如何在 R 中创建相对频率直方图?
在本文中,我们将讨论如何在 R 编程语言中创建相对频率直方图。
相对频率直方图帮助我们可视化数据集中值的相对频率。这显示了某个值在数据集中出现的频率。相对频率直方图给出了数据概率密度函数的经验近似值。
要在 R 语言中创建相对频率直方图,我们使用 lattice 包库的 histogram()函数。 histogram()函数将数据向量作为参数并返回相对频率直方图。默认情况下,Histogram()函数根据当前的活动主题提供颜色主题。
Syntax:
histogram( data, type )
Parameter:
- data: determines the data vector to be plotted.
- type: determines the type of relative frequency histogram that includes percent, count, and density.
示例:具有 R 语言默认配置的基本相对频率直方图示例。
R
# load library lattice
library(lattice)
# create sample data vector
sample_data <- rnorm(100)
# create relative frequency histogram
histogram( sample_data )
R
# load library lattice
library(lattice)
# create sample data vector
sample_data <- rnorm(100)
# create relative frequency histogram
histogram( sample_data, col="green", main="Title of Plot",
xlab="X-axis title", ylab="Y-axis title")
R
# load library lattice
library(lattice)
# create sample data vector
sample_data <- rnorm(100)
# create relative frequency histogram
histogram( sample_data, breaks=20)
输出:
颜色和标签定制
要更改直方图条的颜色,我们使用 histogram()函数的 col 参数。要更改 x 轴和 y 轴的标签,我们分别使用 xlab 和 ylab 参数。为了给绘图添加标题,我们使用 histogram()函数的主要参数。
Syntax:
histogram( data, col, xlab, ylab, main )
Parameter:
- col: determines the color of bars/bins.
- xlab and ylab: determine the label of the x-axis and y-axis respectively.
- main: determines the title of plot.
示例:带有绿色条和自定义标签的自定义相对频率直方图示例。
R
# load library lattice
library(lattice)
# create sample data vector
sample_data <- rnorm(100)
# create relative frequency histogram
histogram( sample_data, col="green", main="Title of Plot",
xlab="X-axis title", ylab="Y-axis title")
输出:
箱/条计数定制
要自定义相对频率直方图中的 bin/bar 的数量,我们可以使用 histogram()函数的 breaks 参数。 break 参数将多个 bin 作为值,并将绘图分成那么多条。通过使用 break 参数,我们可以根据值增加和减少柱的数量。
Syntax:
histogram( data, breaks )
Parameter:
- data: determines the data vector to be plotted.
- breaks: determines the number of bars in the histogram.
示例:使用 histogram()函数的中断参数自定义的具有 20 个柱的相对频率直方图示例。
R
# load library lattice
library(lattice)
# create sample data vector
sample_data <- rnorm(100)
# create relative frequency histogram
histogram( sample_data, breaks=20)
输出: