前期准备
认识 R 语言和 R studio
R和RStudio一定要一起下载，除非你更习惯用其他编译器比如VScode。两者结合成为了数据科学家和统计分析师的强力工具，从数据处理到高级建模，再到数据可视化和报告撰写，它们可以提供完整的数据分析解决方案
R语言
R是一种开源的编程语言和软件环境，专门用于统计分析和图形表示。由Ross Ihaka和Robert Gentleman在奥克兰大学开发，自1995年以来一直在积极发展。R语言具有高度的可扩展性，广泛用于统计软件开发和数据分析。
R具有以下特点：
- 数据分析：提供各种统计（线性和非线性建模、经典统计测试、时间序列分析、分类、聚类等）和图形技术。
- 编程语言：提供控制流语句、用户定义的递归函数和输入输出设施。
- 图形能力：能够以高质量地输出在屏幕或者文件中，并支持多种格式，如PNG、PDF、SVG等。
- 包系统：拥有强大的包系统，全球范围内的贡献者创建并维护了上千个可供专门任务使用的包。
- 扩展性：R可以很容易地通过包进行扩展，并且R的社区非常活跃，提供了海量的资源和支持。
RStudio
RStudio是一个为R语言开发的强大的集成开发环境（IDE）。它提供了友好的用户界面，使得编写R代码、绘图、管理文件、执行代码和查看数据变得更加容易和高效。RStudio可以在Windows、Mac和Linux系统上运行，同时也提供了一个服务器版本，可以在远程服务器上运行并通过网页浏览器访问。
RStudio的主要特点包括：
- 代码编写：自动代码补全、语法高亮、代码折叠等功能。
- 数据可视化：内置的图形预览，以及对ggplot2等图形工具的支持。
- 项目管理：通过项目管理轻松组织和切换工作环境。
- 版本控制：集成了Git和Subversion，便于进行版本控制和协同工作。
- 包开发：提供了包开发辅助工具，简化了R包的创建和维护流程。
- 数据查看与管理：一个易用的数据查看器，支持查看大型数据集。
- 扩展插件：支持各种RStudio插件，例如Shiny，允许用户构建交云互动应用程序。
认识 Rmarkdown
R Markdown 文件
R Markdown是一个简化的文档格式，它将R语言的代码和Markdown文档语法结合在一起，允许用户创建动态文档、报告、演示文稿和仪表盘。它基于Pandoc，这是一个转换文档格式的工具，并可以轻松地将RMarkdown文件转换为多种文档格式，如HTML、PDF、Word等。
R
Markdown文件通常拥有.Rmd扩展名，它包含三种主要类型的内容：
- 元数据区域 YAML：在文档开头，使用YAML格式定义文档的标题、作者、日期和输出格式等设置。
- 文本区域 markdown 文本：使用Markdown语法编写，可以创建标题、列表、链接、图片、表格等。
- 代码块：R代码被包含在“
{r} ...”中，当文档被编译时，代码块中的代码会被执行，它的结果可以被包含在最终文档中。
用法
要开始使用R Markdown，你只需要打开RStudio，创建一个新的R Markdown文件，然后开始写Markdown文本和R代码。编译这个文档，RStudio会执行R代码块，并将结果嵌入到最终生成的文档中。
例如，你可以使用以下步骤来创建和编译一个R Markdown文档：
- 在RStudio中，选择“File” > “New File” > “R Markdown…”。
- 选择文档类型（报告、演示文稿等）并填写标题和作者等信息。
- 在编辑器中撰写Markdown文本和R代码。
- 点击“Knit”按钮，选择输出格式。
- RStudio将运行代码，并生成HTML、PDF或Word等格式的文档。
优点
R Markdown的主要优点包括：
- 复制性：代码和文档结合在一起，可以确保结果的复制性和透明度。
- 动态内容：文档内容可以动态生成，例如，根据新的数据更新图表和分析结果。
- 多种输出格式：一个R Markdown文件可以生成多种格式的文档，灵活适应不同的展示需求。
- 易于学习：Markdown语法简单，易于学习和使用，而且RStudio提供了很好的支持。
- 自定义和扩展性：通过LaTeX或HTML模板，用户可以高度自定义文档的外观。
- 交互性：可以集成Shiny应用程序，创建交互式文档和仪表盘。
- 版本控制友好：Markdown文本文件非常适合版本控制，便于追踪文档的更改历史。
开始实践
如何装包 intsll.packages()
使用install.packages()函数来安装包。一个包只需要装一次就可以，下一次使用直接用library()调取即可。
对于数据分析，有一些常用的包是dplyr（数据操作）、ggplot2（数据可视化）、tidyr（数据整理）、readr（数据输入）、tibble（现代化的数据框）、stringr（字符串操作）、lubridate（日期时间操作）、forcats（因子变量操作）、purrr（函数式编程）等。
tidyverse集合了上述大多数包，所以安装tidyverse就包含了大部分工具。
手动一个个装载 install one by one
# install.packages("tidyverse")
# install.packages("ggplot2")
# install.packages("plotly")
# install.packages("openxlsx")一下子装很多个！
# packages <- c("tidyverse", "data.table", "readxl", "lubridate", "stringr", "rmarkdown", ....., "plotly")
# install.packages(packages)library() 加载需要的包
library(openxlsx)
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(ggplot2)
library(tidyr)选择工作路径
更方便一点直接在右侧进入工作路径点击小齿轮设为工作路径 setwd(“/path/to/my/directory”)
数据读入
（csv 数据读入：read.csv(““)）
wb <- loadWorkbook("test_file.xlsx")
s1 = read.xlsx(wb, sheet = 1)
s2 = read.xlsx(wb, sheet = 2)查看并认识数据
认识数据结构
数值型（Numeric）：这是最常见的数据类型，用于表示数字。这些数字可以是整数也可以是小数。在数据分析中，数值型数据通常用于计算统计量，如平均值、中位数等。
因子型（Factor）：因子型数据用于表示分类数据，即数据可以分为不同的类别，但这些类别之间没有顺序。例如，性别（男/女）、血型（A/B/AB/O）等。因子型数据在统计分析中很重要，尤其是在分类和回归分析中。
字符型（Character）：字符型数据用于存储文本。它可以包含字母、数字和其他符号。字符型数据通常用于表示名称、地址或其他任何非数值的信息。
整型（Integer）：整型数据是数值型的一种，只包含整数，不包含小数。它用于计数或表示没有小数部分的数据。
双精度型（Double）：这也是数值型的一种，用于表示精度更高的浮点数。在R语言中，没有明确指定整数时，数值通常被视为双精度型。
逻辑型（Logical：逻辑型数据只有两个值：TRUE（真）和FALSE（假）。这种类型的数据用于条件判断和逻辑操作，比如判断一个条件是否满足。
日期型（Date）：日期型数据用于表示日期，通常包括年、月和日。它在处理时间序列数据时非常有用。
head(s1, n=2)## id relid year active_year code_status type_of_violence
## 1 186123 HAI-1989-1-244-2 1989 1 Clear 1
## 2 186122 HAI-1989-1-244-999 1989 1 Clear 1
## conflict_dset_id conflict_new_id
## 1 381 381
## 2 381 381查看数据结构：包括几个variable和数据类型
str(s1)## 'data.frame': 17 obs. of 8 variables:
## $ id : num 186123 186122 186087 186124 186086 ...
## $ relid : chr "HAI-1989-1-244-2" "HAI-1989-1-244-999" "HAI-1989-1-244-998" "HAI-1989-1-244-990" ...
## $ year : num 1989 1989 1989 1989 1991 ...
## $ active_year : num 1 1 1 1 1 1 1 1 1 1 ...
## $ code_status : chr "Clear" "Clear" "Clear" "Clear" ...
## $ type_of_violence: num 1 1 1 1 1 1 1 1 1 1 ...
## $ conflict_dset_id: num 381 381 381 381 381 381 381 381 381 381 ...
## $ conflict_new_id : num 381 381 381 381 381 381 381 381 381 381 ...每一个variable的摘要：
包括min, Q1 (25%的数据小于或者等于这个数值), median/Q2, mean, Q3, max
summary(s1)## id relid year active_year
## Min. :186074 Length:17 Min. :1989 Min. :1
## 1st Qu.:186087 Class :character 1st Qu.:1991 1st Qu.:1
## Median :186123 Mode :character Median :2004 Median :1
## Mean :199595 Mean :2000 Mean :1
## 3rd Qu.:218871 3rd Qu.:2004 3rd Qu.:1
## Max. :218909 Max. :2004 Max. :1
## code_status type_of_violence conflict_dset_id conflict_new_id
## Length:17 Min. :1 Min. :381 Min. :381
## Class :character 1st Qu.:1 1st Qu.:381 1st Qu.:381
## Mode :character Median :1 Median :381 Median :381
## Mean :1 Mean :381 Mean :381
## 3rd Qu.:1 3rd Qu.:381 3rd Qu.:381
## Max. :1 Max. :381 Max. :381检查行数 number of rows
nrow(s1)## [1] 17nrow(s2)## [1] 104检查列数 number of columns
ncol(s1)## [1] 8ncol(s2)## [1] 25检查有几个na数值
#is.na() 返回一个完成只有true, false的数据表，是na项则为true，否则是false
na_count = sum(is.na(s1))
na_count## [1] 0去掉所有带有na的行，如果不想覆盖原数据就保存一个新的dataframe
s1 = na.omit(s1)将指定列有na值替换成 0
s2$Asylum.seekers.Incoming = replace(s2$Asylum.seekers.Incoming, is.na(s2$Asylum.seekers.Incoming), 0)像指定列na值替换成 median
s2$Number.of.Applications.Incoming[is.na(s2$Number.of.Applications.Incoming)] <- median(s2$Number.of.Applications.Incoming, na.rm = TRUE)确定outlier
使用（IQR）处理
通常使用计算四分位距离（Interquartile Range/IQR）, outlier被定义为那些低于第一分位数\(Q1\)减去1.5倍IQR的值，或者高于第三分位数\(Q3\)加上1.5倍IQR的值。
data_vector <- c(1,2,3,4,4,4,4,5,5,100,7,-1000)
q1 = quantile(data_vector, 0.25)
q3 = quantile(data_vector, 0.75)
iqr = q3 - q1
#定义outlier界限
lower_bound = q1 - 1.5 * iqr
upper_bound = q3 + 1.5 * iqr
#检查outlier，'|' 是 or 的意思，‘&’ 是 and 的意思
outlier = data_vector[data_vector < lower_bound | data_vector > upper_bound]
print(outlier)## [1] 100 -1000简单粗暴去掉1%极值
简单地去掉最高的1%和最低的1%的数据。这个方法很直接，但可能会不小心去掉一些真实的极端值，这些极端值可能对我们理解整个数据集很重要。所以使用这个方法时需要谨慎。
# 计算1%和99%的分位数
quantiles <- quantile(data_vector, probs = c(0.01, 0.99))
# 剔除低于1%和高于99%的数据
data_filtered <- data_vector[data_vector > quantiles[1] & data_vector < quantiles[2]]
data_filtered## [1] 1 2 3 4 4 4 4 5 5 7在表中新增一列为其他列之和
和计算器一样其他之差，之积修改符号即可）如果$后选择已有列，会直接覆盖原数据
s1$sum = s1$type_of_violence + s1$active_year随便生成一个数据
df <- data.frame(col1 = c(1, 1, 2, 2), col2 = c("A", "A", "B", "B"), col3 = c(100, 100, 200, 300))
df## col1 col2 col3
## 1 1 A 100
## 2 1 A 100
## 3 2 B 200
## 4 2 B 300将字符列转换为factor：
df$col2 = as.factor(df$col2)查看某一列数据类型
str(df$col2)## Factor w/ 2 levels "A","B": 1 1 2 2返回唯一值
unique() 函数 用于从向量、数据框或其他对象中移除重复元素，只返回唯一值。 对于数据框，unique() 函数会返回所有不重复的行。
unique_df <- unique(df)
unique_df## col1 col2 col3
## 1 1 A 100
## 3 2 B 200
## 4 2 B 300计算给定列中唯一值的个数
count() 函数通常在 dplyr 包中使用，用于快速计算给定列中唯一值的个数。
count_df <- df %>%
count(col2)
count_df## col2 n
## 1 A 2
## 2 B 2保存文件
保存成excel文件, write.csv() 则保存csv文件
write.xlsx(s1, file = "result.xlsx", rowNames = FALSE)进阶数据处理
选择特定列成为新数据
subset = s2[c("id","Year")]
head(subset,n=2)## id Year
## 1 186123 2020
## 2 186122 2020根据第几列重命名
colnames(subset)[2] <- "year"
head(subset,n=2)## id year
## 1 186123 2020
## 2 186122 2020根据指定列排序
如果多列，只需要在order后面加入条件即可
id_sorted <- subset[order(subset$id), ]
head(id_sorted,n=2)## id year
## 46 107907 2021
## 7 186074 2020查找重复行数量
duplicated_sums <- sum(duplicated(subset))
duplicated_sums## [1] 0移除重复行
subset <- subset[!duplicated(subset), ]根据指定列数值进行subset
subset2020 = subset[subset$year == "2020", ]
head(subset2020,n=2)## id year
## 1 186123 2020
## 2 186122 2020表格合并
df1 <- data.frame(Key = c("A", "B", "C"), Value = 1:3)
df2 <- data.frame(Key = c("B", "C", "D"), Value = 4:6)
df1## Key Value
## 1 A 1
## 2 B 2
## 3 C 3df2## Key Value
## 1 B 4
## 2 C 5
## 3 D 6使用 rbind() 合并数据
rbind() 函数用于按行（row-wise）合并两个或多个数据框或矩阵，它们必须有相同数量的列，并且相应的列需要具有相同的数据类型
combined_df <- rbind(df1, df2)
combined_df## Key Value
## 1 A 1
## 2 B 2
## 3 C 3
## 4 B 4
## 5 C 5
## 6 D 6使用 dplyr 包实现 join 操作
内连接（Inner join）
通过variable “Key” 内连接（Inner join）返回两个数据框中匹配键的交集。
inner_joined <- inner_join(df1, df2, by = "Key")
inner_joined## Key Value.x Value.y
## 1 B 2 4
## 2 C 3 5左连接 left join
通过variable “Key” 左连接 left join 返回第一个数据框的所有行，并与第二个数据框中的匹配行相连接。
left_joined <- left_join(df1, df2, by = "Key")
left_joined## Key Value.x Value.y
## 1 A 1 NA
## 2 B 2 4
## 3 C 3 5右连接 right join
通过variable “Key” 右连接 right join 返回第二个数据框的所有行，并与第一个数据框中的匹配行相连接。
right_joined <- right_join(df1, df2, by = "Key")
right_joined## Key Value.x Value.y
## 1 B 2 4
## 2 C 3 5
## 3 D NA 6外连接（Full join）
返回两个数据框中所有匹配的行
full_joined <- full_join(df1, df2, by = "Key")
full_joined## Key Value.x Value.y
## 1 A 1 NA
## 2 B 2 4
## 3 C 3 5
## 4 D NA 6再进阶一些
使用mutate()和filter()进行数据转换
## 创建 dataframe
df <- data.frame(col1 = c(1, 1, 2, 2), col2 = c("A", "A", "B", "B"), col3 = c(100, 100, 200, 300))
df <- df %>%
mutate(new_column = col3 / col1) %>%
filter(col1 > 0)
df## col1 col2 col3 new_column
## 1 1 A 100 100
## 2 1 A 100 100
## 3 2 B 200 100
## 4 2 B 300 150每一行代码的功能如下：
data <- data %>% ...:%>%是管道操作符，它会将左边的结果作为右边函数的第一个参数传递。在这个上下文中，它的意思是“拿data数据框然后应用以下函数”。mutate(new_column = column3 / column1):mutate()函数用于添加新列或改变现有列。这里，它创建了一个名为new_column的新列，该列的值是column1除以column2的结果。filter(column1 > 0): 创建新列后，使用filter()来保留column1大于0的行。
执行这一系列命令后，data将会新增一个列，并且只包含column1为正数的行。
使用group_by()和summarise()进行数据分组和汇总
summary_data <- df %>%
group_by(col2) %>%
summarise(mean_value = mean(col3, na.rm = TRUE))
summary_data## # A tibble: 2 × 2
## col2 mean_value
## <chr> <dbl>
## 1 A 100
## 2 B 250summary_data <- data %>% ...: 这是另一个应用于data的dplyr函数链，并将结果存储在summary_data中。group_by(group_column):group_by()函数用于根据column2的唯一值在数据中创建分组。之后的所有操作都是在这些分组内部进行，而不是在整个数据集上进行。summarise(mean_value = mean(col3, na.rm = TRUE)): 分组后，使用summarise()函数将每个组合并成一个单一的汇总行。在这个案例中，它为每个组计算col3的平均值。参数na.rm = TRUE告诉平均数函数忽略NA（缺失）值。
summary_data将包含每个唯一col2值的col3的平均值。
高阶函数 apply（）
用来应用某个函数于数据框或矩阵边缘的高阶函数。基本上，你可以用它来对行或列执行一个函数。apply() 函数的一般形式如下：apply(X, MARGIN, FUN, …)
X 是输入的数组，数据框（data frame）或矩阵（matrix） MARGIN 是一个整数，指定你想要应用函数的维度。1 表示行，2 表示列。 FUN 是要应用的函数
df <- data.frame(a = c(1, 3, 5), b = c(2, 4, 6))
df## a b
## 1 1 2
## 2 3 4
## 3 5 6找出每一行最大值
apply(df, 1, max)## [1] 2 4 6创建一个矩阵，计算每列的和
# 创建一个矩阵
mat <- matrix(1:9, nrow = 3)
mat## [,1] [,2] [,3]
## [1,] 1 4 7
## [2,] 2 5 8
## [3,] 3 6 9# 计算每列的和
apply(mat, 2, sum)## [1] 6 15 24对数据框的列应用自定义函数，自定义函数部分之后再说
# 创建一个数据框
df <- data.frame(a = c(1, 3, 5), b = c(2, 4, 6))
# 定义一个自定义函数
custom_function <- function(x) {
return(mean(x) + sd(x))
}
# 应用自定义函数至每列
apply(df, 2, custom_function)## a b
## 5 6创造一个数据框
df = tibble::tribble(
~id, ~income_2019, ~income_2020, ~income_2021,
1, 50000, 52000, 55000,
2, 48000, 50000, 53000
)
df## # A tibble: 2 × 4
## id income_2019 income_2020 income_2021
## <dbl> <dbl> <dbl> <dbl>
## 1 1 50000 52000 55000
## 2 2 48000 50000 53000把宽表格转成长表格
df_long = pivot_longer(
df,
cols = starts_with("income"),
names_to = "year",
names_prefix = "income_",
values_to = "income"
)
df_long## # A tibble: 6 × 3
## id year income
## <dbl> <chr> <dbl>
## 1 1 2019 50000
## 2 1 2020 52000
## 3 1 2021 55000
## 4 2 2019 48000
## 5 2 2020 50000
## 6 2 2021 53000转换后的 people_long 会有三列：id,
year, 和 income，其中原始的
income_2019, income_2020,
income_2021 列名会变成 year
列中的值，而相应的收入数值会被放到 income 列中。
pivot_longer() 小课堂
pivot_longer() 是 tidyr
包中的一个函数，用于将宽格式数据转换为长格式数据。这通常在你有多列代表相同类型的信息时非常有用，比如多个时间点的观测值分散在不同的列中。长格式通常更适合于分析工作，因为它将数据组织成一个可以通过分组变量进行聚合的形式。
下面是 pivot_longer() 函数参数的解释：
data: 你想要转换的数据框（data frame）或者 tibble。cols: 选择要变长的列。你可以使用dplyr选择助手如starts_with(),ends_with(),contains(),matches(),num_range()等，或者使用!来排除列。...: 其他选择列的参数。cols_vary: 对于选择多个列，是否应该在变换中保持列的顺序不变（"slowest"）还是允许改变以提高速度（"fastest"）。names_to: 长格式数据中新列的名称，用于保存原始列的名称。可以是一个字符向量，如果你想要从列名中分离出多个变量。names_prefix: 一个字符向量，用来删除从原始列名开始的共同前缀。names_sep: 当names_to包含多个名称时，这个参数定义了列名中用来分隔变量的字符或正则表达式。names_pattern: 一个正则表达式，用来通过捕获组从列名中提取多个变量。只有当names_to包含多个变量时，这个参数才有用。names_ptypes: 一个列表，指定了由names_to生成的新列的类型。默认情况下，列的类型会从数据自动推断出来。names_transform: 一个列表，用函数来转换由names_to生成的新列的值。names_repair: 用于处理新列名的函数，"check_unique"是默认值，它会检查新列名是否唯一。values_to: 新列的名称，用于存储cols中的值。values_drop_na: 是否应该删除那些在values_to中为NA的行，默认为FALSE。values_ptypes: 一个列表，指定了由values_to生成的新列的类型。values_transform: 一个列表，用函数来转换由values_to生成的新列的值。
把长表格转为宽表格
wide = pivot_wider(
df_long,
names_from = year,
names_glue = "{year}_income",
values_from = income)
wide## # A tibble: 2 × 4
## id `2019_income` `2020_income` `2021_income`
## <dbl> <dbl> <dbl> <dbl>
## 1 1 50000 52000 55000
## 2 2 48000 50000 53000pivot_wider小课堂
pivot_wider() 是 tidyr
包中的一个函数，用于将数据从“长格式”转换为“宽格式”。在“长格式”数据中，关键值通常被存储在列中，这些列包含了许多观测结果，而在“宽格式”数据中，每个观测结果通常有其自己的列。pivot_wider()
函数的参数允许你自定义这个转换过程。以下是这些参数的解释：
data: 你想要转换的数据框或者 tibble。...: 一些用来选择列的附加参数，例如dplyr的选择助手函数。id_cols: 用于保持为唯一标识符的列，即那些在转宽格式时不会变动的列。id_expand: 如果设置为 TRUE，将会创建所有唯一值的组合，即使这些组合在原始数据中并不存在。names_from: 需要从长格式的值转换为宽格式列名的列。names_prefix: 在新列名之前加上的前缀字符串。names_sep: 当从多个列创建新列名时，用于分隔这些名字的字符。names_glue: 一个glue语法的字符串，用于精确地描述如何结合names_from中的值来创建新列名。在我们的例子中，names_glue参数指定了新列名应该如何被构造。{year}是一个占位符，它将被names_from参数指定的year列的值所替换。这样，如果year列包含了 2020 和 2021，转换后的宽格式数据框将会有2020_income和2021_income这样的列名。names_sort: 如果为 TRUE，将根据names_from的值对新列进行排序。names_vary: 控制当names_from有多个值时，列名的变化速度。默认值是 “fastest”。names_expand: 如果为 TRUE，将使用names_from和values_from列的所有唯一值组合来创建列，即使某些组合在输入数据中并不存在。names_repair: 指定如何处理不规则的列名，“check_unique” 是默认值，它会检查列名是否唯一，并在需要时修复。values_from: 要扩展到宽格式列值的列。values_fill: 当转换为宽格式时，对于不存在的组合可以使用的填充值。values_fn: 一个函数或函数的列表，用于对聚合的值进行处理，如果在转换过程中一个单元格对应多个值。unused_fn: 用于处理names_from和values_from中未使用的组合的函数。
基础绘图 visualization
随便生成一组数据用来分析
set.seed(123) # 确保可复现性
# 生成三个组的数据，每组30个观察值
groupA <- rnorm(30, mean = 50, sd = 10)
groupB <- rnorm(30, mean = 55, sd = 10)
groupC <- rnorm(30, mean = 45, sd = 10)
# 将数据组合成一个数据框，这对绘图和分析都有用
data <- data.frame(
value = c(groupA, groupB, groupC),
group = factor(rep(c("A", "B", "C"), each = 30))
)
head(data)## value group
## 1 44.39524 A
## 2 47.69823 A
## 3 65.58708 A
## 4 50.70508 A
## 5 51.29288 A
## 6 67.15065 Aboxplot
用于判断数据分布区间, 用来看outlier
boxplot(value ~ group,
data = data,
main = "Boxplot of Groups",
ylab = "value",
xlab = "group")
柱状图histogram
用来看单个数据分布
hist(data$value,
breaks = 10,
main = "Histogram of Values",
xlab = "Value")
### 饼状图 显示的是每个组占总体的比例
pie(table(data$group),
main = "Pie Chart of Groups")
折线图（Line Chart）
折线图显示数据随时间或顺序变化的趋势，使用groupA的数据按照值排序来模拟。
# 对数据框中每个组内的值进行排序
data_sorted <- data %>%
group_by(group) %>%
mutate(rank = rank(value)) %>%
ungroup()
data_sorted## # A tibble: 90 × 3
## value group rank
## <dbl> <fct> <dbl>
## 1 44.4 A 10
## 2 47.7 A 14
## 3 65.6 A 28
## 4 50.7 A 16
## 5 51.3 A 18
## 6 67.2 A 29
## 7 54.6 A 22
## 8 37.3 A 3
## 9 43.1 A 8
## 10 45.5 A 13
## # ℹ 80 more rowsggplot2绘图
rank()函数用于为每个组内的value创建排名，然后基于这个排名进行绘图。 这样每个组的线都会基于组内的值排序，而不是整个数据集的排序。
# 使用ggplot2绘图
ggplot(data_sorted, aes(x = rank, y = value, group = group, color = group)) +
geom_line() +
labs(title = "Line Chart of Sorted Group Values", x = "Rank", y = "Value") +
theme_minimal()