SlideShare a Scribd company logo
1 of 51
I2R Grafica in R
L’ambiente Grafico ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Finestra Grafica ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],> x <- 1:100 > y <- 1:100 > plot (x,y)
devices ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Generare Grafici su file ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],I2R.pdf
Salvare il contenuto della finestra grafica ,[object Object],[object Object],[object Object],[object Object],[object Object],> x <- rnorm(1000) > hist(x,main=&quot;I2R&quot;,xlab=&quot;&quot;,ylab=&quot;&quot;)
Creazione di un Grafico ,[object Object],[object Object],[object Object],[object Object],[object Object]
Funzioni di alto livello Comandi per la grafica 3D image, contour, persp Grafici a “torta” pie B ox-and-whisker plot boxplot Grafici a “colonne” barplot Generazione di istogrammi hist Grafici per confrontare diverse distribuzioni qqnorm, qqplot La funzione più utilizzata: permette di generare diverse tipologie di grafici (per punti, linee, grafici a barre, etc) plot start.help() PACKAGES/graphics library(help=&quot;graphics&quot;) more info:
plot() ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
plot(x) > x <- rnorm(1000) > plot(x)
plot(x,y) Average Heights and Weights for American Women > data(women) > summary(women) height  weight  Min.  :58.0  Min.  :115.0  1st Qu.:61.5  1st Qu.:124.5  Median :65.0  Median :135.0  Mean  :65.0  Mean  :136.7  3rd Qu.:68.5  3rd Qu.:148.0  Max.  :72.0  Max.  :164.0  > plot(women$height,women$weight,  + xlab=&quot;Height&quot;,ylab=&quot;Weight&quot;, + main=&quot;Average Heights and Weights for American Women&quot;,  + type=&quot;b&quot;) ,[object Object],[object Object],[object Object],[object Object],[object Object]
plot(X) > x <- 1:100 > y <- x^2 > m <- cbind(x,y) > plot(m)
plot(f) > fact <- factor(rep(c(&quot;GGGACT&quot;,&quot;CCCGGT&quot;,&quot;GGTGGT&quot;),c(5,8,10))) Versione compatta Versione estesa > summary(fact) CCCGGT GGGACT GGTGGT  8  5  10  > class(fact) [1] &quot;factor&quot; > plot(fact) > seq <- c(&quot;GGGACT&quot;,&quot;CCCGGT&quot;,&quot;GGTGGT&quot;) > times <- c(5,8,10) > v1 <- rep(seq,times) > fact <- factor(v1)
plot(f,y) > length(fact) [1] 23 > y <- rnorm(23) > cbind(fact,y) fact  y [1,]  2 -0.384699247 [2,]  2  0.787114321 [3,]  2 -0.673250349 [4,]  2 -0.812762048 [5,]  2  0.103863277 [6,]  1  0.773316309 [7,]  1  1.702127982 [8,]  1 -0.725201109 [9,]  1 -1.127990472 [10,]  1 -0.792510586 [11,]  1  0.180637613 [12,]  1 -0.661579088 [13,]  1 -0.186712857 [14,]  3  1.956332425 [15,]  3  0.002924978 [16,]  3  0.139636871 [17,]  3 -1.293007897 [18,]  3 -0.631633961 [19,]  3  1.391216216 [20,]  3 -0.570057441 [21,]  3  0.370955534 [22,]  3  0.870275335 [23,]  3  1.193812723 plot(fact,y) 3° quartile 1° quartile mediana min max
plot(data.frame) > data(iris) > summary(iris) Sepal.Length  Sepal.Width  Petal.Length  Petal.Width  Species  Min.  :4.300  Min.  :2.000  Min.  :1.000  Min.  :0.100  setosa  :50  1st Qu.:5.100  1st Qu.:2.800  1st Qu.:1.600  1st Qu.:0.300  versicolor:50  Median :5.800  Median :3.000  Median :4.350  Median :1.300  virginica :50  Mean  :5.843  Mean  :3.057  Mean  :3.758  Mean  :1.199  3rd Qu.:6.400  3rd Qu.:3.300  3rd Qu.:5.100  3rd Qu.:1.800  Max.  :7.900  Max.  :4.400  Max.  :6.900  Max.  :2.500  > plot(iris, col=&quot;darkgreen&quot;)
 
plot(function) > MyFunc <- function(x) (sin(x)) > class(MyFunc) [1] &quot;function&quot; > plot(MyFunc,0,2*pi,  + col=“darkred”) plot(funzione, x min , x max ) plot(MyFunc,0,2*pi,  col=&quot;darkred&quot;, xlim=c(2*pi,0))
Alcuni argomenti del comando plot() logical (TRUE/FALSE) string string string string vector: c(y1,y2) vector: c(x1,x2) 1-character string Etichetta asse delle y ylab Etichetta asse delle x xlab Se FALSE non disegna gli assi e il contorno del grafico axes Sottotitolo del grafico sub Titolo del grafico main Limiti di y (y1, y2) nel grafico.  y1 > y2 inverte  l’asse delle y ylim Limiti di x (x1, x2) nel grafico.  x1 > x2 inverte l’asse delle x xlim tipo di grafico: punti, linee, ... type
plot(..., type=“”) Type &quot;p&quot; for  p oints &quot;l&quot; for  l ines &quot;b&quot; for  b oth &quot;c&quot; for the lines part alone of &quot;b” &quot;o&quot; for both  o verplotted &quot;h&quot; for  h istogram vertical lines &quot;s&quot; for stair  s teps &quot;S&quot; for other  s teps &quot;n&quot; for no plotting. more info:  help(plot) type p type l type b type c
plot(..., type=“”) Type &quot;p&quot; for  p oints &quot;l&quot; for  l ines &quot;b&quot; for  b oth &quot;c&quot; for the lines part alone of &quot;b” &quot;o&quot; for both  o verplotted &quot;h&quot; for  h istogram vertical lines &quot;s&quot; for stair  s teps &quot;S&quot; for other  s teps &quot;n&quot; for no plotting. more info:   help(plot) type o type h type s type S
qqnorm e qqplot ,[object Object],[object Object],[object Object],[object Object],quantile = si chiama  primo quantile  quel valore Q1 tale per cui alla sua sinistra troviamo il 25% delle osservazioni > quantile(0:100) 0%  25%  50%  75% 100%  0  25  50  75  100
qqnorm > x <- rnorm(100) > qqnorm(x) > qqline(x)
qqplot > x <- rnorm(100) > y <- rchisq(100,df=1) > qqplot(x,y) Normal VS chi square distribution
Funzioni di alto livello Comandi per la grafica 3D image, contour, persp Grafici a “torta” pie B ox-and-whisker plot boxplot Grafici a “colonne” barplot Generazione di istogrammi hist Grafici per confrontare diverse distribuzioni qqnorm, qqplot La funzione più utilizzata: permette di generare diverse tipologie di grafici (per punti, linee, grafici a barre, etc) plot
hist ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Istogramma con frequenze assolute o relative > w <- rnorm(1000,mean=100,sd=10) > hist(w, col=&quot;grey&quot;) > w <- rnorm(1000,mean=100,sd=10) > hist(w, col=&quot;grey”,freq=F) FREQ: Defaults to  TRUE   if and only if   breaks  are equidistant (and  probability  is not specified).
Istogramma: breaks > w <- rnorm(1000,mean=100,sd=10) > hist(w, col=&quot;grey&quot;, breaks=30, label=TRUE) label=TRUE
Istogramma: breaks ,[object Object],[object Object],[object Object],[object Object],hist(w, col=&quot;grey&quot;, breaks=10, label=T, main=&quot;10 breaks&quot;) hist(w, col=&quot;grey&quot;, breaks=c(60,65,70,80,90,100,120,140), label=T, main=&quot;breaks: vettore&quot;) hist(w, col=&quot;grey&quot;, breaks=&quot;Scott&quot;, label=T, main=&quot;breaks: Scott&quot;) R considera 2,3 e 4 “suggerimenti”
l’oggetto: hist ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Stima della Densita’ ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Stima della Densita’ ,[object Object],[object Object],[object Object]
Stima della Densita’: RUG ,[object Object],[object Object],[object Object],[object Object]
Stima della Densita’: RUG ,[object Object],[object Object],[object Object],[object Object],rug(x) rug(jitter(x))
barplot ,[object Object],[object Object],[object Object]
barplot di matrici ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
boxplot ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],boxplot(formula, data=“data.frame”) > boxplot(count ~ spray, data = InsectSprays, col = rainbow(6)) rainbow crea un vettore di 6 colori contigui
help(rainbow)
PIE ,[object Object],> fact <- factor(rep(c(&quot;GGGACT&quot;,&quot;CCCGGT&quot;,&quot;GGTGGT&quot;),c(5,8,10))) > table(fact) fact CCCGGT GGGACT GGTGGT    8  5  10   > pie(table(fact), col=rainbow(3))
Funzioni di alto livello Comandi per la grafica 3D image, contour, persp Grafici a “torta” pie B ox-and-whisker plot boxplot Grafici a “colonne” barplot Generazione di istogrammi hist Grafici per confrontare diverse distribuzioni qqnorm, qqplot La funzione più utilizzata: permette di generare diverse tipologie di grafici (per punti, linee, grafici a barre, etc) plot
un accenno alle funzioni di grafica 3D ,[object Object],[object Object],[object Object],[object Object]
image (x,y,z) > data(volcano) > x <- 10*(1:nrow(volcano)) > y <- 10*(1:ncol(volcano)) > image(x, y, volcano, col = terrain.colors(100), axes = FALSE, main=&quot;Mappa topografica&quot;)
persp > persp(x,y,volcano, theta=135, phi=30, col=&quot;green3&quot;, scale=F, ltheta=-120, shade=0.75, border=NA, box=F, main=&quot;Mappa 3D&quot;)
contour > contour(x,y,volcano) > contour(x,y,volcano,add=TRUE)
par()   Set or Query Graphical Parameters ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],1 2 3 4 5 6
par(mfrow=c(3,2))
Comandi di basso livello ,[object Object],Le coordinate sono fornite in termini di  coordinate utente , definite da precedenti comandi di alto livello Aggiunge gli assi nelle posizioni specificate da side axis (side,...) Aggiunge il titolo main ed opzionalmente un sottotitolo sub title (main.sub) Aggiunge una legenda in posizione x,y legend (x,y,legend) Disegna un poligono i cui vertici (ordinati) sono elencati come argomenti polygon (x,y,z, ...) Aggiunge una linea di inclinazione a ed intercetta b  abline (a,b) Aggiunge la stringa di testo label in posizione x,y text (x,y,label) Aggiunge una linea al grafico corrente lines (x,y) Aggiunge un punto al grafico corrente (in posizione x,y) points (x,y)
Esempi di comandi di basso livello ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],points 1-6 text points 7-13 points 14-20
Produrre Grafici meravigliosi! ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Produrre Grafici meravigliosi! ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
comandi interattivi ,[object Object],[object Object]
More ... ,[object Object],[object Object]

More Related Content

What's hot

Metropolis-Hastings MCMC Short Tutorial
Metropolis-Hastings MCMC Short TutorialMetropolis-Hastings MCMC Short Tutorial
Metropolis-Hastings MCMC Short TutorialRalph Schlosser
 
Multivariate decision tree
Multivariate decision treeMultivariate decision tree
Multivariate decision treePrafulla Shukla
 
Computer graphics lab report with code in cpp
Computer graphics lab report with code in cppComputer graphics lab report with code in cpp
Computer graphics lab report with code in cppAlamgir Hossain
 
Turbo C Graphics and Mouse Programming
Turbo C Graphics and Mouse ProgrammingTurbo C Graphics and Mouse Programming
Turbo C Graphics and Mouse ProgrammingHuzaifa Butt
 
Computer Graphic - Projections
Computer Graphic - ProjectionsComputer Graphic - Projections
Computer Graphic - Projections2013901097
 
apprenez-a-programmer-en-python.pdf
apprenez-a-programmer-en-python.pdfapprenez-a-programmer-en-python.pdf
apprenez-a-programmer-en-python.pdfAnonyme101
 
Predicate logic_2(Artificial Intelligence)
Predicate logic_2(Artificial Intelligence)Predicate logic_2(Artificial Intelligence)
Predicate logic_2(Artificial Intelligence)SHUBHAM KUMAR GUPTA
 
Computer graphics question for exam solved
Computer graphics question for exam solvedComputer graphics question for exam solved
Computer graphics question for exam solvedKuntal Bhowmick
 

What's hot (12)

Metropolis-Hastings MCMC Short Tutorial
Metropolis-Hastings MCMC Short TutorialMetropolis-Hastings MCMC Short Tutorial
Metropolis-Hastings MCMC Short Tutorial
 
Multivariate decision tree
Multivariate decision treeMultivariate decision tree
Multivariate decision tree
 
Computer graphics lab report with code in cpp
Computer graphics lab report with code in cppComputer graphics lab report with code in cpp
Computer graphics lab report with code in cpp
 
Turbo C Graphics and Mouse Programming
Turbo C Graphics and Mouse ProgrammingTurbo C Graphics and Mouse Programming
Turbo C Graphics and Mouse Programming
 
Computer Graphic - Projections
Computer Graphic - ProjectionsComputer Graphic - Projections
Computer Graphic - Projections
 
apprenez-a-programmer-en-python.pdf
apprenez-a-programmer-en-python.pdfapprenez-a-programmer-en-python.pdf
apprenez-a-programmer-en-python.pdf
 
Ai 8 puzzle problem
Ai 8 puzzle problemAi 8 puzzle problem
Ai 8 puzzle problem
 
Chapter 5 (final)
Chapter 5 (final)Chapter 5 (final)
Chapter 5 (final)
 
Correlation
CorrelationCorrelation
Correlation
 
Predicate logic_2(Artificial Intelligence)
Predicate logic_2(Artificial Intelligence)Predicate logic_2(Artificial Intelligence)
Predicate logic_2(Artificial Intelligence)
 
raster algorithm.pdf
raster algorithm.pdfraster algorithm.pdf
raster algorithm.pdf
 
Computer graphics question for exam solved
Computer graphics question for exam solvedComputer graphics question for exam solved
Computer graphics question for exam solved
 

Viewers also liked

Introduzione a R
Introduzione a RIntroduzione a R
Introduzione a RMCalderisi
 
Uno sguardo allo stato dell'ambiente in Piemonte
Uno sguardo allo stato dell'ambiente in PiemonteUno sguardo allo stato dell'ambiente in Piemonte
Uno sguardo allo stato dell'ambiente in PiemonteArpa Piemonte
 
Laboratorio Probabilidad 1/3
Laboratorio Probabilidad 1/3Laboratorio Probabilidad 1/3
Laboratorio Probabilidad 1/3cbpresentaciones
 
Linguaggio R, principi e concetti
Linguaggio R, principi e concettiLinguaggio R, principi e concetti
Linguaggio R, principi e concettiVincenzo De Maio
 
Elisa Teodoro, Clase 5, Funciones
Elisa Teodoro, Clase 5, FuncionesElisa Teodoro, Clase 5, Funciones
Elisa Teodoro, Clase 5, FuncionesInfoUdo.com.ve
 
Ruby es un lenguaje de programación interpretado
Ruby es un lenguaje de programación interpretadoRuby es un lenguaje de programación interpretado
Ruby es un lenguaje de programación interpretadoYulgrecia2011
 
Dispensa di analisi dei dati
Dispensa di analisi dei datiDispensa di analisi dei dati
Dispensa di analisi dei datiStefano Bussolon
 
Scheduling power-aware abstract
Scheduling power-aware abstractScheduling power-aware abstract
Scheduling power-aware abstractVincenzo De Maio
 
Elisa Teodoro, Aplicacion de Derivadas, Clase 2
Elisa Teodoro, Aplicacion de Derivadas, Clase 2Elisa Teodoro, Aplicacion de Derivadas, Clase 2
Elisa Teodoro, Aplicacion de Derivadas, Clase 2InfoUdo.com.ve
 
Introduction to R by David Lucy Cap 12-16
Introduction to R by David Lucy Cap 12-16Introduction to R by David Lucy Cap 12-16
Introduction to R by David Lucy Cap 12-16Luis Pons
 
Patronazgos marianos de américa 2 parte 5 - las antillas
Patronazgos marianos de américa 2   parte 5  - las antillasPatronazgos marianos de américa 2   parte 5  - las antillas
Patronazgos marianos de américa 2 parte 5 - las antillasSor Ines Espinosa
 
Mod. 04 Megatrends by Moises Cielak at @mcielak #megatrends
Mod. 04 Megatrends by Moises Cielak at @mcielak #megatrendsMod. 04 Megatrends by Moises Cielak at @mcielak #megatrends
Mod. 04 Megatrends by Moises Cielak at @mcielak #megatrendsMoises Cielak
 
Un caso de innovación alrededor de la cadena de valor
Un caso de innovación alrededor de la cadena de valorUn caso de innovación alrededor de la cadena de valor
Un caso de innovación alrededor de la cadena de valorVicky Watson
 

Viewers also liked (20)

Introduzione a R
Introduzione a RIntroduzione a R
Introduzione a R
 
Grafici
GraficiGrafici
Grafici
 
R Vectors
R VectorsR Vectors
R Vectors
 
PhD midterm report
PhD midterm reportPhD midterm report
PhD midterm report
 
Uno sguardo allo stato dell'ambiente in Piemonte
Uno sguardo allo stato dell'ambiente in PiemonteUno sguardo allo stato dell'ambiente in Piemonte
Uno sguardo allo stato dell'ambiente in Piemonte
 
Laboratorio Probabilidad 1/3
Laboratorio Probabilidad 1/3Laboratorio Probabilidad 1/3
Laboratorio Probabilidad 1/3
 
Linguaggio R, principi e concetti
Linguaggio R, principi e concettiLinguaggio R, principi e concetti
Linguaggio R, principi e concetti
 
R_note_ODE_ver1.0
R_note_ODE_ver1.0R_note_ODE_ver1.0
R_note_ODE_ver1.0
 
Elisa Teodoro, Clase 5, Funciones
Elisa Teodoro, Clase 5, FuncionesElisa Teodoro, Clase 5, Funciones
Elisa Teodoro, Clase 5, Funciones
 
Ruby es un lenguaje de programación interpretado
Ruby es un lenguaje de programación interpretadoRuby es un lenguaje de programación interpretado
Ruby es un lenguaje de programación interpretado
 
Dispensa di analisi dei dati
Dispensa di analisi dei datiDispensa di analisi dei dati
Dispensa di analisi dei dati
 
Scheduling power-aware abstract
Scheduling power-aware abstractScheduling power-aware abstract
Scheduling power-aware abstract
 
Elisa Teodoro, Aplicacion de Derivadas, Clase 2
Elisa Teodoro, Aplicacion de Derivadas, Clase 2Elisa Teodoro, Aplicacion de Derivadas, Clase 2
Elisa Teodoro, Aplicacion de Derivadas, Clase 2
 
Programacion en R
Programacion en RProgramacion en R
Programacion en R
 
Abstract tesi
Abstract tesiAbstract tesi
Abstract tesi
 
Introduction to R by David Lucy Cap 12-16
Introduction to R by David Lucy Cap 12-16Introduction to R by David Lucy Cap 12-16
Introduction to R by David Lucy Cap 12-16
 
Patronazgos marianos de américa 2 parte 5 - las antillas
Patronazgos marianos de américa 2   parte 5  - las antillasPatronazgos marianos de américa 2   parte 5  - las antillas
Patronazgos marianos de américa 2 parte 5 - las antillas
 
Mod. 04 Megatrends by Moises Cielak at @mcielak #megatrends
Mod. 04 Megatrends by Moises Cielak at @mcielak #megatrendsMod. 04 Megatrends by Moises Cielak at @mcielak #megatrends
Mod. 04 Megatrends by Moises Cielak at @mcielak #megatrends
 
Un caso de innovación alrededor de la cadena de valor
Un caso de innovación alrededor de la cadena de valorUn caso de innovación alrededor de la cadena de valor
Un caso de innovación alrededor de la cadena de valor
 
WorkSafe ACT Site Inspection
WorkSafe ACT Site InspectionWorkSafe ACT Site Inspection
WorkSafe ACT Site Inspection
 

Similar to R Graphics

7. MATLAB - Parte 2 (IO, cicli, funzioni).pdf
7. MATLAB - Parte 2 (IO, cicli, funzioni).pdf7. MATLAB - Parte 2 (IO, cicli, funzioni).pdf
7. MATLAB - Parte 2 (IO, cicli, funzioni).pdfPasqualeRuocco5
 
scipy e rpy per l'analisi degli acquisti della pubblica amministrazione
scipy e rpy per l'analisi degli acquisti della pubblica amministrazionescipy e rpy per l'analisi degli acquisti della pubblica amministrazione
scipy e rpy per l'analisi degli acquisti della pubblica amministrazioneFrancesco Cavazzana
 
Matlab: Introduzione e comandi base
Matlab: Introduzione e comandi baseMatlab: Introduzione e comandi base
Matlab: Introduzione e comandi baseMajong DevJfu
 
9 Altre Istruzioni Di I O
9   Altre Istruzioni Di I O9   Altre Istruzioni Di I O
9 Altre Istruzioni Di I Oguest60e9511
 
5 Strutture Iterative
5   Strutture Iterative5   Strutture Iterative
5 Strutture Iterativeguest60e9511
 
13 Puntatori E Memoria Dinamica
13   Puntatori E Memoria Dinamica13   Puntatori E Memoria Dinamica
13 Puntatori E Memoria Dinamicaguest60e9511
 
Rapido, intuitivo, potente: Qt Quick all'assalto delle User Interfaces
Rapido, intuitivo, potente: Qt Quick all'assalto delle User InterfacesRapido, intuitivo, potente: Qt Quick all'assalto delle User Interfaces
Rapido, intuitivo, potente: Qt Quick all'assalto delle User InterfacesAlessandro La Rosa
 
Lezione 8 (12 marzo 2012)
Lezione 8 (12 marzo 2012)Lezione 8 (12 marzo 2012)
Lezione 8 (12 marzo 2012)STELITANO
 
Python@Unina - Exercises
Python@Unina - ExercisesPython@Unina - Exercises
Python@Unina - ExercisesNaLUG
 
Cn01 matlabmat-inf-090304063949-phpapp02
Cn01 matlabmat-inf-090304063949-phpapp02Cn01 matlabmat-inf-090304063949-phpapp02
Cn01 matlabmat-inf-090304063949-phpapp02Jose Aldo Ruiz Ycanaque
 
La crittografia frattale in Perl
La crittografia frattale in PerlLa crittografia frattale in Perl
La crittografia frattale in PerlMario Rossano
 

Similar to R Graphics (20)

7. MATLAB - Parte 2 (IO, cicli, funzioni).pdf
7. MATLAB - Parte 2 (IO, cicli, funzioni).pdf7. MATLAB - Parte 2 (IO, cicli, funzioni).pdf
7. MATLAB - Parte 2 (IO, cicli, funzioni).pdf
 
Tutorial Matlab 2009
Tutorial Matlab 2009Tutorial Matlab 2009
Tutorial Matlab 2009
 
scipy e rpy per l'analisi degli acquisti della pubblica amministrazione
scipy e rpy per l'analisi degli acquisti della pubblica amministrazionescipy e rpy per l'analisi degli acquisti della pubblica amministrazione
scipy e rpy per l'analisi degli acquisti della pubblica amministrazione
 
Matlab: Introduzione e comandi base
Matlab: Introduzione e comandi baseMatlab: Introduzione e comandi base
Matlab: Introduzione e comandi base
 
9 Altre Istruzioni Di I O
9   Altre Istruzioni Di I O9   Altre Istruzioni Di I O
9 Altre Istruzioni Di I O
 
La Grafica Con Java
La Grafica Con JavaLa Grafica Con Java
La Grafica Con Java
 
5 Strutture Iterative
5   Strutture Iterative5   Strutture Iterative
5 Strutture Iterative
 
13 Puntatori E Memoria Dinamica
13   Puntatori E Memoria Dinamica13   Puntatori E Memoria Dinamica
13 Puntatori E Memoria Dinamica
 
Array
ArrayArray
Array
 
Algorithmist guide II
Algorithmist guide IIAlgorithmist guide II
Algorithmist guide II
 
Stringhe java
Stringhe javaStringhe java
Stringhe java
 
Rapido, intuitivo, potente: Qt Quick all'assalto delle User Interfaces
Rapido, intuitivo, potente: Qt Quick all'assalto delle User InterfacesRapido, intuitivo, potente: Qt Quick all'assalto delle User Interfaces
Rapido, intuitivo, potente: Qt Quick all'assalto delle User Interfaces
 
01-Processing
01-Processing01-Processing
01-Processing
 
Lezione 8 (12 marzo 2012)
Lezione 8 (12 marzo 2012)Lezione 8 (12 marzo 2012)
Lezione 8 (12 marzo 2012)
 
Riepilogo Java C/C++
Riepilogo Java C/C++Riepilogo Java C/C++
Riepilogo Java C/C++
 
Python@Unina - Exercises
Python@Unina - ExercisesPython@Unina - Exercises
Python@Unina - Exercises
 
Cn01 matlabmat-inf-090304063949-phpapp02
Cn01 matlabmat-inf-090304063949-phpapp02Cn01 matlabmat-inf-090304063949-phpapp02
Cn01 matlabmat-inf-090304063949-phpapp02
 
Presentazione Geogebra
Presentazione GeogebraPresentazione Geogebra
Presentazione Geogebra
 
La crittografia frattale in Perl
La crittografia frattale in PerlLa crittografia frattale in Perl
La crittografia frattale in Perl
 
Be groovy with JGrass
Be groovy with JGrassBe groovy with JGrass
Be groovy with JGrass
 

R Graphics

  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8. Funzioni di alto livello Comandi per la grafica 3D image, contour, persp Grafici a “torta” pie B ox-and-whisker plot boxplot Grafici a “colonne” barplot Generazione di istogrammi hist Grafici per confrontare diverse distribuzioni qqnorm, qqplot La funzione più utilizzata: permette di generare diverse tipologie di grafici (per punti, linee, grafici a barre, etc) plot start.help() PACKAGES/graphics library(help=&quot;graphics&quot;) more info:
  • 9.
  • 10. plot(x) > x <- rnorm(1000) > plot(x)
  • 11.
  • 12. plot(X) > x <- 1:100 > y <- x^2 > m <- cbind(x,y) > plot(m)
  • 13. plot(f) > fact <- factor(rep(c(&quot;GGGACT&quot;,&quot;CCCGGT&quot;,&quot;GGTGGT&quot;),c(5,8,10))) Versione compatta Versione estesa > summary(fact) CCCGGT GGGACT GGTGGT 8 5 10 > class(fact) [1] &quot;factor&quot; > plot(fact) > seq <- c(&quot;GGGACT&quot;,&quot;CCCGGT&quot;,&quot;GGTGGT&quot;) > times <- c(5,8,10) > v1 <- rep(seq,times) > fact <- factor(v1)
  • 14. plot(f,y) > length(fact) [1] 23 > y <- rnorm(23) > cbind(fact,y) fact y [1,] 2 -0.384699247 [2,] 2 0.787114321 [3,] 2 -0.673250349 [4,] 2 -0.812762048 [5,] 2 0.103863277 [6,] 1 0.773316309 [7,] 1 1.702127982 [8,] 1 -0.725201109 [9,] 1 -1.127990472 [10,] 1 -0.792510586 [11,] 1 0.180637613 [12,] 1 -0.661579088 [13,] 1 -0.186712857 [14,] 3 1.956332425 [15,] 3 0.002924978 [16,] 3 0.139636871 [17,] 3 -1.293007897 [18,] 3 -0.631633961 [19,] 3 1.391216216 [20,] 3 -0.570057441 [21,] 3 0.370955534 [22,] 3 0.870275335 [23,] 3 1.193812723 plot(fact,y) 3° quartile 1° quartile mediana min max
  • 15. plot(data.frame) > data(iris) > summary(iris) Sepal.Length Sepal.Width Petal.Length Petal.Width Species Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100 setosa :50 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300 versicolor:50 Median :5.800 Median :3.000 Median :4.350 Median :1.300 virginica :50 Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199 3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800 Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500 > plot(iris, col=&quot;darkgreen&quot;)
  • 16.  
  • 17. plot(function) > MyFunc <- function(x) (sin(x)) > class(MyFunc) [1] &quot;function&quot; > plot(MyFunc,0,2*pi, + col=“darkred”) plot(funzione, x min , x max ) plot(MyFunc,0,2*pi, col=&quot;darkred&quot;, xlim=c(2*pi,0))
  • 18. Alcuni argomenti del comando plot() logical (TRUE/FALSE) string string string string vector: c(y1,y2) vector: c(x1,x2) 1-character string Etichetta asse delle y ylab Etichetta asse delle x xlab Se FALSE non disegna gli assi e il contorno del grafico axes Sottotitolo del grafico sub Titolo del grafico main Limiti di y (y1, y2) nel grafico. y1 > y2 inverte l’asse delle y ylim Limiti di x (x1, x2) nel grafico. x1 > x2 inverte l’asse delle x xlim tipo di grafico: punti, linee, ... type
  • 19. plot(..., type=“”) Type &quot;p&quot; for p oints &quot;l&quot; for l ines &quot;b&quot; for b oth &quot;c&quot; for the lines part alone of &quot;b” &quot;o&quot; for both o verplotted &quot;h&quot; for h istogram vertical lines &quot;s&quot; for stair s teps &quot;S&quot; for other s teps &quot;n&quot; for no plotting. more info: help(plot) type p type l type b type c
  • 20. plot(..., type=“”) Type &quot;p&quot; for p oints &quot;l&quot; for l ines &quot;b&quot; for b oth &quot;c&quot; for the lines part alone of &quot;b” &quot;o&quot; for both o verplotted &quot;h&quot; for h istogram vertical lines &quot;s&quot; for stair s teps &quot;S&quot; for other s teps &quot;n&quot; for no plotting. more info: help(plot) type o type h type s type S
  • 21.
  • 22. qqnorm > x <- rnorm(100) > qqnorm(x) > qqline(x)
  • 23. qqplot > x <- rnorm(100) > y <- rchisq(100,df=1) > qqplot(x,y) Normal VS chi square distribution
  • 24. Funzioni di alto livello Comandi per la grafica 3D image, contour, persp Grafici a “torta” pie B ox-and-whisker plot boxplot Grafici a “colonne” barplot Generazione di istogrammi hist Grafici per confrontare diverse distribuzioni qqnorm, qqplot La funzione più utilizzata: permette di generare diverse tipologie di grafici (per punti, linee, grafici a barre, etc) plot
  • 25.
  • 26. Istogramma con frequenze assolute o relative > w <- rnorm(1000,mean=100,sd=10) > hist(w, col=&quot;grey&quot;) > w <- rnorm(1000,mean=100,sd=10) > hist(w, col=&quot;grey”,freq=F) FREQ: Defaults to TRUE if and only if breaks are equidistant (and probability is not specified).
  • 27. Istogramma: breaks > w <- rnorm(1000,mean=100,sd=10) > hist(w, col=&quot;grey&quot;, breaks=30, label=TRUE) label=TRUE
  • 28.
  • 29.
  • 30.
  • 31.
  • 32.
  • 33.
  • 34.
  • 35.
  • 36.
  • 38.
  • 39. Funzioni di alto livello Comandi per la grafica 3D image, contour, persp Grafici a “torta” pie B ox-and-whisker plot boxplot Grafici a “colonne” barplot Generazione di istogrammi hist Grafici per confrontare diverse distribuzioni qqnorm, qqplot La funzione più utilizzata: permette di generare diverse tipologie di grafici (per punti, linee, grafici a barre, etc) plot
  • 40.
  • 41. image (x,y,z) > data(volcano) > x <- 10*(1:nrow(volcano)) > y <- 10*(1:ncol(volcano)) > image(x, y, volcano, col = terrain.colors(100), axes = FALSE, main=&quot;Mappa topografica&quot;)
  • 42. persp > persp(x,y,volcano, theta=135, phi=30, col=&quot;green3&quot;, scale=F, ltheta=-120, shade=0.75, border=NA, box=F, main=&quot;Mappa 3D&quot;)
  • 43. contour > contour(x,y,volcano) > contour(x,y,volcano,add=TRUE)
  • 44.
  • 46.
  • 47.
  • 48.
  • 49.
  • 50.
  • 51.