ggplot2气泡图制作教程

各位达标人大家好啊，今天我们继续更新爱媛的视频，然后呢，本来我是想就是接着 ggpro 的那本书往后更新曲面图还有地图的，但是呢，前两天有两位同学问，我就是说他之前啊，不知道你们还记不记得这幅图，就这幅图就是之前 做的那个啊，两个矩阵之间相关性，然后用热图去表达这些相关性，以及壁纸的这个这个这个这个图。 然后呢，很多同学就跟我说，他说他有一个同学跟我说，他们老板跟他说了，热图可以拿来表达量了，然后相关性不要再用热图了，能不能用气泡图 啊？还有另一个同学也是给我发了一张气气泡图的图片，问我能不能哎，把这个相关性的结果弄成气泡图，哎，什么是气泡图呢？哎，就是后面这种就是气泡图，这是我前两天 刚做好的啊，这个数据是一样的，但是我把它画成了气泡图放在这里，其实气泡图说白了就是点图啊，然后他比较呃，麻烦的一步不是在于画这个点图，而是在于怎么把那个相关性的矩阵变成这个 ggpod 用的这个 叫什么来着？数据框，哎，我们今天呢，就演示一下，哎，怎么把上次的那幅图变成这次那幅图。 如果不知道上次的那幅图是怎么来的，那你可以看一下上一期的视频啊，就是第十一期的视频， 我也会把上一期的视频的链接留在那个我的简介里，然后包括这这次的代码呢，我也就写在上次的代码的后面，这样吧，方便找嘛，也就是下载代码也下载代码和数据也是从上次的 哪个链接里面下载？好让我们开始 这个呢？就是上次的这个， 上次那个，呃，之前的那那些代码，然后我们先把它运行一遍，把之前的图画出来，啊，这第一步载入这个包， 然后呢把这两个数据读进来，然后算算他们的这个相关性，然后这个矩阵，这个局阵就是 p 直的矩阵，然后这个矩阵啊，这个瑞斯，刚瑞斯到了啊，就是这个儿直的矩阵，对吧？然后我们 用了这个 pk 的 map， 载入之后呢啊，把儿子弄出来，然后把这个 儿值呢小于零点三的都不要了，然后把这个 p 值呢大于零点零五的也不要了，然后把这个扣内容内幕写上，然后 弄了一个这个专业开的 point， 然后把这个图片进行不是颜色进行了一个复制，然后画这幅图，哎就出来了，这幅图就在这边， 然后现在我们不要画热图了，我们现在开始画这个气泡图，气泡图，然后我们先把我们的那个 ggplot 可以载入，然后呢这这个难点在哪呢？难点就是我们要把那个 我们就叫 pdice 三吧，因为这个 gjpro 的必须得是 数据框，可是所以数据框 x 轴就等于像这里 x 轴是这个，呃，代谢物啊， macaplo 的一到十三，然后我们就代谢物，然后我们之前的那个数据是这个， 我们之前的数据是哪个 啊？是这个皮带的二啊，皮带的二就是 横坐标，我们就把这个横坐标弄过来，我们横坐标，但是每一个横坐标都要对应这些纵坐标，纵坐标我记得是有二十三，二十三个横坐标是十三个，那个我们每个横坐标要重复十三 三遍，那就是复制，然后扣 names， 然后皮带的二复制多少遍呢？每一个 h 复制十三遍， 二十三遍。然后第二个是外轴，是 这个 ro names 呢？就是 这个，这个要要复制很多表的十三次，然后我们这个就达到一个什么效果呢？先可以先看一下， 拿到一个 这样的一个效果，每一个麦特 plow 的对应这十三，呃，二十三个不一样的，这个这个是什么？我都忘了，什么因子之类的，然后每一个他会对应十三遍，同样的是这样的， 然后我们就开始对他付两个值，一个是儿方儿值，一个是 p 值啊，那就是， 嗯，就是那个瑞斯 啊，就是这个瑞死刀了儿啊， 大家看一下啊， 就是啊，从这，从这，从这弄一下， 你看到他是一个这样的一个数据框格式的啊，你把他这个 s 点这个外壳的时候，把它变成那个项链之后呢，他是根据竖着的一个一个一个这样一个一个往下排，这样就正好就能把啊带他三这边从上往下这样这么排下来，好，我们就把它加进来， 好，就是这个，然后呢 p 呢？我们要稍微变一下 p 值呢？是 s 点 vector， 这个比较长，所以我写在下一行一 felse 还是个上次那个样子，然后 rice p atjust， 如果它大于等于零点 零五，我们就让他等于一。为什么等于一呢？因为我们最后画图的时候是用负唠个屁的，所以负唠个屁的话，如果是一的话，他到最后就是零，然后如果大于他等于一，如果不大于他就还等于这个 好，这样用来画图的数据就出来了，这个数据出来应该很多人就应该已经会画了吧，这个就很简单了，然后我们就呃 jj， plot， 然后皮带三对吧，然后 aes x 轴外走，分明 也就是哎， s 轴和 y 轴分别就是这些，这这这些数，呃变量的这个名称嘛。然后 我要的颜色，我是要等于这个耳纸，然后这个 size 嘛，要等于这个 flow 个十的屁， 然后我们是要画 啊，就点图嘛，气泡图，其实就是点图 height， 然后我们这个时候 aes 记得对阿尔法也进行一个复制， 因为这个阿法等于零的时候，他就会透明的，这样把那个负唠个屁嘛，负唠个屁， p 等于一的时候他就是零，零的话那就透明了，然后就看不到了，这样的话就是说啊， p 值小于零点零 五的都看不到。然后这个颜色呢？其实这样的话应该已经可以画出一个图给大家看一下了，但是应该不是很好看 啊，你看已经画出来一个图给大家，然后这个这个福老个屁啊，他没有完全透明，然后这个 儿儿子他是从负零点五到这个接近这个零点五吧，肯定估计没到零点五这样的一个一个地方。 然后呢，这个他是从黑到默认从黑到蓝，这个不符合我们正常就是看这个儿子的这样的一个习惯，正正常应该是零是白色的，然后 下面是蓝，上面是红，或者是下面是红，上面是蓝，这样的话就是正相关是红的，副相关是蓝的，你这样，所以我们还得在后面加几句，一个就是加他的颜色，不要他，让他颜色变成这个样子，那就是 car 了。然后， 然后我们选择这个噶，这个 gradient too 这个， 然后这个可以付三个值，就是我们让低的值等于，呃，不录吧， 然后中的这就是 mind， 等于白色，然后让 hi， 就是高的值等于 red， 但是你可以自己换颜色。然后有一个要写的就是 money， 就是中间那个值是十几，你就把它规定为零， 然后再加一个 sky， 哦，那个 size arie 啊，就是这个加上去之后呢，会让那些点变得稍微小那么一点，这样的话那个 p 值等于一的哈， 就是那个平时带零点零五的，我们就通通的就不要了，就就就会让他基本上看不到了，然后我们这个 c m b w 这个就是让他变成那个方框的那那种白底的那种，然后再画好，你看这个图就已经是我们想要的那个效果了，但是现在就是下面这个 很坐标，这个字啊，是横着写的，重在一起了，我们再加一行代码，把它 竖起来， same axis， 点 text， axis， 写， 写错了，点 text， 点 x lay element element text and go， 绞肉 竖起来了。对啊，这个图就是跟刚刚那个图是，哎 哎，我的我的图呢，就是这个，跟刚刚的图是一样的了吧。 好，今天就讲到这，就是气泡图，就是这么坏的，我觉得大家应该很快就学会了。嗯，感谢 这个给我提供素材的两位同学，没想到那么容易就能使水一期视频啊，谢谢大家，下次我们讲这个怎么画这个 曲面图，还有那个地图，地图得单独出一期，因为地图你知道的嘛，你想搞出正确的中国地图也没那么容易，对吧？你从国外下到的真这个中国地图哈往往会少一点哈，所以我们肯定不能干这种事，所以下一下期再见。拜拜。

今天呢，我们来看一下啊语言的数据可视化，呃，我呢主要是以啊数据可视化收藏， 现在的话可能我们就按照第一版吧，第一版第十七页。那我们看一下他这个图是怎么画出来的， 那这个呢，是相对来说比较简单的一个条形图，那我们首先呢加载他的一个包，首先呢加载的话大家应该知道用莱布瑞瑞， 嗯，看我们家的成功。 然后的话我们看一下数据局，这个的话是用 bod， 我们看一下他长什么样，他的话有两个边量，一是探，第二是 d 慢的。我们来看一下这个图怎么做。 嗯，这里的话我们首先再加载一个包，叫 gt plus two， 这个包的话就是我们后续的话。 呃，最常用的一个包，也是这本书里面基本上百分之九十的土豆是用的是这个包。 吉吉普罗特兔的话，首先开始的话是吉吉普罗特兔，开始，这里面的话会有一个 a e s a s， 类似于就是一个。呃，映射级 accidentally time， 你还把这个数据题要写上 bod， 我们把它写到这里， x 等于 time， 刚刚我们这里看到的这叫 time， 记住 x 轴，你相信什么内容？ 外轴的话我们这里是要 d man 的。 嗯，树枝吧， 我们偷一个懒。 这里的话我们就定义好了，已经定义好了 x 轴和外轴， x 和 y 分别显示什么，后面的话我们有一个叫几何变未途，未途几何变量也可以这么称之为吧， 用会调形图，那他在 ggpro to 里面叫 gombar， 我们来看一下，这时候的话他会出现一个错，意思就是说外轴他， 他好像是说统计不出来，这个时候的话我们要大家记住吧？就会有个 statidntity， 基本上调形图我们都要加这个 阐述，那我们看一下， 嗯，我们看一下右边的话，他这里就出来了 内容，这个的话就是很简单的一个入门啊，希望大家的话能够知道，后面的话我们也会。

大家好，我是深信人牙科，今天呢，来继续给大家介绍儿语言绘图书。接上回，儿语言是一种数据分析和统计计算的编程语言，他的出现使得数据可视化变得更加简单和直观。 ggpr 的兔包是儿园中最著名、最强大的图形绘制工具之一，它提供了丰富的数据可视化功能， 并以易用性、灵活性和美学性而闻名于世。本次将重点介绍 t g pro to 中如何使用折件图 进行数据可视化。折线图是一种常见和基础的数据可视化手段，通过折线图，我们可以更加清晰地观察和比较各种变量的趋势和变化。 在 g g plus 包中，其中折线图有多种不同的类型，其中比较常见的就是图式的几种。紧接着，我们使用 data free 函数构建一个模拟数据， 然后使用 gm li 函数来构建一个基本的折线图。在函数中，我们可以调节 like type 函数来调整折线图中的不同类型。再次，我们构建一个模拟数据来绘制多组别折线图。在 aes 函数中 设置 group 函数，可以实现多组别的折线图的绘制。同样，我们在 gm like 函数中可以调节不同类型的线条，也可以用 size、 color 等参数来调整线条的粗细、颜色等。 在 gm like 函数中添加映射关系，就可以把不同组别的变量信息展现在图形中。比如，我们在此将性别这个变量映射在图形中。不同的线条进一步又用不同的颜色来区分。 正如我们之前介绍那一样，我们可以通过 scale menu 函数来自定义各种音色中不同的几何形状或者颜色等。好了，本期的视频就到这里了，大家如果有什么问题可以后台留言，我是身心人牙，可我们下期节目见。

气泡图制作今天咱们要学习一下气泡图的制作，我们看一下安利，安利中要准备三组数据， 准备好数据之后选中所有的数据，点击插入，点击散点图，点击气泡图将不需要的元素删除， 网格线也可以删除， 删除之后点击图表内的空白区域，右键选择数据，将任意一组数据进行删除， 将留下来的数据点击编辑。 s 轴值设置为接待量，外轴值 设置为订单量，气泡大小设置为转化率，点击确定 再点击确定。我们的气泡图已经基本生成，现在我们进行气泡图的美化，选择整个图表进行字体美化，选择微软雅黑加粗，选择自己喜欢的颜色，将字体进行调整， 调整之后点击气泡右键设置数据系列格式，选择小的油漆桶，选择纯色填充，选择自己喜欢的颜色， 右键添加数据标签，数据标签填好之后点击数据标签， 右键设置数据标签格式。将标签调整到圆圈内， 调整字体的颜色，调整字体大小，加粗好，设置好之后再点击气泡图右键， 一定要选中气泡图，右键设置数据序列格式，点击气泡的面积，现在气泡的面积稍微有一些重叠，我们把它缩小一些，缩到百分之六十。好， 将外轴的数值进行调整，调整到二十五，从五起 单位的最大值设置为五，调整 s 轴的数值。 呃，最小 值是一百，最大值设置为一百六。 好，我们现在的气泡图已经完成，你学会了吗？

一键生成气泡图自动生成检验计划表，两检具工序控制数据自动采集报告一键生成，深受全球不同公司性。

三点图是将所有的数据以点的形式展现在平面直角坐标系上的统计图表需要 xy 两个变量，而气泡图则是通过气泡大小增加了一个变量。这两类图表常用于分析展示不同变量之间的关系，展现形式直观炫酷，在研究性分析中也应用广泛。 下面我们使用免费的工具 bdp 个人版，一起来试试看吧。在网页上登录后，我们上传一份视力数据，这里我们选择去年一份个首饰疫情数据作为视力，来分析个首饰智力率和死亡率的情况。点击右上角新建图表， 这里我们先根据已有字段，通过公式计算出治愈率和死亡率两个字段计算公式如下， 死亡率自断。同理，制作散点图需要一个维度，自断和 xy 轴两个数值自断。 拖拽自断后，在右侧列表中选择散点图。如果数据中还有其他维度想要展示，可以通过设置不同颜色和气泡尺寸来进行区分。 例如，如果数据中有区域字段，可以将区域字段拖至颜色设置栏，对不同省份进行分区颜色展示。或将其他需要展示的数值字段拖至尺寸栏， 通过气泡大小不同展示数据。三点图中还可以添加趋势线，展示线性对数等变量关系趋势。在 bdp 中，我们还可以通过框选数据点来查看明细数据，解决可视化后明细数据不易查看的问题， 可以展示多个变量关系。直观又炫酷的气泡图、散点图，你会了吗？更多可视化图表制作数据分析的分享，下期见。

这个的话就是添加一些 gpro 图的元素，所以它就是我们基于常规上面上面的。嗯，这些图的话，大家像这些字体啊，什么都是可以改的， 通过那个 c 模参数了，或者是添加些这个标题了，然后这些字体的大小了都是可以改的，大家可以根据前面的一些知识来来改一下，就是改成自己想要的这个图的形。

哈喽，大家好，今天给大家分享一个条形图加气泡图的组合图制作方法，那类似我们这样的一个图表是如何制作的？ 那在我们的图表制作当中，条形图和气泡图其实是不能够进行组合的，所以说我们的条形图也是通过气泡图的一个制作来完成的。那首先我们需要制作的是一个 条形图数据以及气泡图的数据。首先条形图数据这里呢 x， y 轴都是已经写在这里的，那误差线的话就是我们的销量， 我们待会就是通过误差线来得到条形图，然后气泡图部分这个 s 轴就是我们销量最大值加十得到的一个数值， 好，得到我们的 x 轴， y 轴的话就是十到一。 exact 轴的话就是我们的一个占比，直接等于占比即可。 好，数据制作好了之后，首先我们选择条形图数据， x、 y、 e、 c 之后直接插入一个气泡图，然后我们再对这个气泡图进行相应的调整， 首先我们选择到气泡图，把它的一个坐标轴最大最小值修改为零到十一。 好的，修改好了之后呢，我们再添加上误差线，勾选误差线，直接到更多选项里边，在右边这里我们选择 到这个 y 误差键，把它给删除掉，直接选择之后按 delete 键就可以了，然后再选择 x 误差键，再选择正偏差无限端自定义值，这里直接选择我们的一个误差限值，也就是我们的销量值。 添加完成之后，我们就看到误差线其实就相当于我们的一个条形图，接着我们把气泡图它的一个填充颜色和边框都选择无， 然后我们选择误差线，把它的宽度改为二十磅，然后修改相应的颜色。这里我们可以选择一个渐变色，大家可以根据自己的喜好来调整它一个好看的颜色，那这里呢，我们选择一个绿色的线性渐变颜色，然后可以把 其中的一个颜色的亮度稍微做一个调整。然后呢我们再往下把它的一个线端类型改为圆，就得到了一条好看的条形图了。然后我们再把坐标轴删除掉，再添加上数据标签， 那这里数据标签它显示的是一个 y 轴的数值，我们需要把这个 y 轴的数值放在靠右的位置，并且把它修改为是我们单元格中的值，也就是我们的一个销量值。 直接选择单元公单元格中的值，然后去选择我们的一个销量， 把其他多余的 one i 指以及引导向给删除掉。然后呢我们把这个字体颜色改为白色，适当的调整字体大小。 好，那我们的一个条形图就已经制作好了，可以把多余的网格线给删除掉。 好，那接下来我们再添加上我们的一个气泡图，也就是我们底下这个 x y 轴的一个数据添加上来气泡图 选择图表，在上方图表设计当中选择到选择数据，然后在这里我们可以把系列一做一个调整啊，把它的名字修改为销量，这样的话我们 做图片的时候就更加规范了。然后我们添加到气泡图，直接选择占比为系列名字， x 轴就是相应的数值， y 轴的话也是直接选择我们之前设置好的一个数值就可以了。 好，完成好之后呢，我们看到图表的右侧就已经出现了我们的一个气泡图， 在这里我们选择气泡图，对他进行相应的设置。首先我们把气泡面积大小改为三十，然后选择到中间的数值，也就是我们的数据标签，选择 靠右标签位置，然后以单元格中的值来替换他原来的值，这里呢这个单元格中的值也就是我们的一个占比，我们用气泡的大小来显示他占比的大小嘛，直接选择单元格中 用了值，选择占比列数据，把 y 值和引导性给取消就可以了。之后再调整我们数值的一个标签字体颜色以及大小， 这里我们修改为绿色加粗即可。接着我们对这个气泡图的颜色进行相应的调整，我们选择渐变色，然后呢渐变颜色，这里可以选择一个黄色渐变 好了，调整好了之后，最后我们发现我们这个图表没有一个重坐标轴显示。最后再给图表添加一组气泡图，直接选择图表，同样到数据设计选择数据，然后添加我们原来的条形图数据当中做我们的一个坐标轴， switch 直接选择相应的数值就可以了。 添加好了之后呢，我们发现左侧会多了这一列数值，这个其实是新的气泡组的数据标签，我们直接把他的数值放在左侧，然后选择单元格中的值，这里选择去地区作为我们的坐标轴，把其他多余的去掉 好，然后我们再选择到这个气泡，把它的一个填充颜色和边框改为无填充和无线条。好，那我们这样的一个好看的条形图加气泡图就已经制作好了。那最后我们再给图表添加上图表标题，根据实际 的一个数据展示，我们把这个标题做相应的修改就可以了。好，那这里的话我们可以把标题做一个居中，然后再给图表添加上一个绿色的形状轮廓。 好的，那咱们这样的一个好看的挑选图加气泡图的一个组合图就已经制作好了。那我们今天的分享就到这里了，谢谢大家。

大家好，我是深信人雅可，今天呢，来给大家继续介绍 g plus two 绘图中的三点拓的绘制。当今大数据时代，人们在各个领域应用而言进行数据分析。 g plus two 是一款常用的数据化可视工具，它非常适合于从各个方面展示数据。 正如我们上个视频介绍的那样， g g plus two 是由 handled weekend 所开发的一个基于图层思想 的广泛使用的可视化数据包。该项目在社区中有大量的人员广泛参与，并在数据科学、金融、文本挖掘、生物医学和其他领域得到了广泛的应用。 假设我们有一份关于汽车的数据集，这个数据集包含了三十二辆汽车的十一个属性，例如马力、排量、重量等等。我们现在想要探 所马力与重量之间的关系，我们可以用 gt pro to 绘制一个散电图来展示这两个变量之间的关系。首先呢，就是加载一个内置数据集，对吧，用 data 这个方式。其次呢，用 gt pro to 来构建一个图层函数，再加 gmplaint 以那个散点图的几何形式来呈现这个数据。 在这个视力中，我们首先使用 ggpl two 函数创建了一个空的图形对象，并指定了数据级 mt cars 以及 x 和 y 轴的变量。然后呢，通过添加 gm planet 图形元素来绘制函，绘制三点图。 最后使用 print 函数来显示图表。当然，也可以通过修改 gmpoint 的函参数来改变点的颜色、形状和大小。根据分组变量设置点的颜色。如果想要根据某个变量对数据进行分组，并用不同的颜色来表示不同的组别，可以使用 a e s 函数内置设， 设置开了参数添加线性回归拟合线，可以使用 gmsmos 函数添加一条线性回归拟合曲线。当然，我们也可以绘制小提琴图和镶嵌图类似的三点图。 如果想要绘制类似于这样的图的话，我们可以用 geom jt 这个函数来绘制。三件图给予我们很多好处，比如清晰简单的呈现数据的分布情况， 同时允许我们检查异常值，并区分区分不同的组或者或者说分类别。然而，在某些情况下，三件图可能会受到可视化复杂性的因因素的影响，从而导致混淆和降低精度。总体来说，三件图是一种非常实用、易于理解和使用的数据可视化工具， 能够将数据信息直观的呈现给用户，帮助用户更好的理解问题和思考问题。在 gcpl two 包中，三件图有着非常丰富的设置选项，可以根据自己的需求进行灵活的设置和修改。好了，感谢大家的观看，我是身心人牙，可我们下期再见。

哈喽，大家好，我是中国同庆。那么今天给大家讲一下，我们在做拉索回归的时候，拉索出了一张图啊，那虽然可以下载成 pdf， 但是呢，你即使用适量编辑软件打开之后发现这张图啊，依然是没有办法来进行一个编辑的，那么能不能够把这个拉索所产生的就是拉索这个弹性网络 book 啊？ 啊，自动生成的这张图，给它变成可以修改的格式呢，最好能够用 g g pro to 来进行绘制，那就比较好。那如何来进行实现呢？今天给大家来分享一种方法， 那比如说呢，我们打开这个，咳，打开二四六六啊，我们演示一下这个案例啊，我们加载这个 g l m， 这个 let 不好，就是腾讯网络不好啊，我们先加载这个不好，加载好了之后呢，我们再去加载 survive， 因为这个 survive 包里面呢，有一个，有一个数据机啊，这个数数据机呢， 就叫做 pox exam 数据集，我们把这个 data 呢，把它调用一下，然后你，然后我们再把里面的这个 x 啊，就是这个数据集中的这些 x 变量给提取出来啊，作为一个 x， 然后把这个 y 变掉了，这句话就 y， 那因为做这个拉锁的话，你只要知道 x 是什么， y 是什么，然后就可以进行一个拉锁了，我们这时候看一下这 x 是什么，我们 hide x， 我发现 x 包括这有三十个变量啊，有三十个变量，那么这个 y 是什么呢？我们在 head 这个 y y 呢，它包括什么？包括 selectus 和这个 time， 还因为是生存数据嘛，它肯定要有 啊，发生结局的这个时间和这个结局变量啊，然后好了之后呢，我们就去做这个太阳能啊，也就是拉索，那么做拉拉索回归的时候，很多认为啊，拉索很复杂，其实他这个理论很复杂， 但是用软件来进作的话很简单，你看就将这么一步就是做拉锁了啊，就是 g l manage， 然后告诉我们 x 是什么， y 是什么，指定数据，指定我们这个他的一个家族是什么？是 cox 啊，就是构建 cox 模型，然后我们就绘制这个 model， 这个模型，这个拉锁的这个模型就好了， 好了之后呢，我们要看两个东西，一个是他把路径压缩的系数，一个就是他的 c v 拉手啊，叫他验车，我们这是他跑的这个模型，我们再做个 c v c v 拉锁， c v 拉锁呢，就是 c v 点 g l m led， 然后我们告诉我们 x 是什么， y 是什么，然后指定我们做多少种交叉验证，一般默认是十重。好，我们把这个 c v 拉锁在 做一遍，做好了之后呢，我们就可以绘图了啊，在这地方绘图呢，首先我们我们先 plot， 因为这是这个 plot 函数呢， plot mode 呢，直接就是这个 g omelet 里面所提供的啊，你直接点这个 plot， 他立马就会会 制出来的这么一个什么压缩系数，那么这个压缩呢，是质疑 lv 范式的，这个压缩一般发票文章很少用，我们一般用的是什么？用 logo lambna 的，所以我们可以换这种方式来进绘图啊，这个是发票文章经常用的，这张图还是很漂亮的对不对？如果能进行压缩的话，还是非常非常漂亮的， 那么但是这张图呢，你下载下来没有办法编辑，因为很多人他有可能还想后续再再改改颜色啊，觉得这个配比不好看，因为这是默认的啊，他这种配色是默认的，我们再绘制一下他的一个交叉验证呢啊，我们再 plus 一下， 这是它一个交叉验证的，这是 number 命令，这是 number e s e 啊，总体上也还是不错的，因为这是软件演示的一个数据，对吧？那肯定还是比较理想的那，但是这个数据呢？这张图也是一样的，嗯，它是没有办法编辑的，就是你老 pdf 导出质量图出来的，很多人都反应编辑不了啊，也有可能是不同的编辑软件功能的问题啊。那么这那我们怎么办呢？因为你只要绘图，肯定有绘绘图的参数对不对？能不能把一些绘图参数提取出来，然后用积极葡萄制作呢？可以，我们身上加载一个塔里 vers， 塔里 vers 专门进行一个什么 数据管理的，然后就用上面这个 as table。 as table table 是什么？是一种一种非常新一种新的数据整理格式啊。 啊，这地方就是 as matrix， 就是他做什么举证，就是把我们上面这个模型的细数给他做成个举证，然后这个他的行名字呢，就叫 call efficiency， 然后呢？哎，然后下面就按照这样再一步一步步来进行整理提取。所以如果没有足够的来源的基础啊，看，这是不知道什么意思啊，像这些管道函数都不知道是什么意思啊。 嗯，像这个怎么变成长形啊，或者啊宽形数据，所以这还是比较复杂，具体是我后面就会给大家讲一个新的，就是如果你直接按照原始的数据来进行提取的话，那就把这个 t m p 啊， e m p 啊，就是整理成一个 table 数 table table， 你就可以把它理解成一个表格数据了，然后根据这个表格数据你就可以绘制 g plut 了，然后我们根据这个表格数据，你看我们 g g plut， 然后就是 t m p， t m p 就是上面我们进行塔里 vers 整理出来的，然后我们绘制一个 g plut， 哎，这时候它就是基于 g g plus 绘制绘图参数了，那么这个它就可以导出成十张图，而且也可以导出成 ppt， 那你在 ppt 里面就可以进行肆意的任意的修改，对不对？哎，但是这上面这个过程呢，很很很难理解，对不对啊？那么这时候我们就可以下载一个新的包教 broom 啊，加载个 broom 包，这个 broom 包还是专门帮我们提取绘图参数的，然后我们只要怎么提取呢？啊？我们有他的啊，他的 df， 嗯，这这个前面这个都是大家自己可以命名的，然后我们直接不入我们他的不入我们他的 model， model 是什么 model？ 就是我们刚才在上面构建这一个构建的这个 啊，拉锁模型啊，对吧？拉锁模型就要 model 啊，这 cv model 就是交叉验证的呀，所以我们只要用 brew 这个它的，然后呢把这个 model 给它提取出来，嗯， 就可以了，然后呢我们再去什么 cv model， 再把 cv model 的绘图删除提取出来， ok 了啊，提取出来之后呢，我们也可以去看一下，害得他这个他的颠覆，他的颠覆呢？就是什么？就是做这个拉手的时候记住了的数据，记住了的时候是什么呢？我们发现他包括是一 the term， term 就是它的一个变量名啊，然后就是 step 是多少多不，然后这是它的一个预估值，这是它 number 啊，这是一个 ev ration 啊，就偏离它比值吧，就类似这样理解啊，好，然后后面的绘图呢？其实拉索绘图就是基于这些变量来进行绘图的， 我们再看一下这个 c v d f 是什么？还有的 c v d f 啊，但这里面有那么大，有预估值，有标准物，有有这个百分之九十五根捐的上下线啊，以及是不是零啊，非零啊，等这些值给好，我们把这些提取出来之后呢，我们就加载 j g pro to， 然后呢啊，再加载一个色彩， 色彩一个模板，就是专门处理颜色的给，然后把这个定一些，多定一些颜色，因为有的时候我们这地方数据比较多，你能当电量比较多的时候，你这颜色少的话，整个就定义不完，对吧？ 我就定一下好，定好了之后呢？哎，下面我们就可以记记记记 plus 了啊，这地方很省事，省事在什么地方就采用这个 broom 啊，这个包用 broom 这个包去提取我们 model model 和 c v model， 然后直接画图就可以了，画什么呢？你看我们 g g pro to， 然后就是它 d d f， 它 d d f 就是什么？就是我们拿手的数据，对不对？然后这 g g pro 就是 g g pro 绘制了啊，这就是它的 这个坐标足了，对吧？啊？ is 啊，然后这是它这个线型，这是它这个水平线，这是 y 轴，这是它的颜色，这是它的主题，对不对？我们直接进去把颜色稍微放大一点点， 这就是 g e g e g plus two 做的就比我们这个要省的什么省多很多，这个一个过程啊，很复杂的，这个一个过程他只用一行函数就把它搞定了啊， 这是基于这个，那么还有一个，还有一个，我们可以积极啊，这个是基于啊 lv fans 的啊，我们再做一个篇篇 啊，然后去展示一下这个撇撇，这就是 log 那么的，看到没有，这地方就有 log 那么的，那发表文章的时候，一般报告的都是 log 那么的，注意了， 不用 l e fans 或者 step 等等，你用的 log 那么打，哎，把它变成这样子给。那么还有一个就是它的 c 位拉锁， c 位拉锁怎么做呢？依然是积极不到的。 two， 我们在这方啊，只不过我们数据机等于什么，等一个它的里面的 c v d f c v d f 就就是我们 c v 拉锁做出来的，对不对？然后我们把它做成叫做披萨啊，然后去看一下这个披萨， 哎，这是不是就是一个 c blush 的一张图，对不对？也可以把这两张图啊给它组合一下，我们加载一个叫做拍子 work 这个 pro， 那就专门进行什么拼图的 拼图，拼完把这个加载好了之后呢，我们就 p a p 三啊，就 p a p 三运行一下，然后这就会把我们刚才这两张图拼在一张图里面，然后进行导出就可以了。给好，这就是如何把我们这个 g l m net g l m net， 这个海信网络这个包所绘制的这个拉锁的图啊，它是不 一遍一遍记得好，我们给它转化成 g plus two 啊，我们最重要的一点就是基于 broom 哈，基于 broom 啊，哎，这个包把它的已经把绘图参数提取出来，然后用 g g pro 来进作。 ok， 这一期跟大家分享到这里。

大家好，我是身心人牙可，今天来继续给大家介绍儿言绘图。阿普萨的图是一种用于可视化多组数据之间的交集和差异的图标工具，它可以帮助我们更清晰地理解数据之间的关系和重叠情况。 下面将介绍 upset 图的几个主要特点，一、显示数据交集和差异 upset 图可以通过显示数据级之间的交集和差异来帮助我们理解数据。 它的主要组成部分是一个水平的轴，每个数据级在轴上有一个矩形的表示，矩形的宽度代表数据级的大小，而矩形的高度表示该数据级与其他数据级的交界情况。通过观察矩形的重叠部分和非重叠部分，我们可以快捷的了解数据级之间的相似性和差异性。二 是多组数据级的比较。阿布赛的图可以同时比较多组数据级之间的交集和差异。这种多数据级的比较对于研究人员和数据分析师来说是非常有用的，因为他们经常需要同时分析多个数据级。通过阿布赛的图，我们 可以一目了然的看到不同数据级之间的共同元素和独特的元素，这有助于我们发现数据级之间的模式和关联。三、可以处理大规模数据级阿萨特图具有处理大规模数据级的能力，他使用有效的算法和数据结构来处理大量的数据，并且可以在合理的时间内生成可视化结果。 对于处理大型生物学数据、社交网络数据或者市场调研数据等大规模数据集的研究非常重要。四、提供非常丰富的统计信息阿布赛的图不仅可以显示数据集之间的交集和差异，还可以提供丰富的统计信息。他可以计算不同数据集之间的交集数量，交集百分比和唯一元素数量。这些统计信息有助于我们更深入的理解数据集 间的关系，从中也得到了更有价值的结论。综上所述， upset 图是一种强大的数据可视化工具，它能够清晰地显示多组数据级之间的交集和差异。它的特点包括显示数据及交集和差异，支持多组数据集的比较。矗立大规模数据集还可以自定义交 呵护以及提供丰富的统计信息。通过使用 upset 图，我们可以更好地理解数据机之间的关系，而从中获得更有价值的信息。接下来就开始 upset 图的绘制。首先呢，加载 r 包 upset r， 然后创建一个视力数据进行可视化，使用 from list 函数读取我们构建的 list 对象，将其转化为可以被 upset 函数识别的 data 参数对象，然后直接绘制一个 upset 图形。加载 r 包 gg upset 来绘制一个 upset 图，绘制结果是一个机器对象，方便我们拼接以及储存图片。当然，也可以通过 ggplut two 相关的拓展包来绘制更复杂的 upset 图， 比如说 complex upset， 在此基础上叠加图层可以呈现一个更复杂的 upset 图形。好了，本次的分享就到这里，我是深信人雅可，我们下期再见。