多密度图是表示多个组的密度图。它允许比较它们的分布。这种图表的问题在于它很容易变得混乱：组相互重叠并且图形变得难以阅读。 一个简单的解决方法是使用透明度。但是，它不能完全解决问题，通常最好考虑本文档中进一步建议的示例。 不透明的分组核密度图： 1234567891011121314# 图1library(ggplot2)library(hrbrthemes)library(dplyr)library(tidyr)library(viridis)# Without transparency (left)p1 <- ggplot(data=diamonds, aes(x=price, group=cut, fill=cut)) + geom_density(adjust=1.5) + theme_ipsum()p1 图1 透明的分组核密度图： 1234p2 <- ggplot(data=diamonds, aes(x=price, group=cut, fill=cut)) + geom_density(adjust=1.5, ...

桑基图（Sankey diagram），即桑基能量分流图，也叫桑基能量平衡图。它是一种特定类型的流程图，右图中延伸的分支的宽度对应数据流量的大小，通常应用于能源、材料成分、金融等数据的可视化分析。因1898年Matthew Henry Phineas Riall Sankey绘制的“蒸汽机的能源效率图”而闻名，此后便以其名字命名为“桑基图”。 桑基图表示流，即从一个节点到另一个节点的加权连接。输入数据可以以 2 种不同的格式存储： 连接数据框（3 列） 关联矩阵（方阵） 这篇文章描述了如何从这两种类型的输入构建一个基本的桑基图。 代码如下： 12345678910111213141516171819202122232425262728293031# Librarylibrary(networkD3)library(dplyr) # A connection data frame is a list of flows with intensity for each flowlinks <- data.frame( source=c("group ...

这里演示如何使用geom_text()将文本添加为​​标记。它的工作原理与geom_point()几乎相同，但添加的是文本而不是圆圈。 label: 你想显示什么文本 nudge_x和nudge_y: 沿 X 和 Y 轴移动文本 check_overlap尽量避免文本重叠。请注意，一个名为的包ggrepel进一步扩展了这个概念 代码如下： 1234567891011121314#图1 基本图library(ggplot2) # Keep 30 first rows in the mtcars natively available datasetdata=head(mtcars, 30) # 1/ add text with geom_text, use nudge to nudge the textggplot(data, aes(x=wt, y=mpg)) + geom_point() + # Show dots geom_text( label=rownames(data), nudge_x = 0.25, nudge_y = 0.25, ...

小提琴图加箱线图的代码，如下： 123456789101112131415161718192021222324252627282930# Librarieslibrary(ggplot2)library(dplyr)library(hrbrthemes)library(viridis)# create a datasetdata <- data.frame( name=c( rep("A",500), rep("B",500), rep("B",500), rep("C",20), rep('D', 100) ), value=c( rnorm(500, 10, 5), rnorm(500, 13, 1), rnorm(500, 18, 1), rnorm(20, 25, 4), rnorm(100, 12, 1) ))# sample sizesample_size = data %>% group_by(name) %>% summarize(num=n() ...

ggally包的ggpairs()功能GGally允许建立一个散点图矩阵。 每对数值变量的散点图绘制在图的左侧。Pearson 相关显示在右侧。可变分布在对角线上可用。 代码如下： 12345678910# 评估变量的分布和相关性library(GGally) # 创建原始数据data <- data.frame( var1 = 1:100 + rnorm(100,sd=20), v2 = 1:100 + rnorm(100,sd=27), v3 = rep(1, 100) + rnorm(100, sd = 1)) data$v4 = data$var1 ** 2 data$v5 = -(data$var1 ** 2) ggpairs(data, title="correlogram with ggpairs()") 效果图

气泡图是具有第三个维度的散点图，第三维度通过散点的大小来表示。画气泡图至少需要三个维度的数据，分别是x，y和表示气泡大小的维度。下面用一个例子来说明，其中，x是人均GDP，y是预期寿命，圆圈大小表示人口，代码如下： 1234567891011# 导入包library(ggplot2)library(dplyr)#gapminder提供了数据集library(gapminder)data <- gapminder %>% filter(year=="2007") %>% dplyr::select(-year)# 最基本的气泡图ggplot(data, aes(x=gdpPercap, y=lifeExp, size = pop)) + geom_point(alpha=0.7) 图1 控制圆的大小：scale_size() 我们需要在上一张图表上改进的第一件事是气泡大小。scale_size()允许使用range参数设置最小和最大圆圈的大小。请注意，您可以使用 自定义图例名称name。 注意：圆圈经常重叠。为避 ...

深交所年度信息考评分为A、B、C、D四个等级，考评范围重点关注信息披露质量，包括信披的真实性、准确性、完整性、及时性、公平性、合法合规性和有效性，以及自愿披露的规范情况、社会责任履行披露情况和信披事务管理情况。同时也关注上市公司投资者关系管理、监管处罚以及与交易所工作配合情况等。 这里公布的数据年份为2005年至2021年，数据截图如下： 获取数据，直接加我微信canglang12002即可。

帕默尔干旱指数通常指帕默尔干旱强度指数，即PDSI，是一种在气象、气候、农业、水文水资源等领域广泛应用的干旱指数，由美国气象学家韦恩·帕默尔（Wayne Palmer）于1965年提出。 帕默尔干旱指数（PDSI）是一个基于水量供需关系的干旱指数，在当地水分供不应求时即为干旱，否则为湿润。水分供给量相对容易求得，通常可以降水量代替；而水分需求量的推算则较为复杂，因其涉及到受到气温、土壤性质、土地利用等因素影响的蒸散发及土壤水分变化等方面。对于这一问题，帕默尔提出了“当前情况下的气候适宜”（climatically appropriate for existing conditions，CAFEC）的概念，定义了“气候适宜降水量”来作为水分需求量，并以实际降水量与其差值来界定水分盈亏状况。PDSI不仅能考虑当前的水分供需状况，还能考虑前期干湿状况及其持续时间来对当前干旱状况的影响，物理意义明确，是一个能较为客观合理地定量描述干旱的干旱指数。 PDSI值通常介于-4到4之间，当其值大于0时则为湿润，反之为干旱，不同大小的值反映不同的干旱或湿润等级。 下面是计算PDSI干旱指数的 ...

R包corrplot提供了一个关于相关矩阵的可视化探索工具，支持自动变量重新排序，以帮助检测变量之间的隐藏模式。 corrplot 非常易于使用，并在可视化方法、图形布局、颜色、图例、文本标签等方面提供了丰富的绘图选项。它还提供 p 值和置信区间，以帮助用户确定相关性的统计显着性。 corrplot()有大约 50 个参数，但最常见的参数只有几个。在大多数场景中，我们只需要一行代码就可以得到一个相关矩阵图。 最常用的参数有method, type, order, diag等。 methodcorrplot 包中有七种可视化方法（参数）， 分别是 circle, square, ellipse, number, shade, color, pie。默认颜色设置下，字形的颜色强度与相关系数成正比。 circle/square，圆形或正方形的面积表示相应相关系数的绝对值。 ellipse，椭圆的偏心率参数化地缩放到相关值。 number, 不同颜色的系数数字。 color，大小相同的正方形，颜色不同。 shade, 类似于color, 但负系数字形带有阴影。 ...

Data Envelopment Analysis Toolbox 是 MATLAB的一个开源包，该包涵盖了计算一些主要的DEA模型的函数。该软件包包括标准加性和径向输入和输出度量的代码，允许规模收益恒定和可变，以及与方向距离函数相关的最新发展，并在测量效率和生产力时包括期望和非期望的输出；即Malmquist和Malmquist-Luenberger指数。还包括执行统计分析的bootstrap。 这里通过一些常见的例子，说明如何使用该包。 1、下载与安装 网址：https://github.com/javierbarbero/DEAMATLAB 下载工具包以后，解压到某个目录，然后把该工具包添加到matlab的工作目录，就可以愉快地使用了。 2、代码如下： 123456789101112load 'deadataFLS' %加载工具包预设的数据文件%1、面向投入的CCR模型io = dea(X, Y, 'orient', 'oo'); %orient表示导向，io表示投入导向，oo为产出导向%X和Y分别为投入和 ...