<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[maizeman126的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/maizeman126</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; maizeman126]]></copyright><item><title><![CDATA[R语言——日历图]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/152229524</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/152229524</guid><author>maizeman126</author><pubDate>Wed, 24 Jun 2026 01:00:00 +0800</pubDate><description><![CDATA[使用stat_calendar_heatmap()函数和ggplot2包的ggplot()函数可以调整日历图每个时间单元的边框格式。日历图的主要可视化形式有两种：以年为单位的日历图和以月为单位的日历图。R中ggTimeSeries包的ggplot_calendar_heatmap()函数可以绘制日历图，但不能设定日历图每个试验单元的边框格式。使用R中的ggplot2包的geom_tile()函数，借助facet_wrap()函数分面，可以绘制以月为单位的日历图。参考资料：R语言数据可视化之美。]]></description><category></category></item><item><title><![CDATA[R语言——折线图与面积图]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/152171046</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/152171046</guid><author>maizeman126</author><pubDate>Tue, 05 May 2026 10:34:01 +0800</pubDate><description><![CDATA[面积图（area graph）又叫区域图，是在折线图的基础之上形成的，它将折线图的折现与自变量坐标轴之间的区域使用颜色或者纹理填充（填充区域成为“面积”），这样可以更好地突出趋势信息，同时让图表更加美观。而堆积柱形图和堆积面积图的差别在于对比面积图的X轴上只能表示连续数据（时间或数值），堆积柱形图的X轴上只能表示分类数据。在堆积面积图的基础上，将各个面积的因变量的数据加和后的总量进行归一化就形成了百分比堆积面积图。多数据系列的面积图如果使用得当，效果可以比多数据系列的折线图美观很多。]]></description><category></category></item><item><title><![CDATA[R语言——金字塔图和镜面图]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/152169461</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/152169461</guid><author>maizeman126</author><pubDate>Mon, 04 May 2026 18:19:41 +0800</pubDate><description><![CDATA[金字塔图通常用来理解人口结构，是彼此背靠背的一对直方图，通常用于显示所有年龄组合男女人口的分布情况。X轴表示人口数量，Y轴列出年龄组别。人口金字塔图最适合用来检测人口模型的变化或变异。R中的ggplot2包的geom_bar()函数可以绘制基于柱形的镜面图和金字塔图。参考资料：R语言数据可视化之美。]]></description><category></category></item><item><title><![CDATA[R语言——二维统计直方图、二维核密度估计图]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/150535062</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/150535062</guid><author>maizeman126</author><pubDate>Mon, 06 Apr 2026 01:00:00 +0800</pubDate><description><![CDATA[二维统计直方图主要针对二维数据的统计分析，X-Y轴变量为数值型。我们还可以将二维统计直方图和二维核密度估计图，结合一维的统计分布图表一起展示，R中的gridExtra包的grid.arrange()函数可以实现ggplot2包绘制的一维和二维统计分布图的组合。三维统计直方图，其绘制方法是先使用gplots包的hist2d()函数求二维统计直方图数值，其中bins表示X轴和Y轴方向的箱形总数，最后使用plot3D包的hist3D()函数绘制三维柱形图。参考资料：R语言数据可视化之美。]]></description><category></category></item><item><title><![CDATA[直方图、核密度图]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/150397920</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/150397920</guid><author>maizeman126</author><pubDate>Mon, 30 Mar 2026 01:00:00 +0800</pubDate><description><![CDATA[geom_density()函数的主要参数是bw（宽度）和kernel（核函数），核函数默认为是高斯核函数（gaussian），还有其他核函数：epanechnikov、rectangular、triangular、biweight、cosine、optcosine。这种图是直方图的变种，使用平滑曲线来绘制水平数值，从而得出更平滑的分布。R的ggridges包提供了geom_density_ridges_gradiant()函数，可以结合ggplot2包的ggplot()函数绘制核密度估计峰峦图。]]></description><category></category></item><item><title><![CDATA[相关系数图、韦恩图]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/150023274</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/150023274</guid><author>maizeman126</author><pubDate>Sun, 08 Mar 2026 01:00:00 +0800</pubDate><description><![CDATA[R中的VennDiagram包的venn.Diagram()函数、gplot包的venn()函数、limma包的vennDiagram()函数、venneuler包的venneuler()函数都可以绘制韦恩图。在相关矩阵中，所有的数据都在-1到1之间，我们不仅要关注相关系数的绝对值大小，同时还要看它们的正负号。离心率越小，椭圆越圆，对应绝对值较小的相关系数。R中的ggplot2包提供的geom_tile()函数和geom_point()函数以及corrplot包中的corrplot函数可以绘制相关系数图。]]></description><category></category></item><item><title><![CDATA[瀑布图、峰峦图]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/150009156</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/150009156</guid><author>maizeman126</author><pubDate>Thu, 12 Feb 2026 01:00:00 +0800</pubDate><description><![CDATA[瀑布图（waterfall plot）用于展示拥有相同的X轴变量数据（如相同的时间序列）、不同的Y轴离散型变量（如不同的类别变量）和Z轴数据变量，可以清晰地展示不同变量之间的数据变化关系。R中的plot3D包的ploygon3D()函数和segments3D()函数可以绘制三维面积图，lines3D()函数可以绘制三维曲线图，综合这几个函数可以绘制三维瀑布图。R中的ggplot2包提供的facet_grid()函数可以绘制为行分面的带填充的曲面图。参考资料：R语言数据可视化之美。]]></description><category></category></item><item><title><![CDATA[切面图、散点曲线图]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/149977842</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/149977842</guid><author>maizeman126</author><pubDate>Wed, 11 Feb 2026 01:00:00 +0800</pubDate><description><![CDATA[R中spline()函数可以使用样条函数实现曲线的光滑与插值。spline()函数的method方法参数有"fmm"、"natural"、"periodic"、"monoH.FC"和"hyman"几种类型。"hyman"只适用于单调递增或递减的数据插值，"natural"使用自然样条插值方法，"periodic"使用周期样条插值方法。在R中可以使用plot3D包的slice3D()函数绘制切面图。带曲线的散点图就是使用平滑曲线将散点依次连接，重点体现数据的趋势。参考资料：R语言数据可视化之美。]]></description><category></category></item><item><title><![CDATA[曲面拟合图、等高线图]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/149914250</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/149914250</guid><author>maizeman126</author><pubDate>Mon, 02 Feb 2026 01:00:00 +0800</pubDate><description><![CDATA[二者的主要区别是：插值得到的方程所表示的曲面全部通过这组数据点，比如LOESS曲面拟合；ggplot2包提供的geom_tile()函数和geom_raster()函数都可以绘制热力分布图，其主要区别在于geom_raster()函数中存在interpolate=TRUE/FALSE这个参数，决定是否对热力图进行平滑处理。这里用lattice包的wireframe()函数绘制曲面拟合图：先使用lm()或loess()函数根据已有的(x,y,z)数据求取拟合方程；参考资料：R语言数据可视化之美。]]></description><category></category></item><item><title><![CDATA[散点图变体——气泡图]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/149835505</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/149835505</guid><author>maizeman126</author><pubDate>Mon, 26 Jan 2026 04:00:00 +0800</pubDate><description><![CDATA[圆圈状气泡的大小是映射到面积（circle area）而不是半径（circle radius）或者直径（cirle diameter）绘制的。因为如果是基于半径或直径，那么圆的大小不仅会呈指数级变化，而且还会导致视觉误差。我们也可以将气泡图的三维数据绘制到三维坐标系中，这就是通常所称的三维散点图。参考资料：R语言数据可视化之美。]]></description><category></category></item><item><title><![CDATA[散点图系列]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/149259409</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/149259409</guid><author>maizeman126</author><pubDate>Wed, 21 Jan 2026 04:00:00 +0800</pubDate><description><![CDATA[P-P图（Probability-Probability plot）是根据变量的累计比例与制定分布的累计比例之间的关系所绘制的图形。作为自变量的因素与作为因变量的预测对象是否有关、相关程度如何，以及判断这种相关程度的把握性多大，是回归分析必须要解决的问题。拟合的数值和实际数值就是残差（residual），残差分析（residual analysis）及时通过残差所提供的信息，分析出数据的可靠性、周期性或其他干扰。高密度的散点图可以利用数据点的透明度观察数据的形状和密度。3、Q-Q图和P-P图。]]></description><category></category></item><item><title><![CDATA[雷达图-R语言]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/149207045</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/149207045</guid><author>maizeman126</author><pubDate>Wed, 14 Jan 2026 03:00:00 +0800</pubDate><description><![CDATA[雷达图是要用来比较多个定量变量的方法，可用于查看哪些变量具有相似数值，或者每个变量中有没有任何异常值。此外，雷达图也可用于查看数据集中哪些变量得分较高/低，是显示性能表现的理想之选。所有的轴都以径向排列，彼此之间的距离相等，所有轴都有相同的刻度。每个变量数值会画在其所属轴线之上，数据集内的所有变量将连在一起形成一个多边形。①在一个雷达图中使用多个多边形，会令图表难以阅读，而且相当混乱。②过多变量也会导致出现太多的轴线，使图表变得复杂，难以阅读，故雷达图只能保持简单，因而限制了可用变量的数量。]]></description><category></category></item><item><title><![CDATA[南丁格尔玫瑰图、径向柱形图]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/149182401</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/149182401</guid><author>maizeman126</author><pubDate>Tue, 13 Jan 2026 03:00:00 +0800</pubDate><description><![CDATA[南丁格尔玫瑰图是在极坐标下绘制的柱形图，使用圆弧的半径长短表示数据的大小（数量的多少），每个数据类别或间隔在径向图上划分为相等分段，每个分段从中心延伸多远，每个分段从中心延伸多远（与其所代表的数值成正比）取决于极坐标轴线。在R中，从直角坐标系转到极坐标系，只需要添加一条坐标系的语句：coord_polar(theta="x", start=0)，其中theta表示是将X轴或Y轴映射到极坐标系。的情况，比如月份、星期、日期等，这些都是具有周期性的序数型数据。②由于圆形有周期的特性，所以南丁格尔玫瑰图特别。]]></description><category></category></item><item><title><![CDATA[用R语言生成指定品种与对照的一元回归直线（含置信区间）]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/154213619</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/154213619</guid><author>maizeman126</author><pubDate>Fri, 31 Oct 2025 23:02:07 +0800</pubDate><description><![CDATA[在对品种的产量数据进行分析时，常用的、且比较简单的分析方法就是一元线性回归分析方法。我们可以用excel进行作图并生成回归曲线和方程，但无法绘制回归方程的置信区间。回归方程执行曲线可以让我们更直观看到品种在整个生态区不同环境条件下的产量稳定性。我们通常以某一点所有参试品种产量的平均值作为该测试点的环境值（即x值，也是下面代码中展示的env），我们分析的品种和对照品种自身产量均值就是y（也就是下面代码中展示的yield），我们的品种和对照品种名称放在一列，成为group列。]]></description><category></category></item><item><title><![CDATA[不等宽柱形图、克利夫兰点图、坡度图]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/149159030</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/149159030</guid><author>maizeman126</author><pubDate>Sun, 26 Oct 2025 01:00:00 +0800</pubDate><description><![CDATA[有时候，我们需要再柱形图中同时表达两个维度的数据，除了每个柱形的高度表达了某个对象的数值大小（Y轴纵坐标），还希望柱形的宽度也能表达该对象的另一个数值大小（X轴衡坐标），以便直管地比较两个维度。其中geom_segment()函数根据起点坐标（x,y）和终点坐标（xend，yend）绘制两者之间的连接线，棒棒糖图的连接线为平行与X轴水平绘制，其长度对应X轴变量的数值。R的ggplot2包提供了geom_segment()函数可以绘制两点之间的直线，geom_point()函数可以绘制两根直线上的数据点。]]></description><category></category></item><item><title><![CDATA[柱形图系列]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/149153125</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/149153125</guid><author>maizeman126</author><pubDate>Sat, 25 Oct 2025 01:00:00 +0800</pubDate><description><![CDATA[在柱形图中，类别型或序数型变量映射到横轴的位置，数值型变量映射到矩形的高度。下图为中ggplot2包的geom_bar()函数直接绘制的单数据系列柱形图、多数据系列柱形图、堆积柱形图、百分比对接柱形图。在使用 R 中的 ggplot2 包绘制的条形图中， Y 轴变量和图例变量默认按照字母顺序绘制，可以参照上面的代码实现。在条形图中，类别型或序数型变量映射到纵轴的位置，数值型变量映射到矩形的宽度。柱形图的 X 轴变量一般为类别型和序数型，Y轴变量为数值型。①柱形图的x轴变量一般为类别型，Y轴变量为数值型。]]></description><category></category></item><item><title><![CDATA[R语言数据处理基础]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/149138719</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/149138719</guid><author>maizeman126</author><pubDate>Fri, 24 Oct 2025 01:00:00 +0800</pubDate><description><![CDATA[分组运算操作：dplyr报的group_by()函数可以先对数据框依据分组的一个或多个变量分组，然后使用dplyr报的其他函数进行分组操作，如summarize()函数实现分组的汇总运算与aggregate()函数实现的结果一致；分组汇总操作：R内置函数aggregate()可以实现数据框的分组操作，“~”的左侧代表需要操作的变量，“~”右侧代表以其为依据分组的一个或多个变量，我们可以使用mean()、median()、sum()等函数实现取均值、中位数、求和等汇总运算。我们经常使用一维数据列表的数据框。]]></description><category></category></item><item><title><![CDATA[R语言绘图基础2]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/148749521</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/148749521</guid><author>maizeman126</author><pubDate>Thu, 23 Oct 2025 01:00:00 +0800</pubDate><description><![CDATA[R的ggplot2使用coord_polar()函数可以将坐标系从直角坐标系转换为极坐标系，具体语句为：coord_polar(theta="x", start=0, direction=1,clip="on")，其中，theta表示要极坐标化的中心轴，即X轴转化为圆周，Y轴转化为半径；guide_legend()函数用于离散边阿玲的图例，也可以用于连续变量。这样，平面上任一点P的位置就可以用线段OP的长度ρ，以及从Ox到OP的角度θ来确定，有序数对（ρ，θ）就称为P的点极坐标，记为P（ρ，θ）；]]></description><category></category></item><item><title><![CDATA[R语言绘图基础1]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/148196527</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/148196527</guid><author>maizeman126</author><pubDate>Wed, 22 Oct 2025 01:00:00 +0800</pubDate><description><![CDATA[（1）图元（graphical primitive）系列函数：geom_curve()、geom_path()、geom_polygon()、geom_rect()、geom_ribbon()、geom_linerange()、geom_abline()、geom_hline()、geom_vline()、geom_segment()、geom_spoke()，这些函数主要用于绘制基本的图表元素，比如矩形方块、多边形，可以供用户创造新的图表类型。而且通过stat_xxx()函数将常见的统计变换融入绘图中。]]></description><category></category></item><item><title><![CDATA[R语言——树状图和热图]]></title><link>https://blog.youkuaiyun.com/maizeman126/article/details/148194484</link><guid>https://blog.youkuaiyun.com/maizeman126/article/details/148194484</guid><author>maizeman126</author><pubDate>Tue, 21 Oct 2025 01:00:00 +0800</pubDate><description><![CDATA[使用gplots包中的heatmap.2()函数也可以生成上图，而且heatmap.2()函数还提供了2个额外的特征，使图更容易理解：首先，左上角有一个键，表明了颜色与变量值之间的关系。想象一下，两个测量长度的变量，一个以英寸为单位，而另一个以英尺为单位，那么完全相同的距离将会记录为完全不同的数字，较大的数字对欧氏距离的影响较大。（agglomerative method），首先创建一个包含一个最匹配的集群，然后创建一个匹配度次之的集群，以此类推，知道所有的观测值都在一个大的群集中。]]></description><category></category></item></channel></rss>