते हैं, तो बस पाई आकर्षित करें

पहले हमें आवृत्तियों के साथ डेटा उत्पन्न करना होगा, उदाहरण के लिए:

P <- c(rep('A' , 3) , rep('B' , 10) , rep('C' , 7) )
t <- table(P) # this is a frequency matrix of variable P
pie(t) # And this is a visual version of the matrix above


Modified text is an extract of the original Stack Overflow Documentation
के तहत लाइसेंस प्राप्त है CC BY-SA 3.0
से संबद्ध नहीं है Stack Overflow