xzy123138的博客

原创 编辑图片 软件推荐

6.如果你保存的是 SVG 文件，并且需要进一步调整图形的细节，尤其是字体、排版、颜色等，Inkscape 是一个非常适合的选择。41.如果你的目标是编辑 PNG 格式的图形，尤其是进行细节调整（如调整颜色、字体、增加效果等），GIMP 是一个非常适合的工具。如果你需要对图进行编辑，尤其是涉及字体、排版、颜色等方面的修改，以下几种软件是比较适合的，具体选择取决于你的需求和技能水平。19.如果你的目标是进行高质量的排版或设计，尤其是对字体和颜色有较高要求，Adobe Illustrator 是理想的选择。

原创 LDA决策边界绘制

要根据你的描述，通过“耕地林地变化”特征（PCL0010 和 PWL0010）来分割两类（CS_Color 中的 "Negative" 和 "Positive"）并找到分割函数或曲线，我们可以使用线性判别分析（LDA） 或者 逻辑回归 等方法来实现。考虑到数据是二分类的（Negative 和 Positive），LDA是一种很合适的选择，因为它可以通过找到决策边界来分割两类。虚线的斜率和截距来自LDA模型的输出。我们将使用MASS包中的lda()函数来进行LDA，训练模型，并得到分类的边界。

原创 R语言 线条形状

1. 常用的 `linetype` 包括 `solid`、`dashed`、`dotted`、`dotdash`、`longdash` 和 `twodash`。- 格式：`linetype = c(线段长度, 间隔长度, 线段长度, 间隔长度, ...)`- `linetype` 的数值是用 `0` 和 `1` 的序列表示线条的长度和间隔。示例：`linetype = "longdash"`示例：`linetype = "dotdash"`示例：`linetype = "twodash"`

原创 RRR拼图

R语言多图拼图

原创 【无标题】

人间四月芳菲尽，山寺桃花始盛开/

原创 如何用R进行回归分析并存储结果：以县域数据为例

通过这个过程，我们能够高效地计算每个县域的相关性系数和回归斜率，并将结果整理成一个清晰的数据框，方便后续分析和可视化。在数据分析中，回归分析和相关性分析是两种常见的统计方法。6.OLS_WY_SC_Slope、OLS_WY_CS_Slope、OLS_SC_CS_Slope：表示回归分析中的斜率（即回归方程的系数）。这将展示出每个县域的相关性和回归斜率结果，数据框的每一行对应一个县域，每一列则包含该县域的分析结果。接下来，我们对每个县域的数据进行分析，计算相关性和回归斜率，并将结果逐行填充到数据框中。

原创 国土调查数据库标准 缩写含义

JZKZD数字正射影像图纠正控制点。SCZZBHQ水产种植资源保护区。CJDCQJX村界调查区界线。PZWJSTD批准为建设用地。QTJZKFQ其他禁止开发区。YJJBNTTB永久基本农田。ZRYCBHQ自然遗产保护区。ZYXMYD重要项目用地。#国土调查数据库字母缩写。CSKFBJ城市开发边界。CZCDYD城镇村等用地。STBHHX生态保护红线。YYSSYD饮用水水源地。CCWJQ拆除未尽区。CJDCQ村界调查区。CLKZD测量控制点。FJMSQ风景名胜区。GCZJD高程注记点。WJMHD无居民海岛。

原创 小提琴图222

scale_fill_manual(values = c("#5cc3e8", "#ffdb00", "#79ceb8", "#e95f5c", "#d78b5f"))+ # 需要调整填充颜色。scale_fill_manual(values = c("#5cc3e8", "#ffdb00", "#79ceb8", "#e95f5c", "#d78b5f"))+ # 需要调整填充颜色。

原创 安装RRRRR

install.packages("linkET")install.packages("devtools")install.packages("usethis")install.packages("cols4all")install.packages("writexl")install.packages("leaps")install.packages("tidyverse")install.packages("cowplot")install.packages("colorspace")

原创 R语言：如何安装包“linkET”

install.packages("usethis")library(usethis)install.packages("devtools")library(devtools)devtools::install_github("Hy4m/linkET", force = TRUE)

原创 拟合模型比较

除了上述指标外，还可以考虑其他的模型比较准则，如BIC (贝叶斯信息准则)或似然比检验等，具体选择哪个指标要根据你的研究背景和实际需求来决定。在使用这些指标进行模型比较时，应该结合你对数据和问题的理解来做出合理的判断和决策。的模型参数差距，你可以使用适当的统计指标来评估模型的相对好坏。要比较已拟合的两个线性模型。

原创 “数据分离：按照分类变量将数据分为多个数据框“

为了实现这一目标，我们可以使用逻辑索引的方法。逻辑索引是一种根据条件筛选数据的技术，它返回一个逻辑向量，其中每个元素表示对应位置是否满足指定条件。每个数据框中包含了与对应分类匹配的行。这样的数据分离可以方便我们对每个分类进行独立的分析和处理。列中与"HH"、"LL"和"NS"相等的行。接下来，我们利用逻辑索引将满足条件的行筛选出来，并将它们分别存储到。当我们处理数据时，常常会遇到需要将数据按特定标准分类的情况。请根据实际情况修改代码中的列名和逻辑条件以适应你的数据。#数据分离--------------

原创 Y轴命名的额方法

最后，之所以不加limit来限制y轴的范围，是因为貌似会改变拟合结果，改为用这一语句限制：coord_cartesian(ylim = c(800, 1500))

原创 R语言读取数据

Xyw=read_excel("E:/LW_DATE/YEB_CD/YEBCD_TJ/qdys/yw5k/JG/qdys_ywsx.xlsx",sheet="qdys",col_types="numeric")#,col_types="numeric"某一列转换为数据。Xyw2=read_excel("E:/LW_DATE/YEB_CD/YEBCD_TJ/qdys/yw5k/JG/qdys_ywsx.xlsx",sheet="qdys")#,col_types="numeric"某一列转换为数据。

原创 使用 ColorBrewer 调色板和 ggplot2 在 R 中创建带有自定义颜色的散点图

size。

原创 看得懂的简单R：批量命名更换文件

filename=gsub("澳门特别行政区","Macau",filename)filename=gsub("广东","Guangdong",filename)filename=gsub("重庆","Chongqing",filename)filename=gsub("辽宁","Liaoning",filename)filename=gsub("上海","Shanghai",filename)filename=gsub("北京","Beijing",filename)

原创 R高级|利用cowplot包拼接图片（2）巧用NULL调节距离、排版

现在的图片是2行2列，如果我想调节第1列和第2列的之间的距离（再次强调：距离的调节是以行、列为单位，并不是某一幅图），那么，需要在A图和C图后面都加一个NULL，实现加入1个空列，将图片变成2行3列。这时候的图片2行×3列，第一列是A、C，第2列是2个空图，第3列是B、D，现在，我们要调节第1列和第2列的距离，我们仍然使用rel_widths。rel_widths中的1, 0.2, 1分别和第1列、第2列、第3列相对应，意思是：第1列的宽度是第2列的5倍，和第3列相等，看一下效果。

原创 如果要确保颜色和形状的映射是一一对应的，

函数将字段转换为有序因子，并指定对应的颜色和形状。这样可以确保不同的值始终对应相同的颜色和形状。如果要确保颜色和形状的映射是一一对应的，可以使用。

原创 使用theme_wsj()函数创建专业绘图主题样式

在数据可视化中，选择适当的主题样式对于呈现专业和美观的图表至关重要。而ggplot2包提供了丰富的主题样式，其中之一就是The Wall Street Journal风格的主题样式。本文将介绍如何使用ggplot2包中的theme_wsj()函数创建具有专业外观的主题样式。

原创 dbscan用于聚类以及分析离群点的方法

geom_text(x = max(dflycspx$DataPoints)*0.15, y = max(dflycspx$Distance)*0.95, size = 5, # 添加文本标签。geom_text(x = max(dfxycspx$DataPoints)*0.15, y = max(dfxycspx$Distance)*0.95, size = 5, # 添加文本标签。dslycspx <- kNNdist(lycspx, k = knnlycspx)#计算knn。

原创 【接口】R语言中，如何自己设置想要的颜色和数据自主排序

1、颜色的自定义记忆顺序的自定义，以及设置数据的特定顺序。#具体在这里--------------------

原创 R语言的线条类型

p <- p + geom_line(linetype = "dotdash", color = "purple") # 点划线。p <- p + geom_line(linetype = "twodash", color = "orange") # 划点线。p <- p + geom_line(linetype = "dotted", color = "green") # 点线。lines(x, y + 7, linetype = 8) # 长短点划线。# 创建一个示例数据集。

原创 整理合并DBF文件的R方法

这段代码有效地自动化了从 ArcGIS 提取栅格数据后的处理流程，简化了数据管理的工作。通过这种方式，研究人员可以快速地读取、修改和输出数据，为后续的分析或研究提供便利。希望这个简述能为其他研究者提供有用的参考和指导。#合理命名行名，不重复。

原创 一个利用modelbuild建立的批量方法

原创 辅助线添加

在R语言中，可以使用abline()函数给当前绘图添加一条或多条直线。abline()函数的使用格式为：各参数的含义为：（1）a 要绘制的直线截距（2）b 直线的斜率（3）h 绘制水平线时的纵轴值（4）v 绘制垂直线时的横轴值（5）reg 是一个具有coef方法的回归对象名称。若该对象返回的向量长度为1，则该值会作为该该函数的斜率，否则前两个值将会分别作为所绘直线的截距和斜率。（6）coef 一个二维向量，给出截距和斜率。

原创 R语言颜色包

①RColorBrewer包，②ggthemr包，③unikn包，④cols4all包，⑤paletteer包，⑥Wes Anderson包，⑦colorspace包，⑧ggsci包，⑨grDevices包，⑩colortools包，⑪Viridis包，⑫awtools包，⑬cartography包，⑭dichromat包，⑮ghibli包，⑯jcolors包，⑰LaCroixColoR包，⑱NineteenEightyR包，⑲ochRe包，⑳palettetown包。

原创 基于R的生态系统服务簇解释

X为标准化后的输入数据，grid为网格设置，radius为邻接半径，各参数含义和设置参考“kohonen”包说明。#X为标准化后的输入数据，grid为网格设置，radius为邻接半径，各参数含义和设置参考“kohonen”包说明。X<-scale(data[,-1]) #由于各生态系统服务量纲不同，需进行标准化，-1表示除去第一项。plot(map, type="codes")#SOM聚类结果。#MGWR_用生态系统服务簇解释------------#2.2 饼图--------------------