回归分析 读取文件 data <- readxl::read_xls("filename.xls") 可视化 plot函数 plot(x,y,xlab="20 values",ylab = "Another 20 values",col="red",main="Title") ggplot函数 p <- ggplot(da2_1)#建立空白画布 p1 <- p + geom_point
演示了创建曲面节点的函数 （1）首先设置面数据的顶点坐标，设置面数据在I和J方向的网格个数，以及网格间距，随便设置z和颜色。也可以通过读取外部数据的方式获取顶点坐标和网格上的属性值，根据需要的色标计算每个网格的rgb颜色值。 （2）每个网格一个图元，设置它的坐标索引，并设置颜色数组，通过
上一篇演示了基本四边形的绘制，这一篇是共享顶点的方法，通过索引绘制顶点和颜色。 为了便于理解特意在ppt中绘制了顶点的坐标位置，5个顶点，绘制了一个四边形和三角形，其中有2个共享顶点定义了4中颜色，有一个颜色共享。 分别测试按顶点渲染和按图元渲染。 直接放效果 需要注意的是
菜鸟教程-R语言 基础运算 > # 四舍五入 > round(1.125465, 2) [1] 1.13 > round(1.125465, 5) #当取整位是偶数的时候，五也会被舍去 [1] 1.12546 > ceiling(5.5) # 对n向上取整 [1] 6 > floor(5.5) # 对n向下取整 [1] 5 > > # 三角函数-弧度制 > sin(pi/6) [1] 0.5 > cos(pi/4)
------------恢复内容开始------------ 1.设置maven <!-- include central so that it is searched before our alternate repos --> <repository> <id>central</id> <name>Maven Repository Switchboard</name> <layout&g
1. 将Geom_BSplineSurface转化成TopoDS_Face： Handle_Geom_BSplineSurface BSurface;BRep_Builder builder;TopoDS_Face Face;builder.MakeFace(Face,BSurface,Tolerance);2.将TopoDS_Face 转化为Geom_Surface： Handle_Geom_Surface currentSur;TopExp_Explorer Ex; Ex.Init(shape,
ggplot(data=data1,mapping = aes(x=VARIANT_TYPE,y=NON_REF_GENOTYPE_CONCORDANCE))+geom_boxplot()+scale_y_continuous(expand=c(0,0),breaks = c(0,75,0.80,0.85,0.95,1.00),labels=c(0,75,0.80,0.85,0.95,1.00),limits = c(0.79,1))
原文链接：http://tecdat.cn/?p=25075 原文出处：拓端数据部落公众号 本文显示如何填充 图表中两条交叉线之间的区域。 让我们尝试用ggplot2绘制这个图 . 首先，加载 ggplot2 并生成要在示例中使用的数据框（我使用的是稍微修改过的数据集，因此最终结果会与原始图有所不同）。 在 ggplot2
原文链接：http://tecdat.cn/?p=24973 原文出处：拓端数据部落公众号 简介 世界卫生组织估计全世界每年有 1200 万人死于心脏病。在美国和其他发达国家，一半的死亡是由于心血管疾病。心血管疾病的早期预后可以帮助决定改变高危患者的生活方式，从而减少并发症。本研究旨在查明心脏病最
原文链接：http://tecdat.cn/?p=24925 原文出处：拓端数据部落公众号 Kolmogorov-Smirnov是比较一个频率分布f(x)与理论分布g(x)或者两个观测值分布的检验方法。其原假设H0:两个数据分布一致或者数据符合理论分布。D=max| f(x)- g(x)|，当实际观测值D>D(n,α)则拒绝H0，否则则接受H0假
原文链接：http://tecdat.cn/?p=24896 原文出处：拓端数据部落公众号 漂亮的圆形图。我不确定对数据分析师本身是否有额外的好处，但如果能吸引决策者的注意，那对我来说就是额外的价值。 然而，用coord_polar()或偶尔发现的ggplot2中的coord_radar()构建它们可能很难。我发现的两个主要问
2D密度图对研究2个数字变量之间的关系很有用，尤其是有大量的点，这篇文章将介绍几种类型的二维密度图，并且尝试用不同方法绘制。 1 geom_point()绘制二维散点图 > install.packages("tidyverse") > library(tidyverse) # 创建数据 > a <- data.frame( x=rnorm(30000, 12, 1.9), y=r
1. What is a bee swarm plot? Bee swarm plot is a categorical scatter plot. A normal scatter plot has problem when you come to compare groups of data side by side. Because there are too many points at a similar position that you cannot read out useful i
在postgis数据库中通常是以二进制wkb的方式进行存储的,但我们在实际使用的时候需要转换成geojson的格式,进行位置信息的描述,虽然在sql语句中有相关的函数,但sql语句毕竟不是太便利,所以想一种方式进行直接的装换. 从网上找了一下教程,找到一些使用mybaits进行空间数据的装换,http
原文链接：http://tecdat.cn/?p=24973 原文出处：拓端数据部落公众号 简介 世界卫生组织估计全世界每年有 1200 万人死于心脏病。在美国和其他发达国家，一半的死亡是由于心血管疾病。心血管疾病的早期预后可以帮助决定改变高危患者的生活方式，从而减少并发症。本研究旨在查明心脏
原文链接：http://tecdat.cn/?p=24896 原文出处：拓端数据部落公众号 漂亮的圆形图。我不确定对数据分析师本身是否有额外的好处，但如果能吸引决策者的注意，那对我来说就是额外的价值。 然而，用coord_polar()或偶尔发现的ggplot2中的coord_radar()构建它们可能很难。我发现的两
kmeans 采用计算数据每个元素到聚集中心点的距离方式判断异常值。 利用R提供的kmeans函数把数据聚集为几个簇，然后再计算每个元素至簇中心的距离，最后选择最远距离的几个点，视为异常值。 准备数据 set.seed(97) test <- as_tibble(runif(100)*10) %>% mutate(id=row_number(),
33. ST_FilterByM ST_FilterByM -根据顶点的m值进行过滤 33.1. 概要 geometry ST_FilterByM(geometry geom, double precision min, double precision max = null, boolean returnM = false); 33.2. 描述 这个函数主要是与ST_SetEffectiveArea一起使用。 ST_SetEffectiveAre
1. 简介 ggplot2的图层结构允许我们以结构化的方式来设计和构建图形。本章旨在概述若干关键实用的几何对象和统计变换，并未逐个详细介绍。 图层有三种用途： 用以展示数据本身。我们绘制原始数据的目的有很多，这取决于我们辨识数据整体结构、局部结构以及离群点等信息的能力。本
遇到了一个需求，要对数据库里比较近的点进行空间和属性的聚类合并，以便在显示时避免很多点堆在一起的问题。属性聚类比较简单，这里主要讲一下在空间聚类的一些经验。 目录 PostGIS主要有四个关于聚类的函数ST_ClusterDBSCAN的使用方法具体使用空间聚类效果 PostGIS主要有
select * from eploygon; select * from geometry_columns where f_table_name='eploygon'; ------------------------------------------------------------------------------------------------------------------------------------------------------- SE
坐标系统 我们的默认坐标是笛卡尔坐标系，xy轴独立以确定每个点点位置，其实还有其他的坐标系。 1. coord_flip()切换x和y轴位置 当你想要水平方向的箱型图，或者变量的名称很长很难在x轴上放下时，他（协调-翻转）很有用。 ggplot(data = mpg,mapping = aes(x=class,y=hwy))+ geom_boxpl
目录Tidyversedplyrggplot2gganimateknitr & kableExtra基础包们moderndiveinferjanitorsjPlotGGallyMASSplotlybroomellipse Tidyverse dplyr glimpse(data) 查看数据变量类型及前几个值 summarize(data, Variable = function(data, na.rm = TRUE)) 总结数据，可用向量到单值的函数
ggplot2分组箱线图添加均值 一、不分组的简单箱线图加均值stat_summary分组箱线图 一、不分组的简单箱线图加均值 代码如下（示例）： # Library library(ggplot2) # create data names=c(rep("A", 20) , rep("B", 8) , rep("C", 30), rep("D", 80)) value=c( sample(2:5, 2
OCC的类比较多，看起来比较乱，在学习的过程可以总结一下，以方便后人。。。 1、gp_xxx包含了基本的几何类。 2、Standard_XXX是occ定义的数值类型，包括一些类型定义和宏定义。 3、Geom_XXX定义了几何数据结构，由gp_XXX构建成的数据结构，不包含算法，一般称其为构建几何类。 4、GC_MakeXXX
