标签: plot

我已经生成了一些加速度计数据的以下 3D 散点图：

这是非常基本的，但我对它的外观感到满意，因为这是我第一次尝试使用 Python。这是我编写的用于进行此可视化的代码：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib
matplotlib.style.use('ggplot')
from mpl_toolkits.mplot3d import Axes3D
from mpldatacursor import datacursor

AccX = pd.read_csv('Data_Retrieval_April_05_2017.csv')
AccX.columns = ['Tag', 'Timestamp', 'X']
AccX = AccX[AccX['Tag'].str.contains("ACC856:AccelerationX")]
del AccX['Tag']

print(AccX.head())

AccY = pd.read_csv('Data_Retrieval_April_05_2017.csv')
AccY.columns = ['Tag', 'Timestamp', 'Y']
AccY = AccY[AccY['Tag'].str.contains("ACC856:AccelerationY")]
del AccY['Tag']

print(AccY.head())

AccZ = pd.read_csv('Data_Retrieval_April_05_2017.csv')
AccZ.columns = ['Tag', 'Timestamp', 'Z']
AccZ = AccZ[AccZ['Tag'].str.contains("ACC856:AccelerationZ")]
del AccZ['Tag']

print(AccZ.head())

Accel = AccX.merge(AccY,on='Timestamp').merge(AccZ,on='Timestamp')

Accel = Accel.set_index(['Timestamp'])

print(Accel.head())

Accel['X'] = Accel.X.astype(float)
Accel['Y'] = Accel.Y.astype(float)
Accel['Z'] …

我必须在 linux 中用 gnuplot 做一些绘图，但我不知道如何在 gnuplot 中更改目录，因为终端中的 cd 不起作用。

我在绘制 GLM logit 模型的结果以在对数刻度上显示为优势比时遇到了困难。最终，我想从不同的模型中获得估计值，并将结果绘制在一张图上，如下所示（https://www.ctspedia.org/do/view/CTS...ClinAEGraph001）。你有什么见解吗？

我想明白为什么使用时，下表是不会自动更新invalidateLater()的内部observeEvent()。我准备了以下程序来说明我的问题，“mytable2”使用reactiveTimer()并确实产生了所需的输出，但是“mytable”使用invalidateLater()并且不会自动更新，除非我单击“更新”按钮。为什么？

library(shiny)

ui <- fluidPage(

  sidebarLayout(
    sidebarPanel(
      actionButton("update", "Update")
    ),

    mainPanel(
      column(6, tableOutput('mytable')),
      column(6, tableOutput('mytable2'))
    )
  )
)

server <- function(input, output) {

  values <- reactiveValues(df   = RenderMyTable())

  observeEvent(invalidateLater(1000), {
    values$df <- RenderMyTable()  # This does not update after 1 sec
  })

  observeEvent(input$update, {
    values$df <- RenderMyTable()  # This does update upon clicking
  })

  output$mytable  <- renderTable(values$df)  # Depends on reactiveValues

  autoInvalidate <- reactiveTimer(1000)

  output$mytable2 <- renderTable({
    autoInvalidate()
    RenderMyTable()  # >This does …

我有一个包含 30 个变量的数据框 X，v1, v2 ... v30并且 col_name=[v1,v2.....v30]

对于每个变量，我想绘制直方图以了解变量分布。但是，编写代码来一个一个地绘制太手动了，我可以使用 for 循环之类的东西一次绘制 30 个直方图吗？

例如：

for i in range(30):
  hist(np.array(X[col_name[i]]).astype(np.float),bins=100,color='blue',label=col_name[i],normed=1,alpha=0.5)

我怎样才能做到这一点？就像一页图表（每个图表都有标题和标签），这样我就可以向下滚动阅读。

我正在学习如何将多级建模应用于传统的方差分析研究设计。我想使用 ggplot2 为每个处理绘制拟合回归线。我想根据我拟合的模型绘制回归线，而不是让 ggplot2 绘制，因为我想看看估计如何根据模型的变化而不同。我知道我可以自己计算系数和斜率，但由于模型相对复杂，我正在寻找更容易绘图的方法。

这是我正在处理的研究设计类型的示例代码。我发现 sjPlot 包 ( http://www.strengejacke.de/sjPlot/sjp.lm/ ) 提供了非常漂亮的图，它显示了每个测试时间的每个处理的回归线和散点图上的实际观察。这正是我想用 ggplot 做的。

 require(tidyverse)
 require(sjPlot)
 set.seed (100)
 dat <- data_frame(
    participant_id = c(c(1:15), c(1:15)),
    treatment = c(sample (letters [1:3], 15, replace = T), sample (letters [1:3], 15, replace = T)),
    test_timing = c(sample(letters [1:3], 15, replace = T),sample(letters [1:3], 15, replace = T)),
    learning_gain = (runif(30, min = 1, max = 20))
)

fit <- lm (learning_gain ~ treatment * test_timing -1, data = dat)
sjp.lm(fit, type = "pred", …

我开始在 C 中学习 igraph，我想知道如何可视化用这个库制作的图形。我已经看到使用 igraph R 只需使用 plot 函数并绘制图形，但是如果我使用 C，我应该在文件中打印图形，然后使用另一个程序将其可视化还是通常的方法？

谢谢！

编辑：这种图表。

我正在使用sjplot https://strengejacke.github.io/sjPlot/并享受可视化和比较如下估计的可能性（参见下面的工作示例）。我想知道是否有可能在r，可能的 n ggplot2 中，仅根据估计值和标准误差绘制结果？假设我在一篇论文中看到一个模型，我估计了我自己的模型，现在我想将我的模型与论文中的模型进行比较，其中我只有估计值和标准误差。我在SO上看到了这个，但也有点基于模型。

任何反馈或建议将不胜感激。

# install.packages(c("sjmisc","sjPlot"), dependencies = TRUE)
# prepare data
library(sjmisc)
data(efc)
efc <- to_factor(efc, c161sex, e42dep, c172code)
m <- lm(neg_c_7 ~ pos_v_4 + c12hour + e42dep + c172code, data = efc)

# simple forest plot
library(sjPlot)
plot_model(m)

我想一个暂时的期望结果看起来有点像这样，

我刚刚遇到coefplot https://cran.r-project.org/web/packages/coefplot/但我在一台没有 R 的机器上，我知道，奇怪，但我会尽快研究coefplot。也许这是一条可能的路线。

我正在编写我的第一个 R 包，目前正在研究一个使用某些特定图形参数绘制绘图的函数。我希望用户定义的图形参数在绘制完成后恢复，但总是收到相同的警告消息：

opar <- par()
par(oma = c(5, 4, 0, 0) + 0.1, mar = c(0, 0, 1, 1) + 0.1)
par(opar)

警告消息：
1：在 par(opar) 中：无法设置图形参数“cin”
2：在 par(opar) 中：无法设置图形参数“cra”
3：在 par(opar) 中：无法设置图形参数“csi”设置
4：在 par(opar) 中：不能设置图形参数“cxy”
5：在 par(opar) 中：不能设置图形参数“din”
6：在 par(opar) 中：不能设置图形参数“page”

有没有更好的方法来做到这一点？我知道该suppressWarnings()函数，但 1. 我不希望消息被隐藏2. 如果该函数被调用两次，则会出现一条警告消息：

> There were 12 warnings (use warnings() to see them)

我有一个很好的图形，它用通用代码绘制如下：

import seaborn as sns
sns.barplot(data=df, x='X', y='y', hue='HUE', capsize=.1)

默认情况下，误差条显示 95% 置信区间（我认为）。有没有办法可以轻松地将它们更改为标准错误？