数据可视化
R 语言
贾俊平
Chap 4
分布特征可视化4.1 直方图与核密度图4.2 箱线图和小提琴图4.3 点图和带状图4.4 海盗图4.5 分布概要图4.6 正态概率图 Chap4 分布特征可视化 直方图核密度图直方图与核密度图海盗图箱线图小提琴图箱线图和小提琴图Chap 4分布概要图点带图状图点图和带状图正态概率图太阳花图3数据可视化12/15/2019
4.1 直方图与核密度图 直方图l直方图（histogram）是观察数据分布特征的常用图形，它们可以直观地展示数据分布的形状是否对称、偏斜的方向和程度等。将数据分组后，在X轴上用矩形的宽度表示每个组的组距，在Y轴上用矩形的高度表示每个组的频数或密度，多个矩形并列在一起就是直方图R中有很多函数可以绘制直方图，比如，graphics中的hist函数、lattice包中的histogram函数、sjPlot包中的plot_frq函数、epade包中的histogram.ade函数ll4数据可视化12/15/2019
4.1 直方图与核密度图 直方图——普通直方图——例题分析【例4-1】（数据：data4_1.csv）。空气质量指数（Air Quality Index，AQI）用来描述空气质量状况，指数的数值越大说明空气污染状况越严重。参与空气质量评价的主要污染物有细颗粒物（PM 2.5）、可吸入颗粒物（PM10）、二氧化硫（SO2）、一氧化碳（CO）、二氧化氮（NO2）、臭氧浓度（O3）等6项。根据空气质量指数将空气质量分为6级：优（0-50），良（51-100），轻度污染（101-150），中度污染（151-200），重度污染（201-300），严重污染（300以上）；分别用绿色、黄色、橙色、红色、紫色、褐红色表示。表4-1是2018年1月1日~12月31日北京市的空气质量数据5数据可视化12/15/2019
基于R语言数据可视化-分布特征可视化 - 图文
