Nano Hash - криптовалюты, майнинг, программирование

Невозможно отрегулировать поля в комбинированной ящичной диаграмме и гистограмме

Мне нужно построить комбинированный график и гистограмму. Хотя я могу построить их вместе, я не могу напечатать xlabel abd ylabel на гистограмме. Каждый раз, когда я пытаюсь настроить поля, я получаю сообщение об ошибке «слишком большие поля фигуры». Вот фрагмент кода

value <- rnorm(300,mean=100,sd=20)
nf <- layout(mat = matrix(c(1,2),2,1, byrow=TRUE),  height = c(1,3)) 
par(mar=c(2,2,1,1))
boxplot(value, horizontal=TRUE,  outline=TRUE,ylim=c(0,160), 
      frame=F, col = "green1")
hist(value,breaks=40,xlab="Runs",ylab="Runs frequency", main = "Score")

Значение принимает значение от 0 до 250.

Я включаю сюжет ниже. Дайте мне знать, как я могу настроить поля для этого

Спасибо, Ганешвведите здесь описание изображения

r histogram boxplot
15.03.2015

  • Предоставленный код не отображает их вместе. Дайте нам полный код, чтобы проверить поля. Кроме того, предоставьте образец для value и batman$runs, чтобы проверить его. 15.03.2015
  • Это весь код. Как я уже сказал, значение варьируется от 0 до 250. Другая часть не имеет значения. 15.03.2015
  • Я не знаю, как вы объединяете эти два вместе, но проблема с гистограммой заключается в том, что она слишком велика для меток x и y, чтобы поместиться. Если вы измените поля на par(mar=c(4,4,1,1)), они будут вписываться нормально. 15.03.2015
  • Кроме того, на отдельном примечании 2,5 года в качестве члена с 20 вопросами (все с ответами) и нулевым количеством принятых ответов кажутся довольно плохими. Вы можете посмотреть здесь, как принимать ответы. 15.03.2015
  • Изменение @LyzandeR на 4,4,1,1 приводит к слишком большому полю рисунка. Я изменил код, чтобы он был автономным. Также я, возможно, забыл принять ответы. Но тот факт, что я не стал дальше задавать вопросы, означает, что на мои вопросы были даны ответы. 15.03.2015
  • @lyzandeR Я принял довольно много ответов после того, как вы упомянули об этом. Я обычно голосовал за него, но не принял его. Теперь у меня есть. Спасибо. 15.03.2015
  • Спасибо, что приняли! Это показывает хорошие манеры, это дает и вам, и человеку, который ответил, репутацию, чтобы вы могли иметь больше привилегий на сайте, и самое главное, это заставляет людей, у которых есть тот же вопрос, что и вы, понять, что действительно есть решение, которое сработало. Так что спасибо тебе. 15.03.2015

Ответы:


1

Вы можете сделать это следующим образом:

value <- rnorm(300,mean=100,sd=20)
nf <- layout(mat = matrix(c(1,2),2,1, byrow=TRUE),  height = c(1,3)) 
par(mar=c(4,4,1,1))
boxplot(value, horizontal=TRUE,  outline=TRUE,ylim=c(0,160), 
        frame=F, col = "green1")
hist(value,breaks=40,xlab="Runs",ylab="Runs frequency", main = "Score")

введите здесь описание изображения

15.03.2015
  • Что касается этой ошибки, кажется странным, что вы получаете ошибку margin too large, поскольку, прежде всего, все вышеперечисленное сработало для меня, как вы можете видеть с полями c(4,4,1,1) и имейте в виду, что по умолчанию установлено значение c(5,4,4,2) + 0.1. 15.03.2015
  • Это действительно странно. Я получаю сообщение об ошибке в plot.new(): поля рисунка слишком велики, когда я запускаю его в Rstudio. Когда я запускал его в обычной консоли R, он работал нормально. 15.03.2015
  • Я тоже запускаю его в Rstudio и не получаю ошибок. У вас есть последняя версия в Rstudio? может быть, это проблема. Я использую: Version 0.98.1056 15.03.2015
  • да. Это 0.98.1091. Это озадачивает. Я вырезаю и вставляю ваш код в Rstudio и получаю сообщение об ошибке. Утром нужно будет отлаживать. Но я заметил, что Rstudio ведет себя хаотично с графиками. 15.03.2015
  • Иногда да. 15.03.2015

    • 2

    Я думаю, что гораздо лучше иметь и гистограмму, и диаграмму с использованием одной и той же оси (в вопросе и предыдущем ответе заданное значение в диаграмме не совпадает с тем же значением в гистограмме).

    Поэтому я думаю, что лучше использовать ggMarginal из пакета ggExtra

    library(ggplot2)
library(ggExtra) 

value <- rnorm(300,mean=100,sd=20) # your value
df <- data.frame(value) # I store it in a data.frame to be used with ggplot

p <- ggplot(df,
       aes(x = value)) +
  geom_point(    # ggMarginal works with scatterplots, so we create it
    aes(y = 20), # this value is arbitrary, just to be inside the plotting area
    alpha = 0) + # not to be printed
  geom_histogram()

ggMarginal(p, type = "boxplot", margins = "x")

    Спасибо Z.Lin за ее ответ в этом вопросе, который помог мне сначала по этой теме

    введите здесь описание изображения

    27.05.2020
    Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..