@Macux
2015-12-01T06:46:50.000000Z
字数 864
阅读 1125
R语言_学习笔记
> library(corrplot)> mcor <- cor(mtcars)> col <- colorRampPalette(c("#BB4444", "#EE9988", "#FFFFFF", "#77AADD", "#4477AA"))> corrplot(mcor,method="shade",shade.col=NA,tl.col="black",tl.srt=45,addCoef.col="black",col=col(200),order="AOE")

> library(igraph)> m <- madmen[1:nrow(madmen)%%2==1,]> g <- graph.data.frame(m,directed=FALSE)> plot(g, layout=layout.fruchterman.reingold,vertex.size = 4,vertex.label = V(g)$name,vertex.label.cex = 0.8,vertex.label.dist = 0.3,vertex.label.color = "darkorange")

> c2 <- subset(countries,Year==2009)> c2 <- c2[complete.cases(c2),] #去除含有NA的行> set.seed(201)> c2 <- c2[sample(1:nrow(c2),25),] #随机抽取25个样本> rownames(c2) <- c2$Name #由于调用sample()函数后,第一列会自动变为随机数的号码。现将其改为"Name"> c2 <- c2[,4:7] #我们只需要第4至第7列的数据> c3 <- scale(c2) #对数据进行标准化> hc <- hclust(dist(c3)) #计算"距离",并进行聚类> par(mar=c(5,4,6,2)) #增加边界的作图面积> plot(hc,hang=-1) #绘制谱系图,并且对齐文本

