R语言里的“col=red”一直显示参数错误是为什么啊？

*???O 2020-03-28 04:23:10

> x=sample(1:999,100)%%100
> hist(x,freq = T,breaks = 7,main = "二维条形直方图")
> line(density(x),col="red")
Error in line(density(x), col = "red") : 参数没有用(col = "red")

...全文

275 回复打赏收藏转发到动态举报

写回复

用AI写文章

切换为时间正序

请发表友善的回复…

发表回复

这是R语言内置的颜色命令，可以通过色卡直观的找到对应的颜色命令名称

R语言中的hist（）函数可以绘制直方图 hist(总阅读量) hist(总阅读量,main="",col="dark red",xlab="总阅读量(千)") 设置颜色和横坐标名称。 hist(总阅读量,main="",col="dark red",xlab="总阅读量(千)",breaks = 8) 加入参数breaks，设置分

通过一个具体的案例对R语言的画图进行分析，主要包括辅助线的添加，plot()函数的基本参数设置，以及图例坐标轴的设置。案例分析 ##数据的输入， dose <- c(20, 30, 40, 45, 60) drugA <- c(16, 20, 27, 40, 60) drugB <- c(15, 18, 25, 31, 40) ##图形参数的设置其中par()函数的参数设置可以对接下来所有的plot()函数画出来的图形参数都是有效的。 opar <- par(no.re..

从许多方面来看，回归分析都是统计学的核心。它其实是一个广义的概念，通指那些用一个或多个预测变量（也称自变量或解释变量）来预测响应变量（也称因变量、效标变量或结果变量）的方法。通常，回归分析可以用来挑选与响应变量相关的解释变量，可以描述两者的关系，也可以生成一个等式，通过解释变量来预测响应变量。本文主要讲述了线性回归的问题，详细描述了线性回归的建模、模型诊断、模型操作及模型可视化等。《R语言实战--...

完整的数据研究流程变量类型 quantitative数值变量数值变量的特征和可视化 1数据集中趋势的测量measures of center 2数据分散趋势的测量measures of spread 3稳健统计量robust statistics 4一个变量的可视化 5两个变量的关系 qualitative 分类变量分类变量的特征和可视化 1一个变量的可视化 2两个变量的可视化 3两个分类变量

其他

259

社区成员

6,544

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章