Grafiken und Statistik in R

Weitere Magazine

Empfehlungen

Info

par()$din[1] < dinMin * ifelse(scale>=1, scale, 1) || par()$din[1] > dinMax * ifelse(scale>=1, scale, 1), par()$din[2] < dinMin * ifelse(scale dinMax * ifelse(scale=1, scale, 1),#*scale, height = mean(c(dinMin,dinMax)) * ifelse(scale=1, scale, 1),#*scale, height = mean(c(dinMin,dinMax)) * ifelse(scale=1, scale, 1),#*scale, height = mean(c(dinMin,dinMax)) * ifelse(scale
R Reference Card by Tom Short, EPRI Solutions, Inc., tshort@eprisolutions.com 2005-07-12 Granted to the public domain. See http://www.Rpad.org for the source and latest version. Includes material from R for Beginners by Emmanuel Paradis (with permission). Help and basics Most R functions have online documentation. help(topic) documentation on topic ?topic id. help.search("topic") search the help system apropos("topic") the names of all objects in the search list matching the regular expression ”topic” help.start() start the HTML version of help str(a) display the internal *str*ucture of an R object summary(a) gives a “summary” of a, usually a statistical summary but it is generic meaning it has different operations for different classes of a ls() show objects in the search path; specify pat="pat" to search on a pattern ls.str() str() for each variable in the search path dir() show files in the current directory methods(a) shows S3 methods of a methods(class=class(a)) lists all the methods to handle objects of class a options(...) set or examine many global options; common ones: width, digits, error library(x) load add-on packages; library(help=x) lists datasets and functions in package x. attach(x) database x to the R search path; x can be a list, data frame, or R data file created with save. Use search() to show the search path. detach(x) x from the R search path; x can be a name or character string of an object previously attached or a package. Input and output load() load the datasets written with save data(x) loads specified data sets read.table(file) reads a file in table format and creates a data frame from it; the default separator sep="" is any whitespace; use header=TRUE to read the first line as a header of column names; use as.is=TRUE to prevent character vectors from being converted to factors; use comment.char="" to prevent "#" from being interpreted as a comment; use skip=n to skip n lines before reading data; see the help for options on row naming, NA treatment, and others read.csv("filename",header=TRUE) id. but with defaults set for reading comma-delimited files read.delim("filename",header=TRUE) id. but with defaults set for reading tab-delimited files read.fwf(file,widths,header=FALSE,sep="�",as.is=FALSE) read a table of f ixed width f ormatted data into a ’data.frame’; widths is an integer vector, giving the widths of the fixed-width fields save(file,...) saves the specified objects (...) in the XDR platformindependent binary format save.image(file) saves all objects cat(..., file="", sep=" ") prints the arguments after coercing to character; sep is the character separator between arguments print(a, ...) prints its arguments; generic, meaning it can have different methods for different objects format(x,...) format an R object for pretty printing write.table(x,file="",row.names=TRUE,col.names=TRUE, sep=" ") prints x after converting to a data frame; if quote is TRUE, character or factor columns are surrounded by quotes ("); sep is the field separator; eol is the end-of-line separator; na is the string for missing values; use col.names=NA to add a blank column header to get the column headers aligned correctly for spreadsheet input sink(file) output to file, until sink() Most of the I/O functions have a file argument. This can often be a character string naming a file or a connection. file="" means the standard input or output. Connections can include files, pipes, zipped files, and R variables. On windows, the file connection can also be used with description = "clipboard". To read a table copied from Excel, use x 3] all elements greater than 3 x[x > 3 & x < 5] all elements between 3 and 5 x[x %in% c("a","and","the")] elements in the given set Indexing matrices x[i,j] element at row i, column j x[i,] row i x[,j] column j x[,c(1,3)] columns 1 and 3 x["name",] row named "name" Indexing data frames (matrix indexing plus the following) x[["name"]] column named "name" x$name id. Variable conversion as.array(x), as.data.frame(x), as.numeric(x), as.logical(x), as.complex(x), as.character(x), ... convert type; for a complete list, use methods(as) Variable information is.na(x), is.null(x), is.array(x), is.data.frame(x), is.numeric(x), is.complex(x), is.character(x), ... test for type; for a complete list, use methods(is) length(x) number of elements in x dim(x) Retrieve or set the dimension of an object; dim(x)
Seite 1 und 2:
Skript zum Umgang und zur multivari
Seite 3 und 4:
Inhaltsverzeichnis Abbildungsverzei
Seite 5 und 6:
3.2.16 Balkendiagramme/Histogramme
Seite 7 und 8:
4.6.1 Umkehrpunkte . . . . . . . .
Seite 9 und 10:
1 Allgemeines Benutzung des Skripte
Seite 11 und 12:
1 Allgemeines 1.2 Blitzstart die Au
Seite 13 und 14:
1 Allgemeines 1.2 Blitzstart 1.2.2
Seite 15 und 16:
1 Allgemeines 1.2 Blitzstart m[1,]
Seite 17 und 18:
1 Allgemeines 1.2 Blitzstart par(ma
Seite 19 und 20:
1 Allgemeines 1.4 Pakete laden, her
Seite 21 und 22:
2 Daten log(...) # natürlicher Log
Seite 23 und 24:
2 Daten 2.3 Datenumgang cat(file=ff
Seite 25 und 26:
2 Daten 2.3 Datenumgang 2.3.4 Einge
Seite 27 und 28:
2 Daten 2.3 Datenumgang # Reihe än
Seite 29 und 30:
2 Daten 2.3 Datenumgang sich natür
Seite 31 und 32:
2 Daten 2.3 Datenumgang # 1 (4.33,4
Seite 33 und 34:
2 Daten 2.4 Transformieren . . . .
Seite 35 und 36:
3 Grafik 3.1 Einstellungen Zusätze
Seite 37 und 38:
Seite 39 und 40:
Seite 41 und 42:
Seite 43 und 44:
Seite 45 und 46:
Seite 47 und 48:
Seite 49 und 50:
Seite 51 und 52:
Seite 53 und 54:
Seite 55 und 56:
Seite 57 und 58:
Seite 59 und 60:
3 Grafik 3.2 Diagramme Für die Leg
Seite 61 und 62:
3 Grafik 3.2 Diagramme # subset in
Seite 63 und 64:
3 Grafik 3.2 Diagramme Entsprechend
Seite 65 und 66:
3 Grafik 3.2 Diagramme def.par
Seite 67 und 68:
3 Grafik 3.2 Diagramme Fallen mehre
Seite 69 und 70:
3 Grafik 3.2 Diagramme # Zufallsdat
Seite 71 und 72:
3 Grafik 3.2 Diagramme # Bsp.: Lini
Seite 73 und 74:
3 Grafik 3.2 Diagramme −20 −25
Seite 75 und 76:
3 Grafik 3.2 Diagramme # Gitternetz
Seite 77 und 78:
3 Grafik 3.2 Diagramme par(las=1) #
Seite 79 und 80:
3 Grafik 3.2 Diagramme par(las=1) #
Seite 81 und 82:
3 Grafik 3.2 Diagramme −20 −25
Seite 83 und 84:
3 Grafik 3.2 Diagramme plot.after =
Seite 85 und 86:
3 Grafik 3.2 Diagramme 3.2.16 Balke
Seite 87 und 88:
3 Grafik 3.2 Diagramme # mtext = ma
Seite 89 und 90:
3 Grafik 3.2 Diagramme polygon(x.bo
Seite 91 und 92:
3 Grafik 3.2 Diagramme # Sterndiagr
Seite 93 und 94:
3 Grafik 3.2 Diagramme data(volcano
Seite 95 und 96:
3 Grafik 3.2 Diagramme library(plot
Seite 97 und 98:
4 Statistik set.seed(25) # Zufallsg
Seite 99 und 100:
4 Statistik # allgemeine Modell Aus
Seite 101 und 102:
4 Statistik 4.3 Regressionsanalyse
Seite 103 und 104:
4 Statistik data(airquality) # Date
Seite 105 und 106:
4 Statistik } val
Seite 107 und 108:
4 Statistik rect.hclust(hc, h=50, w
Seite 109 und 110:
4 Statistik library(fpc) # Paket la
Seite 111 und 112:
4 Statistik msplot(boston.pv, edges
Seite 113 und 114:
4 Statistik # Dendrogramm verkürze
Seite 115 und 116:
4 Statistik 4.4.10 Heatmaps 4.4 Clu
Seite 117 und 118:
4 Statistik 4.4 Clusteranalyse 3. D
Seite 119 und 120:
4 Statistik similarities distances
Seite 121 und 122:
4 Statistik Methode pro & contra Be
Seite 123 und 124:
4 Statistik ostr.pca $ci s.arrow(o
Seite 125 und 126:
4 Statistik 4.5 Ordinationsmethoden
Seite 127 und 128:
4 Statistik # mit Maus platzieren l
Seite 129 und 130:
4 Statistik ?dune # Hilfe zum Daten
Seite 131 und 132:
4 Statistik # Schwerpunkt jeder Gru
Seite 133 und 134:
4 Statistik # gehören die Daten zu
Seite 135 und 136:
4 Statistik bnr2
Seite 137 und 138:
4 Statistik YY
Seite 139 und 140:
4 Statistik 4.8 Paläo - Rekonstruk
Seite 141 und 142:
4 Statistik 4.8 Paläo - Rekonstruk
Seite 143 und 144:
5 Programmierung # Grafik wieder 1x
Seite 145 und 146:
5 Programmierung 5.1 Benutzerfunkti
Seite 147 und 148:
6 Diverses NULL # default )# end sw
Seite 149 und 150:
6 Diverses 6.5 L ATEX/HTML Ausgaben
Seite 151 und 152:
7 Linkliste - Tutorien - Pakete We
Seite 153 und 154:
7 Linkliste - Tutorien - Pakete Abb
Seite 155 und 156:
7 Linkliste - Tutorien - Pakete Tab
Seite 157 und 158:
7 Linkliste - Tutorien - Pakete än
Seite 159 und 160:
Glossar A abhängig X → Y - Hier
Seite 161 und 162:
B am Ähnlichsten ist, hat die Auto
Seite 163 und 164:
Chi 2 - Test Mit dem Chi-Quadrat-Te
Seite 165 und 166:
D Datentransformation Die Transform
Seite 167 und 168:
E Eigenvektor Eigenvektoren eines l
Seite 169 und 170:
Friedman - Test Der Friedman - Test
Seite 171 und 172: horseshoe effect Siehe arch effect.
Seite 173 und 174: und xi werden die Deskriptoren stan
Seite 175 und 176: Manhattan-Metrik (auch City-Block-M
Seite 177 und 178: Multikolinearität Das Vorliegen ei
Seite 179 und 180: man schreibt das mathematisch so au
Seite 181 und 182: P Datenmatrizen unsymmetrisch symme
Seite 183 und 184: post-hoc Tests auch a posteriori Te
Seite 185 und 186: R R - Modus s. Q - Modus. R 2 auch
Seite 187 und 188: skaleninvariant Skaleninvarianz ist
Seite 189 und 190: Normalverteilung: Shapiro-Wilk Test
Seite 191 und 192: Verteilungen Binomialverteilung, B(
Seite 193 und 194: W Ward Clusteranalyse Beim Ward - V
Seite 195 und 196: Literatur Amaral, G. J. A., I. L. D
Seite 197 und 198: Anhang Funktion 1: Zum Zeichnen von
Seite 199 und 200: # NA - data (not available) show.na
Seite 201 und 202: x.max
Seite 203 und 204: x=seq(from=x.axis[1] , to=x.axis[nx
Seite 205 und 206: data.null[, 1], col=ifelse(length(p
Seite 207 und 208: } y1
Seite 209 und 210: stop("\n#> 'chain' should be a char
Seite 211 und 212: } ) data
Seite 213 und 214: # y
Seite 215 und 216: # stop("Stop: chain data needed wit
Seite 217 und 218: "theta[ni=%8$2s]:%1$32.50f psi=%2$8
Seite 219 und 220: # mod.lm
Seite 221: xy$y[2:3]
Seite 225 und 226: Where leading zeros are shown they
Seite 227 und 228: character expansion font = 1 (1,2,3
Seite 229 und 230: Index Alle Stichwörter mit (G) fin
Seite 231 und 232: k - medoid pma(...) cluster . . . .
Seite 233 und 234: Blattfunktion . . . . . . . . . . .
Seite 235 und 236: Linienenden par(lend="rounded") 29
Seite 237 und 238: Redundanzanalyse Glossar . . . . .
Seite 239 und 240: Partial least squares . . . . . . .
Alle anzeigen

Grafiken und Statistik in R

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?