怎么做网站的浏览量统计,天河网站建设外包,优秀营销软文范例100字,如何做免费音乐网站目录
情形
不同种类的萼片差异
数据类型查看#xff1a;
差异分析#xff1a;
不同萼片的种类差异
数据准备
二分类卡方检验
绘图 情形
#xff1a;当有两列数据进行分析比较时#xff0c;一列为连续变量#xff0c;一列数据为分类变量。
rm(list ls())
libra…目录
情形
不同种类的萼片差异
数据类型查看
差异分析
不同萼片的种类差异
数据准备
二分类卡方检验
绘图 情形
当有两列数据进行分析比较时一列为连续变量一列数据为分类变量。
rm(list ls())
library(ggplot2)
library(ggpubr)
library(cowplot)
data - iris##鸢尾花数据集
data1 - data[,c(1,5)]
data2 - data1[data1$Speciessetosa|data1$Speciesversicolor,]
##提取鸢尾花数据集的部分数据进行分析
如下整理鸢尾花部分数据“Sepal.Length”是连续变量“Species”只选择了两种数据。 分析两列数据2种情况
①比较不同种类的萼片长度是否存在差异。
②比较不同萼片长度的种类是否存在差异。
不同种类的萼片差异
数据类型查看
数据分布检测第六讲 R-数据正态分布检验 - 知乎 (zhihu.com)
#①比较不同种类的萼片长度是否存在差异。
#分析方法选择
shapiro.test(data2$Sepal.Length)
#W 0.96964, p-value 0.02076 不符合正太分布#密度图
ggdensity(data2$Sepal.Length, main Density plot of sepal length,xlab sepal length)
#正态性测试对样本量敏感。小样本最常通过正态性测试。
#因此重要的是将外观检查和显着性测试相结合以做出正确的决定
#综合分析也可以采用t检验
数据分布情况 差异分析
#pdf(plot.pdf,width 4,height 4)##保存图片
p - ggplot(na.omit(data2), aes(x Species, y Sepal.Length, fill Species)) geom_boxplot(aes(col Species)) scale_fill_manual(values alpha(c(#3C6FAC,grey50),0.8)) scale_color_manual(values c(#3C6FAC,grey50)) xlab(Species) ##X轴名称ylab() theme_bw() #主题设置 theme(legend.position top,#添加图例#legend.title Species,#legend.key.size unit(0.5, cm),#缩小图例大小axis.text.x element_blank(),axis.text.y element_blank(),axis.ticks element_blank(),panel.border element_blank(),panel.grid element_blank(),panel.background element_blank(),axis.title element_text(size 10),axis.text element_text(size 10)) stat_compare_means(method t.test, #wilcox.test(检验方法选择)label p.signif,#展示星标** label.y max(na.omit(data2$Sepal.Length)) * 0.95, label.x 1.5, size 8)
p 不同萼片的种类差异
将萼片长度分为二分类变量如长短然后分析不同萼片组的种类是否存在差异
数据准备
##数据准备
rm(list ls())
library(ggplot2)
library(ggpubr)
library(cowplot)
data - iris##鸢尾花数据集
data1 - data[,c(1,5)]
data2 - data1[data1$Speciessetosa|data1$Speciesversicolor,]#②不同萼片长度的种类是否存在差异
data3 - data2[order(data2$Sepal.Length),]
#计算分割点进行二分类设置
point - round(nrow(data3) / 2)##几分之几自己设置
data3$SepalLength[1:point] -Low
data3$SepalLength[point:nrow(data3)] -High #详情
table(data3$Species,data3$SepalLength)High Low
setosa 6 44
versicolor 45 5
virginica 0 0二分类卡方检验
R语言卡方检验最全总结_医学和生信笔记的博客-CSDN博客
R语言—卡方检验 - 知乎 (zhihu.com)
RC2时四格表卡方检验
当 n(样本量)≥40 且所有的T(期望频数)≥5时用χ2检验的基本公式或四格表资料之χ2检验的专用公式当P ≈ α时改用四格表资料的 Fisher 确切概率法 当 n≥40 但有 1≤T5 时用四格表资料χ2检验的校正公式或改用四格表资料的 Fisher 确切概率法。 当 n40或 T1时用四格表资料的 Fisher 确切概率法。
#生成二维列联表
mytable - table(data3$Species,data3$SepalLength)
mytable1 -mytable[c(1,2),]##需要去除列联表中并没有的第三列否则不能计算
chisq.test(mytable1,correct F) # 和SPSS一样
#结果X-squared 64, df 1, p-value 1.244e-15
#data3$Species,data3$SepalLength顺序不影响结果
绘图
比例计算
##绘制堆砌图并展示结果
#表格汇总结果为了展示比例
result - data3 %% group_by(Species, SepalLength) %%summarize(count n()) %%mutate(proportion count / sum(count))
print(result)# 输出结果
result - as.data.frame(result)
result$proportion - round(result$proportion*100,1)#保留1位小数
dat01 - result[c(3,4),]#提取需要展示的数值的行(需要匹配X轴)完整图
#pdf(plot.pdf,width 4,height 4)##保存图片
ggplot(data3,aes(xSepalLength,#X轴fillSpecies))geom_bar(position fill)scale_y_continuous(expand expansion(multc(0.01,0.1)),##展示百分比labels scales::percent_format())scale_fill_manual(values c(setosa#98d09d,versicolor#dadada),##根据需求修改配色limitsc(setosa,versicolor))theme_set(theme_bw())theme(panel.grid element_blank())#不展示网格线geom_text(datadat01,##展示比例aes(xSepalLength,y0.05,#设置Y轴展示的位置labelpaste0(dat01$proportion)),##展示的是比例inherit.aes FALSE,vjust-0.2)geom_text(aes(x 1.5, y 1.1,#调整文本注释位置label p-value 1.244e-15))#添加P(前面计算)labs(title AAABBB,#标题xSepalLength,ySpecies)
dev.off() 更多绘图细节
ggplot2作图最全教程上 - 知乎 (zhihu.com)
ggplot2作图最全教程下 - 知乎 (zhihu.com)
