本文转自《R友舍》公众号，关注R友舍，后台回复ggplot2，获取全文代码

什么类型的可视化用于什么类型的问题？本文可帮助您为特定分析目标选择正确的图表类型，以及如何使用ggplot2在R中实现它。

一个有效的图标:

  • 在不歪曲事实的情况下传达正确的信息
  • 简单而优雅的表达信息内容
  • 通过美学表达信息，而不是掩盖信息
  • 没有信息负载

下面介绍了八类常见的图表可视化情景。在绘图之前，请仔细考虑你准备如何通过可视化的方式表达统计事实或事件关系。也许就是这八类情景中的一个。

类型一：相关性

以及几个图用于检查两个变量见的相关性

散点图

散点图是数据分析过程中使用最多的图标之一。当你想了解两个变量间的相关性时，首先想到的就是散点图。
我们可以用ggplot2里的geom_point()绘制散点图。另外，还可以用geom_smooth来绘制平滑曲线，通过设置methon='lm’来绘制最佳拟合曲线。

options(scipen=999) 
library(ggplot2)
theme_set(theme_bw())  
data("midwest", package = "ggplot2")
# midwest <- read.csv("http://goo.gl/G1K41K")

Scatterplot

gg <- ggplot(midwest, aes(x=area, y=poptotal)) +
geom_point(aes(col=state, size=popdensity)) +
geom_smooth(method=“loess”, se=F) +
xlim(c(0, 0.1)) +
ylim(c(0, 500000)) +
labs(subtitle=“Area Vs Population”,
y=“Population”,
x=“Area”,
title=“Scatterplot”,
caption = “Source: midwest”)

plot(gg)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19

在这里插入图片描述

带有环绕的散点图

在展示结果时，有时可以将某个特殊的区域包围起来，从而达到突出展示的效果。
我们可以通过ggalt包里的geom_encircle()实现。
在geom_encircle()中，我们可以指定需要突出的数据集，此外还可以扩展曲线，以便在点之外传递；以及修改曲线的颜色及大小。

# install 'ggalt' pkg
# devtools::install_github("hrbrmstr/ggalt")
options(scipen = 999)
library(ggplot2)
library(ggalt)
midwest_select <- midwest[midwest$poptotal > 350000 & midwest$poptotal <= 500000 & midwest$area > 0.01 & midwest$area < 0.1, ]

Plot

ggplot(midwest, aes(x=area, y=poptotal)) +
geom_point(aes(col=state, size=popdensity)) + # draw points
geom_smooth(method=“loess”, se=F) +
xlim(c(0, 0.1)) +
ylim(c(0, 500000)) + # draw smoothing line
geom_encircle(aes(x=area, y=poptotal),
data=midwest_select,
color=“red”,
size=2,
expand=0.08) + # encircle
labs(subtitle=“Area Vs Population”,
y=“Population”,
x=“Area”,
title=“Scatterplot + Encircle”,
caption=“Source: midwest”)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27

在这里插入图片描述

Jitter图

我们看看先用一组新的数据绘制散点图。这次，我将使用mpg数据集来绘制城市里程（cty）与公路里程。

在这里插入图片描述

虽然我们能够从图中看出，两个变量存在相关性。但是不难发现，很多散点被隐藏了，因为数据存在重叠的问题。由于cty和hvy两个变量都是整数，所以数据重叠的现象更加严重。对于这类数据集的散点图，展示过程中应该格外小心。
那么应该如何解决一个问题呢？我们可以使用jitter_geom()对数据增加抖动，通过设置wigth，使得重叠的点在原始位置随机抖动。

在这里插入图片描述

计数图

第二种解决散点重叠的方法是使用计数图。当数据存在散点重叠时，我们可以用散点大小来表达数据重叠的程度。

在这里插入图片描述

气泡图

虽然散点图能够表示两个连续变量间的相关关系。但如果想在以下两个方面了解数据间的潜在关系时，气泡图会更有用：

1.基于分类变量，修改散点颜色
2.基于另一个连续变量，表示散点的大小

简单来说，如果你有一个四维变量的数据，两个连续变量，一个分类变量用以表示颜色，一个连续变量表示点的大小，那么气泡图就非常适合了。

比如下面这个例子，气泡图清楚地区分了制造商之间的差异以及最佳拟合曲线的斜率变化，从而能够更好的比较不同组群间的差异。

# load package and data
library(ggplot2)
data(mpg, package="ggplot2")
# mpg <- read.csv("http://goo.gl/uEeRGu")

mpg_select <- mpg[mpg$manufacturer %in% c(“audi”, “ford”, “honda”, “hyundai”), ]

Scatterplot

theme_set(theme_bw()) # pre-set the bw theme.
g <- ggplot(mpg_select, aes(displ, cty)) +
labs(subtitle=“mpg: Displacement vs City Mileage”,
title=“Bubble chart”)

g + geom_jitter(aes(col=manufacturer, size=hwy)) +
geom_smooth(aes(col=manufacturer), method=“lm”, se=F)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15

在这里插入图片描述

动态气泡图

对于动态气泡图的实现，可以使用gganimate包。动态气泡图和普通气泡图的区别就在于使用第五维数据(一般是时间)来展示数据间的变化。
动态气泡图的处理方法和其它图形基本一致，不同的是需要在aes层指定动画展示的变量。构建绘图后，可以使用gganimate（）通过设置动画的时间间隔。

# Source: https://github.com/dgrtwo/gganimate
# install.packages("cowplot")  # a gganimate dependency
# devtools::install_github("dgrtwo/gganimate")
library(ggplot2)
library(gganimate)
library(gapminder)
theme_set(theme_bw())  # pre-set the bw theme.

g <- ggplot(gapminder, aes(gdpPercap, lifeExp, size = pop, frame = year)) +
geom_point() +
geom_smooth(aes(group = year),
method = “lm”,
show.legend = FALSE) +
facet_wrap(~continent, scales = “free”) +
scale_x_log10() # convert to log scale

gganimate(g, interval=0.2)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17

在这里插入图片描述

边缘分布的直方图／箱型图

如果你想在用一张图表中显示两个变量的关系以及分布，那么可以使用边缘分布直方图。它可以在散点图的X、Y周，显示变量的直方图。
边缘分布直方图可以通过ggExtra包的ggMarginal()函数实现。除了绘制直方图外，还支持绘制边缘分布的箱型图和密度函数。

# load package and data
library(ggplot2)
library(ggExtra)
data(mpg, package="ggplot2")
# mpg <- read.csv("http://goo.gl/uEeRGu")

Scatterplot

theme_set(theme_bw()) # pre-set the bw theme.
mpg_select <- mpg[mpgKaTeX parse error: Expected 'EOF', got '&' at position 5: hwy &̲gt;= 35 &amp; m…cty > 27, ]
g <- ggplot(mpg, aes(cty, hwy)) +
geom_count() +
geom_smooth(method=“lm”, se=F)

ggMarginal(g, type = “histogram”, fill=“transparent”)
ggMarginal(g, type = “boxplot”, fill=“transparent”)

ggMarginal(g, type = “density”, fill=“transparent”)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16

在这里插入图片描述
在这里插入图片描述

相关关系图

相关关系图可以同时显示统一组数据中多个变量间的相关性。通过ggcorrplot包可以很方便的实现它。

# devtools::install_github("kassambara/ggcorrplot")
library(ggplot2)
library(ggcorrplot)

Correlation matrix

data(mtcars)
corr <- round(cor(mtcars), 1)

Plot

ggcorrplot(corr, hc.order = TRUE,
type = “lower”,
lab = TRUE,
lab_size = 3,
method=“circle”,
colors = c(“tomato2”, “white”, “springgreen3”),
title=“Correlogram of mtcars”,
ggtheme=theme_bw)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17

在这里插入图片描述

类型二: 偏差

###条形图
条形图，是一种可以同时处理正负值的条形图表。一般通过geom_bar()函数就能实现，但是使用geom_bar()函数时，往往会出现概念上的混淆。因为该函数既可以画直方图也可以画条形图。
比如，geom_bar()函数的stat参数默认值是count，这也意味着，当指定的数据是连续变量时，系统会生成直方图。为了创建条形图而不是直方图，需要作如下修改：

  • 设置参数stat=identity
  • 在aes（）中提供x和y两维变量，其中x是字符或因子型变量，y是数值型变量

在下面的示例中，首先对mtcars数据集的mpg进行标准化。将那些mpg大于零的车辆标记为绿色，小于零的车辆标记为红色。

library(ggplot2)
theme_set(theme_bw())

Data Prep

data(“mtcars”) # load data
mtcarsKaTeX parse error: Expected 'EOF', got '&' at position 12: `car name` &̲lt;- rownames(m…mpg_z <- round((mtcarsmpg−mean(mtcarsmpg - mean(mtcarsmpg))/sd(mtcarsKaTeX parse error: Expected 'EOF', got '#' at position 11: mpg), 2) #̲ compute normal…mpg_type <- ifelse(mtcarsKaTeX parse error: Expected 'EOF', got '&' at position 7: mpg_z &̲lt; 0, "below",…mpg_z), ] # sort
mtcarsKaTeX parse error: Expected 'EOF', got '&' at position 12: `car name` &̲lt;- factor(mtc…car name, levels = mtcars$car name) # convert to factor to retain sorted order in plot.

Diverging Barcharts

ggplot(mtcars, aes(x=car name, y=mpg_z, label=mpg_z)) +
geom_bar(stat=‘identity’, aes(fill=mpg_type), width=.5) +
scale_fill_manual(name=“Mileage”,
labels = c(“Above Average”, “Below Average”),
values = c(“above”="#00ba38", “below”="#f8766d")) +
labs(subtitle=“Normalised mileage from ‘mtcars’”,
title= “Diverging Bars”) +
coord_flip()

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20

在这里插入图片描述

棒棒糖图

棒棒糖图与条形图类似。一般可以使用geom_point()和geom_segment()来画棒棒糖图。借用条形图的数据，我们这里用棒棒糖图来实现它。

library(ggplot2)
theme_set(theme_bw())

ggplot(mtcars, aes(x=car name, y=mpg_z, label=mpg_z)) +
geom_point(stat=‘identity’, fill=“black”, size=6) +
geom_segment(aes(y = 0,
x = car name,
yend = mpg_z,
xend = car name),
color = “black”) +
geom_text(color=“white”, size=2) +
labs(title=“Diverging Lollipop Chart”,
subtitle=“Normalized mileage from ‘mtcars’: Lollipop”) +
ylim(-2.5, 2.5) +
coord_flip()

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15

在这里插入图片描述

点图

点图与条形图原理一致，只是表达形式不同。

library(ggplot2)
theme_set(theme_bw())

Plot

ggplot(mtcars, aes(x=car name, y=mpg_z, label=mpg_z)) +
geom_point(stat=‘identity’, aes(col=mpg_type), size=6) +
scale_color_manual(name=“Mileage”,
labels = c(“Above Average”, “Below Average”),
values = c(“above”="#00ba38", “below”="#f8766d")) +
geom_text(color=“white”, size=2) +
labs(title=“Diverging Dot Plot”,
subtitle=“Normalized mileage from ‘mtcars’: Dotplot”) +
ylim(-2.5, 2.5) +
coord_flip()

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14

在这里插入图片描述

面积图

面积图一般用来表示某指标与基准指标相比的变化情况。通常可以用geom_area()函数实现它。

在这里插入图片描述

类型三: 排序

排序图一般用于比较多个项目之间的指标大小。

有序条形图

有序条形图是按照Y轴变量大小进行排序的条形图。让我们用mpg数据集绘制每个制造商的平均城市里程数的有序条形图。

cty_mpg <- aggregate(mpg$cty, by=list(mpg$manufacturer), FUN=mean) 
colnames(cty_mpg) <- c("make", "mileage")  
cty_mpg <- cty_mpg[order(cty_mpg$mileage), ]  
cty_mpg$make <- factor(cty_mpg$make, levels = cty_mpg$make)  library(ggplot2)
theme_set(theme_bw())

Draw plot

ggplot(cty_mpg, aes(x=make, y=mileage)) +
geom_bar(stat=“identity”, width=.5, fill=“tomato3”) +
labs(title=“Ordered Bar Chart”,
subtitle=“Make Vs Avg. Mileage”,
caption=“source: mpg”) +
theme(axis.text.x = element_text(angle=65, vjust=0.6))

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14

在这里插入图片描述

棒棒糖图

与条形图类似，棒棒糖图也具备类似的图形展示效果。通过将条形改为细线，可以让图形显得更简洁，更美观。

library(ggplot2)
theme_set(theme_bw())

Plot

ggplot(cty_mpg, aes(x=make, y=mileage)) +
geom_point(size=3) +
geom_segment(aes(x=make,
xend=make,
y=0,
yend=mileage)) +
labs(title=“Lollipop Chart”,
subtitle=“Make Vs Avg. Mileage”,
caption=“source: mpg”) +
theme(axis.text.x = element_text(angle=65, vjust=0.6))

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14

在这里插入图片描述

点图

点图其实和棒棒糖图类似，但是没有线条，并且指标被反转到了X轴。

library(ggplot2)
library(scales)
theme_set(theme_classic())

Plot

ggplot(cty_mpg, aes(x=make, y=mileage)) +
geom_point(col=“tomato2”, size=3) + # Draw points
geom_segment(aes(x=make,
xend=make,
y=min(mileage),
yend=max(mileage)),
linetype=“dashed”,
size=0.1) + # Draw dashed lines
labs(title=“Dot Plot”,
subtitle=“Make Vs Avg. Mileage”,
caption=“source: mpg”) +
coord_flip()

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17

在这里插入图片描述

倾斜图

斜率图是比较2个时间点之间位置的绝佳方法，既能展示值的大小变化，也能同时展示排名的变化。下图可以作为倾斜图的一个展示。

在这里插入图片描述

哑铃图

哑铃图适合展示两个时间点之间的相对位置，比较两个类别之间的距离。正确的哑铃图要求Y轴变量是一个因子，并且因子水平与指标顺序相同。

在这里插入图片描述

类型四: 分布

当拥有大量数据点并想要研究数据点的分布特点时，则可以画分布图。

直方图

连续变量直方图一般可以通过geom_bar()或者geom_histogram()来实现。当使用geom_histogram()时，可以选择使用bin参数来控制柱子的数量。或者也可以通过设置binwidth来设置bin的范围。因为geom_histogram提供了控制箱数和binwidth的功能，因此一般可以选择geom_histogram来绘制直方图。

library(ggplot2)
theme_set(theme_classic())

Histogram on a Continuous (Numeric) Variable

g <- ggplot(mpg, aes(displ)) + scale_fill_brewer(palette = “Spectral”)

g + geom_histogram(aes(fill=class),
binwidth = .1,
col=“black”,
size=.1) + # change binwidth
labs(title=“Histogram with Auto Binning”,
subtitle=“Engine Displacement across Vehicle Classes”)

g + geom_histogram(aes(fill=class),
bins=5,
col=“black”,
size=.1) + # change number of bins
labs(title=“Histogram with Fixed Bins”,
subtitle=“Engine Displacement across Vehicle Classes”)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19

在这里插入图片描述
在这里插入图片描述

分类变量直方图

分类变量上的直方图将生成显示每个类别的条形图的频率图表。通过调整宽度，可以调整条形的厚度。

library(ggplot2)
theme_set(theme_classic())

Histogram on a Categorical variable

g <- ggplot(mpg, aes(manufacturer))
g + geom_bar(aes(fill=class), width = 0.5) +
theme(axis.text.x = element_text(angle=65, vjust=0.6)) +
labs(title=“Histogram on Categorical Variable”,
subtitle=“Manufacturer across Vehicle Classes”)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

在这里插入图片描述

###密度函数图

library(ggplot2)
theme_set(theme_classic())

Plot

g <- ggplot(mpg, aes(cty))
g + geom_density(aes(fill=factor(cyl)), alpha=0.8) +
labs(title=“Density plot”,
subtitle=“City Mileage Grouped by Number of cylinders”,
caption=“Source: mpg”,
x=“City Mileage”,
fill="# Cylinders")

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

在这里插入图片描述

###箱型图
箱形图是研究数据分布的一个好工具。它还可以显示多个组内的分布，以及中位数，范围和异常值。
箱型图框内的黑线代表数据的中位数，箱子的顶部和底部分布时数据的75%和25%的分位数。线条的终点距离为1.5*IQR，IQR为第25和第75百分位数之间的距离。线条以外的点衬之为异常点。

library(ggplot2)
theme_set(theme_classic())

Plot

g <- ggplot(mpg, aes(class, cty))
g + geom_boxplot(varwidth=T, fill=“plum”) +
labs(title=“Box plot”,
subtitle=“City Mileage grouped by Class of vehicle”,
caption=“Source: mpg”,
x=“Class of Vehicle”,
y=“City Mileage”)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

在这里插入图片描述

library(ggthemes)
g <- ggplot(mpg, aes(class, cty))
g + geom_boxplot(aes(fill=factor(cyl))) + theme(axis.text.x = element_text(angle=65, vjust=0.6)) + labs(title="Box plot", subtitle="City Mileage grouped by Class of vehicle",caption="Source: mpg",x="Class of Vehicle",y="City Mileage")

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

在这里插入图片描述

带点的箱型图

除了箱型图的基本信息外，点图可以为箱型图提供更多的信息，在图中每个点代表一个观察点。

library(ggplot2)
theme_set(theme_bw())

plot

g <- ggplot(mpg, aes(manufacturer, cty))
g + geom_boxplot() +
geom_dotplot(binaxis=‘y’,
stackdir=‘center’,
dotsize = .5,
fill=“red”) +
theme(axis.text.x = element_text(angle=65, vjust=0.6)) +
labs(title=“Box plot + Dot plot”,
subtitle=“City Mileage vs Class: Each dot represents 1 row in source data”,
caption=“Source: mpg”,
x=“Class of Vehicle”,
y=“City Mileage”)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16

在这里插入图片描述

Tufte 箱型图

library(ggthemes)
library(ggplot2)
theme_set(theme_tufte())  # from ggthemes

plot

g <- ggplot(mpg, aes(manufacturer, cty))
g + geom_tufteboxplot() +
theme(axis.text.x = element_text(angle=65, vjust=0.6)) +
labs(title=“Tufte Styled Boxplot”,
subtitle=“City Mileage grouped by Class of vehicle”,
caption=“Source: mpg”,
x=“Class of Vehicle”,
y=“City Mileage”)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13

在这里插入图片描述

小提琴图

小提琴图与箱型图类似，但是小提琴图还包含了数据的密度函数图。

library(ggplot2)
theme_set(theme_bw())

plot

g <- ggplot(mpg, aes(class, cty))
g + geom_violin() +
labs(title=“Violin plot”,
subtitle=“City Mileage vs Class of vehicle”,
caption=“Source: mpg”,
x=“Class of Vehicle”,
y=“City Mileage”)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

在这里插入图片描述

人口金字塔图

人口金字塔提供了一种独特的方式来可视化人口数量或人口百分比。下面的金字塔图，反映了在电子邮件营销活动渠道的每个阶段用户数。

在这里插入图片描述

类型五: 组成

华夫饼图

华夫饼图通常可以用来显示总人口分类。我们可以通过ggplot2的geom_tile()函数实现华夫饼图。

在这里插入图片描述

饼图

饼图是显示数据组成的一种重要方式，在ggplot中，需要通过coord_polar()函数来实现。

library(ggplot2)
theme_set(theme_classic())

Source: Frequency table

df <- as.data.frame(table(mpg$class))
colnames(df) <- c(“class”, “freq”)
pie <- ggplot(df, aes(x = “”, y=freq, fill = factor(class))) +
geom_bar(width = 1, stat = “identity”) +
theme(axis.line = element_blank(),
plot.title = element_text(hjust=0.5)) +
labs(fill=“class”,
x=NULL,
y=NULL,
title=“Pie Chart of class”,
caption=“Source: mpg”)

pie + coord_polar(theta = “y”, start=0)

Source: Categorical variable.

mpg$class

pie <- ggplot(mpg, aes(x = “”, fill = factor(class))) +
geom_bar(width = 1) +
theme(axis.line = element_blank(),
plot.title = element_text(hjust=0.5)) +
labs(fill=“class”,
x=NULL,
y=NULL,
title=“Pie Chart of class”,
caption=“Source: mpg”)

pie + coord_polar(theta = “y”, start=0)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31

在这里插入图片描述

树形图

树形图是现实分层数据的好方法。在ggplot中，treemapify包含有树形图所需要的数据处理及绘图方法。
为了创建树形图，需要先将数据转换成treemapify()需要的数据格式。

在这里插入图片描述

条形图

freqtable <- table(mpg$manufacturer)
df <- as.data.frame.table(freqtable)    
library(ggplot2)
theme_set(theme_classic())

Plot

g <- ggplot(df, aes(Var1, Freq))
g + geom_bar(stat=“identity”, width = 0.5, fill=“tomato2”) +
labs(title=“Bar Chart”,
subtitle=“Manufacturer of vehicles”,
caption=“Source: Frequency of Manufacturers from ‘mpg’ dataset”) +
theme(axis.text.x = element_text(angle=65, vjust=0.6))

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13

在这里插入图片描述

当然还可以按组对数据进行着色

# From on a categorical column variable
g <- ggplot(mpg, aes(manufacturer))
g + geom_bar(aes(fill=class), width = 0.5) + theme(axis.text.x = element_text(angle=65, vjust=0.6)) +labs(title="Categorywise Bar Chart", subtitle="Manufacturer of vehicles", caption="Source: Manufacturers from 'mpg' dataset")    

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

在这里插入图片描述

类型六:变化

时间序列图

ggfortify包支持autoplot函数直接从时间序列对象中自动绘制时间序列图。

## From Timeseries object (ts)
library(ggplot2)
library(ggfortify)
theme_set(theme_classic())

Plot

autoplot(AirPassengers) +
labs(title=“AirPassengers”)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

在这里插入图片描述

dataframe格式的时间序列图

library(ggplot2)
theme_set(theme_classic())

Allow Default X Axis Labels

ggplot(economics, aes(x=date)) +
geom_line(aes(y=returns_perc)) +
labs(title=“Time Series Chart”,
subtitle=“Returns Percentage from ‘Economics’ Dataset”,
caption=“Source: Economics”,
y=“Returns %”)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

在这里插入图片描述

关于月度数据的时间序列图

library(ggplot2)
library(lubridate)
theme_set(theme_bw())

economics_m <- economics[1:24, ]

labels and breaks for X axis text

lbls <- paste0(month.abb[month(economics_mdate)],"",lubridate::year(economicsmdate)], " ", lubridate::year(economics_mdate))
brks <- economics_m$date

plot

ggplot(economics_m, aes(x=date)) +
geom_line(aes(y=uempmed)) +
labs(title=“Monthly Time Series”,
subtitle=“Returns Percentage from Economics Dataset”,
caption=“Source: Economics”,
y=“Returns %”) + # title and caption
scale_x_date(labels = lbls,
breaks = brks) +
theme(axis.text.x = element_text(angle = 90, vjust=0.5),
panel.grid.minor = element_blank())

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22

在这里插入图片描述

关于年度数据的时间序列图

library(ggplot2)
library(lubridate)
theme_set(theme_bw())

economics_y <- economics[1:90, ]

labels and breaks for X axis text

brks <- economics_ydate[seq(1,length(economicsydate[seq(1, length(economics_ydate), 12)]
lbls <- lubridate::year(brks)

plot

ggplot(economics_y, aes(x=date)) +
geom_line(aes(y=uempmed)) +
labs(title=“Yearly Time Series”,
subtitle=“uempmed Percentage from Economics Dataset”,
caption=“Source: Economics”,
y=“uempmed %”) + # title and caption
scale_x_date(labels = lbls,
breaks = brks) +
theme(axis.text.x = element_text(angle = 90, vjust=0.5), panel.grid.minor = element_blank())

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20

在这里插入图片描述

同时展示多个时间序列

data(economics_long, package = "ggplot2")
head(economics_long)
library(ggplot2)
library(lubridate)
theme_set(theme_bw())

df <- economics_long[economics_longKaTeX parse error: Expected 'EOF', got '&' at position 47: …empmed"), ] df &̲lt;- df[lubrida…date) %in% c(1967:1981), ]

labels and breaks for X axis text

brks <- dfdate[seq(1,length(dfdate[seq(1, length(dfdate), 12)]
lbls <- lubridate::year(brks)

plot

ggplot(df, aes(x=date)) +
geom_line(aes(y=value, col=variable)) +
labs(title=“Time Series of Returns Percentage”,
subtitle=“Drawn from Long Data format”,
caption=“Source: Economics”,
y=“Returns %”,
color=NULL) + # title and caption
scale_x_date(labels = lbls, breaks = brks) +
scale_color_manual(labels = c(“psavert”, “uempmed”),
values = c(“psavert”="#00ba38",
“uempmed”="#f8766d")) +
theme(axis.text.x = element_text(angle = 90, vjust=0.5, size = 8),
panel.grid.minor = element_blank())

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28

在这里插入图片描述

堆积图

library(ggplot2)
library(lubridate)
theme_set(theme_bw())

df <- economics[, c(“date”, “psavert”, “uempmed”)]
df <- df[lubridate::year(df$date) %in% c(1967:1981), ]

labels and breaks for X axis text

brks <- dfdate[seq(1,length(dfdate[seq(1, length(dfdate), 12)]
lbls <- lubridate::year(brks)

plot

ggplot(df, aes(x=date)) +
geom_area(aes(y=psavert+uempmed, fill=“psavert”)) +
geom_area(aes(y=uempmed, fill=“uempmed”)) +
labs(title=“Area Chart of Returns Percentage”,
subtitle=“From Wide Data format”,
caption=“Source: Economics”,
y=“Returns %”) +
scale_x_date(labels = lbls, breaks = brks) +
scale_fill_manual(name="",
values = c(“psavert”="#00ba38", “uempmed”="#f8766d")) +
theme(panel.grid.minor = element_blank())

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23

在这里插入图片描述

日历热图

当你想强调在日历格式中，数据变化情况(如股票数据)，那么就可以使用日历热图。通过数据准备，我们可以用geom_tile函数来实现日历热图。

在这里插入图片描述

季节性时间序列

library(ggplot2)
library(forecast)
theme_set(theme_classic())

Subset data

nottem_small <- window(nottem, start=c(1920, 1), end=c(1925, 12)) # subset a smaller timewindow

Plot

ggseasonplot(AirPassengers) + labs(title=“Seasonal plot: International Airline Passengers”)
ggseasonplot(nottem_small) + labs(title=“Seasonal plot: Air temperatures at Nottingham Castle”)

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

在这里插入图片描述
在这里插入图片描述

类型七: 分组

分层树形图

在这里插入图片描述

组群

对于不同的数据蔟，我们可以用geom_encircle()来显示。如果数据存在多维特征，可以考虑采用PCA降维，并将第一主成分与第二主成分作为图形的X、Y轴。geom_encircle（）将需要突出的数据蔟包围起来，从而达到突出数据的作用。

在这里插入图片描述

类型八: 空间可视化

ggmap包提供了与google maps api交互的工具，并获取要绘制的地点的坐标 。

街道地图

在这里插入图片描述

谷歌道路图

在这里插入图片描述

谷歌卫星地图

在这里插入图片描述

                                </div>
查看全文
如若内容造成侵权/违法违规/事实不符，请联系编程学习网邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！

相关文章

  1. Hadoop-27、排序

    创建以下目录FlowBean.class package com.atguigu.writablecomparable;import org.apache.hadoop.io.Writable; import org.apache.hadoop.io.WritableComparable;import java.io.DataInput; import java.io.DataOutput; import java.io.IOException;public class FlowBean imp…...

    2024/5/4 18:37:29
  2. 组件之 媒体对象（图文混排）、 导航组件， 手动实现bootstrap的导航栏

    <!DOCTYPE html> <html lang="en"><head><meta charset="UTF-8"><meta name="viewport" content="width=device-width, initial-scale=1.0"><title>bootstrap 组件之 媒体对象（图文混排）、 导航…...

    2024/4/20 16:52:28
  3. Django框架-模型 ：字段属性和选项

    定义属性Django根据属性的类型确定以下信息：当前选择的数据库支持字段的类型渲染管理表单时使用的默认html控件在管理站点最低限度的验证 django会为表创建自动增长的主键列，每个模型只能有一个主键列，如果使用选项设置某属性为主键列后django不会再创建自动增长的主键列。默…...

    2024/4/16 9:14:58
  4. Cause org.xml.sax.SAXParseException lineNumber 16 columnNumber 10 XML 文档结构必须从头至尾包含在同一个实体内

    问题报错：Caused by: org.springframework.beans.factory.BeanCreationException: Error creating bean with name sqlSessionFactory defined in class path resource [spring/spring-dao.xml]: Invocation of init method failed; nested exception is org.springframework.…...

    2024/5/4 17:18:03
  5. 轻量级的同步机制——volatile语义详解(可见性保证+禁止指令重排)

    1、https://www.cnblogs.com/takumicx/p/9302398.html2、happens-before原则规则详解：https://www.cnblogs.com/chenssy/p/6393321.html3、volatile不具有原子性的理解之解读i++疑惑：https://blog.csdn.net/zxl1148377834/article/details/90073158...

    2024/4/24 9:54:37
  6. 基于多线程方式的socket（TCP协议Server端）多客户端数据收发的一种实现方案

    问题引出： 多个（目前是六路）数据链路（可以理解为客户端）同时连接我的终端进行数据交互。想到TCP模式的Socket Server端可以支持多个连接于是采用了这种方案。 起初将六个用于数据交互Socket的Receive()放置在一个子线程中，用网口助手自测发现最多只能有一个Socket可以正常…...

    2024/4/24 9:54:32
  7. 游戏夜读 | 2020周记（5.24-5.31）

    虽然“周记”两个字太短，不能概括出这段时间的内容梗概，但是却表达了拖更作者的一种“求生欲”。因此，经过一番挣扎后，还是决定继续沿用这个标题形式！其他不表，马上进入这一次的概括能力锻炼环节。有关注到三个方面的内容。首先是AI相关的。是世界变化的太快，还是宅在家…...

    2024/4/24 9:54:30
  8. Node.js简单使用session，帮助理解实现原理和交互过程

    Cookie可以实现浏览器和服务器状态的记录，但Cookie会出现存储提及过大和可以在前后端修改的问题。 为了解决Cookie的数据敏感问题，Session应运而生。常见的实现方式是基于Cookie。只将口令放置Cookie，通过口令实现前后端数据的映射，大部分数据存储于服务器的session中。并设…...

    2024/4/24 9:54:30
  9. Android近距离通信

    实现Bluetooth聊天清单文件注册权限<!--下面2个是普通权限，只需要在清单文件里注册，不需要在程序里动态申请--> <uses-permission android:name="android.permission.BLUETOOTH_ADMIN" /> <uses-permission android:name="android.permission.…...

    2024/5/4 17:40:21
  10. typescript中 [forEach] [for-in] [for-of]的区别

    typescript中 [forEach] [for-in] [for-of]的区别例子for-of 拓展 例子 写一个数组，然后分别用[forEach] [for-in] [for-of] 遍历它。 var arr = [aaa, bbb, ccc];forEach 遍历arr：arr.forEach(value => console.log(value)); forEach运行结果：aaa bbb cccfor-in…...

    2024/4/24 9:54:32
  11. 包命名规范

    有关包命名： 在Java语言中，包一般分为4~5层: 这样命名保证项目中所用到的类具有全球唯一性。 com.baidu.oa.xxx.ooo.jjj.service.impl. 第一层：甲方公司域名倒序(不包括www)。com.baidu 第二层：项目名称 oa 第三层：模块信息 xxx.ooo.jjj 第四层：功能顶层包 service、…...

    2024/5/4 14:27:30
  12. springmvc @ResponseBody返回了xml格式的数据

    springmvc的@ResponseBody注解是返回果json格式的数据，今天在写代码的时候后端也没有报错，但是莫名其妙地返回了如下格式，找了好半天错误发现原来是类的属性忘了设置get方法。加上get方法后返回了正确的格式。...

    2024/5/4 19:36:37
  13. 【书】Head First设计模式(中文版).pdf

    介绍了23种设计模式总体来说设计模式分为三大类：创建型模式，共五种：工厂方法模式、抽象工厂模式、单例模式、建造者模式、原型模式。结构型模式，共七种：适配器模式、装饰器模式、代理模式、外观模式、桥接模式、组合模式、享元模式。行为型模式，共十一种：策略模式、模板…...

    2024/4/16 9:16:19
  14. ⭐⭐⭐⭐⭐【带其他标尺的Dijkstra+DFS】PAT A1018 Public Bike Management

    文章目录题目描述知识点实现码前思考代码实现码后反思题目描述知识点 带附加标尺的Dijkstra+DFS 实现 码前思考 这道题目我又没有看懂题意，感觉题意并没有描述清楚啊~~ 题意的坑： back的自行车不能送回已经遍历过的点。比如2 10，就是send = 3， back = 5 而不是 send = 2， …...

    2024/4/19 9:31:02
  15. Logstash入门

    Logstash是Elastic公司的一个开源库，入门也可以考虑使用release版本。 Logstash从结构上看分为3部分：input plugins，filter plugins，output plugins。不管是从config文件还是实际的框架设计都能够体现出来。 从代码结构上来看，由java和jruby组成，均是jvm平台。java主要只…...

    2024/4/30 19:29:56
  16. error: cannot create xxxxx Permission denied

    我是在ubuntu中解压缩一个很大的zip文件时遇到这个问题的 Archive: sofia-air-quality.zip error: cannot create 2017-07_bme280sof.csv ……最后自己解决问题的方法就是添加了sudo权限 sudo unzip sofia-air-quality.zip我这样弄就OK啦...

    2024/4/16 9:15:54
  17. Leetcode 6月每日一题：1431：拥有最多糖果的孩子

    给你一个数组 candies 和一个整数 extraCandies ，其中 candies[i] 代表第 i 个孩子拥有的糖果数目。对每一个孩子，检查是否存在一种方案，将额外的 extraCandies 个糖果分配给孩子们之后，此孩子有 最多 的糖果。注意，允许有多个孩子同时拥有 最多 的糖果数目。示例 1：输入…...

    2024/4/19 22:28:06
  18. 使用代理模式Proxy实现业务功能与日志功能分隔！

    编码中有时候会使用代理模式（Proxy）去将新增功能交给新的类去完成，这样就能在不改变之前的代码的基础上增加新的需求！ 上代码： /**原始接口*/ public interface IStudent {public void writeHomeWork(); }/**原始业务代码，final类，不想做变动*/ public final class Stud…...

    2024/4/15 5:58:35
  19. 2020-06-01JAVA虚拟机之内存溢出

    2020-06-01JAVA虚拟机之内存溢出 1、java堆溢出 描述：java堆用于存储对象实例，只要不断创建对象，保证GC Roots到对象之间有可能到达路径来避免垃圾回收机制清除这些对象，那么在对象数量到达最大堆的容量限制后就会产生内存溢出异常。 import java.util.ArrayList; /*** VM …...

    2024/4/18 5:32:08
  20. Tensorflow1.14/Keras2.2.5/Anaconda/Pycharm 安装流程

    Tensorflow/Keras/Anaconda/Pycharm 安装流程 在官网下载并安装anaconda（安装时Path选项打钩）在开始菜单下运行Anaconda prompt，并输入： Where python #查看python安装位置 Python -V #查看python版本 Conda info -e #查看anaconda已创建的环境 Conda -V #查看an…...

    2024/4/16 9:15:54

最新文章

  1. 场景文本检测识别学习 day08（无监督的Loss Function、代理任务、特征金字塔）

    无监督的Loss Function&#xff08;无监督的目标函数&#xff09; 根据有无标签&#xff0c;可以将模型的学习方法分为&#xff1a;无监督、有监督两种。而自监督是无监督的一种无监督的目标函数可以分为以下几种&#xff1a; 生成式网络的做法&#xff0c;衡量模型的输出和固…...

    2024/5/4 21:31:38
  2. 梯度消失和梯度爆炸的一些处理方法

    在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言&#xff0c;在此感激不尽。 权重和梯度的更新公式如下&#xff1a; w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...

    2024/3/20 10:50:27
  3. 分享一个Python爬虫入门实例（有源码，学习使用）

    一、爬虫基础知识 Python爬虫是一种使用Python编程语言实现的自动化获取网页数据的技术。它广泛应用于数据采集、数据分析、网络监测等领域。以下是对Python爬虫的详细介绍： 架构和组成：下载器：负责根据指定的URL下载网页内容，常用的库有Requests和urllib。解析器：用于解…...

    2024/5/4 3:49:57
  4. 【stm32】I2C通信协议

    【stm32】I2C通信协议 概念及原理 如果我们想要读写寄存器来控制硬件电路&#xff0c;就至少需要定义两个字节数据 一个字节是我们要读写哪个寄存器&#xff0c;也就是指定寄存器的地址 另一个字节就是这个地址下存储寄存器的内容 写入内容就是控制电路&#xff0c;读出内容就…...

    2024/5/4 15:30:22
  5. 【外汇早评】美通胀数据走低，美元调整

    原标题：【外汇早评】美通胀数据走低，美元调整昨日美国方面公布了新一期的核心PCE物价指数数据，同比增长1.6%，低于前值和预期值的1.7%，距离美联储的通胀目标2%继续走低，通胀压力较低，且此前美国一季度GDP初值中的消费部分下滑明显，因此市场对美联储后续更可能降息的政策…...

    2024/5/1 17:30:59
  6. 【原油贵金属周评】原油多头拥挤，价格调整

    原标题：【原油贵金属周评】原油多头拥挤，价格调整本周国际劳动节，我们喜迎四天假期，但是整个金融市场确实流动性充沛，大事频发，各个商品波动剧烈。美国方面，在本周四凌晨公布5月份的利率决议和新闻发布会，维持联邦基金利率在2.25%-2.50%不变，符合市场预期。同时美联储…...

    2024/5/2 16:16:39
  7. 【外汇周评】靓丽非农不及疲软通胀影响

    原标题：【外汇周评】靓丽非农不及疲软通胀影响在刚结束的周五，美国方面公布了新一期的非农就业数据，大幅好于前值和预期，新增就业重新回到20万以上。具体数据： 美国4月非农就业人口变动 26.3万人，预期 19万人，前值 19.6万人。 美国4月失业率 3.6%，预期 3.8%，前值 3…...

    2024/4/29 2:29:43
  8. 【原油贵金属早评】库存继续增加，油价收跌

    原标题：【原油贵金属早评】库存继续增加，油价收跌周三清晨公布美国当周API原油库存数据，上周原油库存增加281万桶至4.692亿桶，增幅超过预期的74.4万桶。且有消息人士称，沙特阿美据悉将于6月向亚洲炼油厂额外出售更多原油，印度炼油商预计将每日获得至多20万桶的额外原油供…...

    2024/5/3 23:10:03
  9. 【外汇早评】日本央行会议纪要不改日元强势

    原标题：【外汇早评】日本央行会议纪要不改日元强势近两日日元大幅走强与近期市场风险情绪上升，避险资金回流日元有关，也与前一段时间的美日贸易谈判给日本缓冲期，日本方面对汇率问题也避免继续贬值有关。虽然今日早间日本央行公布的利率会议纪要仍然是支持宽松政策，但这符…...

    2024/4/27 17:58:04
  10. 【原油贵金属早评】欧佩克稳定市场，填补伊朗问题的影响

    原标题：【原油贵金属早评】欧佩克稳定市场，填补伊朗问题的影响近日伊朗局势升温，导致市场担忧影响原油供给，油价试图反弹。此时OPEC表态稳定市场。据消息人士透露，沙特6月石油出口料将低于700万桶/日，沙特已经收到石油消费国提出的6月份扩大出口的“适度要求”，沙特将满…...

    2024/4/27 14:22:49
  11. 【外汇早评】美欲与伊朗重谈协议

    原标题：【外汇早评】美欲与伊朗重谈协议美国对伊朗的制裁遭到伊朗的抗议，昨日伊朗方面提出将部分退出伊核协议。而此行为又遭到欧洲方面对伊朗的谴责和警告，伊朗外长昨日回应称，欧洲国家履行它们的义务，伊核协议就能保证存续。据传闻伊朗的导弹已经对准了以色列和美国的航…...

    2024/4/28 1:28:33
  12. 【原油贵金属早评】波动率飙升，市场情绪动荡

    原标题：【原油贵金属早评】波动率飙升，市场情绪动荡因中美贸易谈判不安情绪影响，金融市场各资产品种出现明显的波动。随着美国与中方开启第十一轮谈判之际，美国按照既定计划向中国2000亿商品征收25%的关税，市场情绪有所平复，已经开始接受这一事实。虽然波动率-恐慌指数VI…...

    2024/4/30 9:43:09
  13. 【原油贵金属周评】伊朗局势升温，黄金多头跃跃欲试

    原标题：【原油贵金属周评】伊朗局势升温，黄金多头跃跃欲试美国和伊朗的局势继续升温，市场风险情绪上升，避险黄金有向上突破阻力的迹象。原油方面稍显平稳，近期美国和OPEC加大供给及市场需求回落的影响，伊朗局势并未推升油价走强。近期中美贸易谈判摩擦再度升级，美国对中…...

    2024/4/27 17:59:30
  14. 【原油贵金属早评】市场情绪继续恶化，黄金上破

    原标题：【原油贵金属早评】市场情绪继续恶化，黄金上破周初中国针对于美国加征关税的进行的反制措施引发市场情绪的大幅波动，人民币汇率出现大幅的贬值动能，金融市场受到非常明显的冲击。尤其是波动率起来之后，对于股市的表现尤其不安。隔夜美国股市出现明显的下行走势，这…...

    2024/5/4 18:20:48
  15. 【外汇早评】美伊僵持，风险情绪继续升温

    原标题：【外汇早评】美伊僵持，风险情绪继续升温昨日沙特两艘油轮再次发生爆炸事件，导致波斯湾局势进一步恶化，市场担忧美伊可能会出现摩擦生火，避险品种获得支撑，黄金和日元大幅走强。美指受中美贸易问题影响而在低位震荡。继5月12日，四艘商船在阿联酋领海附近的阿曼湾、…...

    2024/4/28 1:34:08
  16. 【原油贵金属早评】贸易冲突导致需求低迷，油价弱势

    原标题：【原油贵金属早评】贸易冲突导致需求低迷，油价弱势近日虽然伊朗局势升温，中东地区几起油船被袭击事件影响，但油价并未走高，而是出于调整结构中。由于市场预期局势失控的可能性较低，而中美贸易问题导致的全球经济衰退风险更大，需求会持续低迷，因此油价调整压力较…...

    2024/4/26 19:03:37
  17. 氧生福地 玩美北湖（上）——为时光守候两千年

    原标题：氧生福地 玩美北湖（上）——为时光守候两千年一次说走就走的旅行，只有一张高铁票的距离～ 所以，湖南郴州，我来了～ 从广州南站出发，一个半小时就到达郴州西站了。在动车上，同时改票的南风兄和我居然被分到了一个车厢，所以一路非常愉快地聊了过来。 挺好，最起…...

    2024/4/29 20:46:55
  18. 氧生福地 玩美北湖（中）——永春梯田里的美与鲜

    原标题：氧生福地 玩美北湖（中）——永春梯田里的美与鲜一觉醒来，因为大家太爱“美”照，在柳毅山庄去寻找龙女而错过了早餐时间。近十点，向导坏坏还是带着饥肠辘辘的我们去吃郴州最富有盛名的“鱼头粉”。说这是“十二分推荐”，到郴州必吃的美食之一。 哇塞！那个味美香甜…...

    2024/4/30 22:21:04
  19. 氧生福地 玩美北湖（下）——奔跑吧骚年！

    原标题：氧生福地 玩美北湖（下）——奔跑吧骚年！让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 啊……啊……啊 两…...

    2024/5/1 4:32:01
  20. 扒开伪装医用面膜，翻六倍价格宰客，小姐姐注意了！

    原标题：扒开伪装医用面膜，翻六倍价格宰客，小姐姐注意了！扒开伪装医用面膜，翻六倍价格宰客！当行业里的某一品项火爆了，就会有很多商家蹭热度，装逼忽悠，最近火爆朋友圈的医用面膜，被沾上了污点，到底怎么回事呢？ “比普通面膜安全、效果好！痘痘、痘印、敏感肌都能用…...

    2024/5/4 2:59:34
  21. 「发现」铁皮石斛仙草之神奇功效用于医用面膜

    原标题：「发现」铁皮石斛仙草之神奇功效用于医用面膜丽彦妆铁皮石斛医用面膜|石斛多糖无菌修护补水贴19大优势： 1、铁皮石斛：自唐宋以来，一直被列为皇室贡品，铁皮石斛生于海拔1600米的悬崖峭壁之上，繁殖力差，产量极低，所以古代仅供皇室、贵族享用 2、铁皮石斛自古民间…...

    2024/4/28 5:48:52
  22. 丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者

    原标题：丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者【公司简介】 广州华彬企业隶属香港华彬集团有限公司，专注美业21年，其旗下品牌： 「圣茵美」私密荷尔蒙抗衰，产后修复 「圣仪轩」私密荷尔蒙抗衰，产后修复 「花茵莳」私密荷尔蒙抗衰，产后修复 「丽彦妆」专注医学护…...

    2024/4/30 9:42:22
  23. 广州械字号面膜生产厂家OEM/ODM4项须知！

    原标题：广州械字号面膜生产厂家OEM/ODM4项须知！广州械字号面膜生产厂家OEM/ODM流程及注意事项解读： 械字号医用面膜，其实在我国并没有严格的定义，通常我们说的医美面膜指的应该是一种「医用敷料」，也就是说，医用面膜其实算作「医疗器械」的一种，又称「医用冷敷贴」。 …...

    2024/5/2 9:07:46
  24. 械字号医用眼膜缓解用眼过度到底有无作用？

    原标题：械字号医用眼膜缓解用眼过度到底有无作用？医用眼膜/械字号眼膜/医用冷敷眼贴 凝胶层为亲水高分子材料，含70%以上的水分。体表皮肤温度传导到本产品的凝胶层，热量被凝胶内水分子吸收，通过水分的蒸发带走大量的热量，可迅速地降低体表皮肤局部温度，减轻局部皮肤的灼…...

    2024/4/30 9:42:49
  25. 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示，配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...

    解析如下&#xff1a;1、长按电脑电源键直至关机&#xff0c;然后再按一次电源健重启电脑&#xff0c;按F8健进入安全模式2、安全模式下进入Windows系统桌面后&#xff0c;按住“winR”打开运行窗口&#xff0c;输入“services.msc”打开服务设置3、在服务界面&#xff0c;选中…...

    2022/11/19 21:17:18
  26. 错误使用 reshape要执行 RESHAPE，请勿更改元素数目。

    %读入6幅图像&#xff08;每一幅图像的大小是564*564&#xff09; f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...

    2022/11/19 21:17:16
  27. 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...

    win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面&#xff0c;在等待界面中我们需要等待操作结束才能关机&#xff0c;虽然这比较麻烦&#xff0c;但是对系统进行配置和升级…...

    2022/11/19 21:17:15
  28. 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...

    有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows&#xff0c;请勿关闭计算机”的提示&#xff0c;要过很久才能进入系统&#xff0c;有的用户甚至几个小时也无法进入&#xff0c;下面就教大家这个问题的解决方法。第一种方法&#xff1a;我们首先在左下角的“开始…...

    2022/11/19 21:17:14
  29. win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...

    置信有很多用户都跟小编一样遇到过这样的问题&#xff0c;电脑时发现开机屏幕显现“正在配置Windows Update&#xff0c;请勿关机”(如下图所示)&#xff0c;而且还需求等大约5分钟才干进入系统。这是怎样回事呢&#xff1f;一切都是正常操作的&#xff0c;为什么开时机呈现“正…...

    2022/11/19 21:17:13
  30. 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...

    Win7系统开机启动时总是出现“配置Windows请勿关机”的提示&#xff0c;没过几秒后电脑自动重启&#xff0c;每次开机都这样无法进入系统&#xff0c;此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一&#xff1a;开机按下F8&#xff0c;在出现的Windows高级启动选…...

    2022/11/19 21:17:12
  31. 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...

    有不少windows10系统用户反映说碰到这样一个情况&#xff0c;就是电脑提示正在准备windows请勿关闭计算机&#xff0c;碰到这样的问题该怎么解决呢&#xff0c;现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法&#xff1a;1、2、依次…...

    2022/11/19 21:17:11
  32. 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...

    今天和大家分享一下win7系统重装了Win7旗舰版系统后&#xff0c;每次关机的时候桌面上都会显示一个“配置Windows Update的界面&#xff0c;提示请勿关闭计算机”&#xff0c;每次停留好几分钟才能正常关机&#xff0c;导致什么情况引起的呢&#xff1f;出现配置Windows Update…...

    2022/11/19 21:17:10
  33. 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...

    只能是等着&#xff0c;别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚&#xff0c;只能是考虑备份数据后重装系统了。解决来方案一&#xff1a;管理员运行cmd&#xff1a;net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...

    2022/11/19 21:17:09
  34. 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办？

    原标题&#xff1a;电脑提示“配置Windows Update请勿关闭计算机”怎么办&#xff1f;win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢&#xff1f;一般的方…...

    2022/11/19 21:17:08
  35. 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ，然后等了一晚上也没有关掉。现在电脑无法正常关机...

    关机提示 windows7 正在配置windows 请勿关闭计算机 &#xff0c;然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容&#xff0c;让我们赶快一起来看一下吧&#xff01;关机提示 windows7 正在配…...

    2022/11/19 21:17:05
  36. 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...

    钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间：2020-04-20 22:24:19　浏览次数：729次 区域： 南阳 > 卧龙 列举网提醒您：为保障您的权益，请不要提前支付任何费用！ 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于：钉钉，外勤365，红圈通，企业微信和…...

    2022/11/19 21:17:05
  37. 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”，长时间没反应，无法进入系统的解决方案...

    前几天班里有位学生电脑(windows 7系统)出问题了&#xff0c;具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面&#xff0c;长时间没反应&#xff0c;无法进入系统。这个问题原来帮其他同学也解决过&#xff0c;网上搜了不少资料&#x…...

    2022/11/19 21:17:04
  38. 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办？...

    本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法&#xff0c;并在最后教给你1种保护系统安全的好方法&#xff0c;一起来看看&#xff01;电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中&#xff0c;添加了1个新功能在“磁…...

    2022/11/19 21:17:03
  39. 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败，正在还原更改，请勿关闭计算机怎么办...

    许多用户在长期不使用电脑的时候&#xff0c;开启电脑发现电脑显示&#xff1a;配置windows更新失败&#xff0c;正在还原更改&#xff0c;请勿关闭计算机。。.这要怎么办呢&#xff1f;下面小编就带着大家一起看看吧&#xff01;如果能够正常进入系统&#xff0c;建议您暂时移…...

    2022/11/19 21:17:02
  40. 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机，电脑开机后一直显示以...

    配置windows update失败 还原更改 请勿关闭计算机&#xff0c;电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容&#xff0c;让我们赶快一起来看一下吧&#xff01;配置windows update失败 还原更改 请勿关闭计算机&#x…...

    2022/11/19 21:17:01
  41. 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...

    不知道大家有没有遇到过这样的一个问题&#xff0c;就是我们的win7系统在关机的时候&#xff0c;总是喜欢显示“准备配置windows&#xff0c;请勿关机”这样的一个页面&#xff0c;没有什么大碍&#xff0c;但是如果一直等着的话就要两个小时甚至更久都关不了机&#xff0c;非常…...

    2022/11/19 21:17:00
  42. 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...

    当电脑出现正在准备配置windows请勿关闭计算机时&#xff0c;一般是您正对windows进行升级&#xff0c;但是这个要是长时间没有反应&#xff0c;我们不能再傻等下去了。可能是电脑出了别的问题了&#xff0c;来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...

    2022/11/19 21:16:59
  43. 配置失败还原请勿关闭计算机,配置Windows Update失败，还原更改请勿关闭计算机...

    我们使用电脑的过程中有时会遇到这种情况&#xff0c;当我们打开电脑之后&#xff0c;发现一直停留在一个界面&#xff1a;“配置Windows Update失败&#xff0c;还原更改请勿关闭计算机”&#xff0c;等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢&#xff0…...

    2022/11/19 21:16:58
  44. 如何在iPhone上关闭“请勿打扰”

    Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...

    2022/11/19 21:16:57