Хобрук: Ваш путь к мастерству в программировании

Добавьте метки данных в spinplot в R

iFacColName <- "hireMonth"

iTargetColName <- "attrition"

iFacVector <- as.factor(c(1,1,1,1,10,1,1,1,12,9,9,1,10,12,1,9,5))

iTargetVector <- as.factor(c(1,1,0,1,1,0,0,1,1,0,1,0,1,1,1,1,1))

sp <- spineplot(iFacVector,iTargetVector,xlab=iFacColName,ylab=iTargetColName,main=paste0(iFacColName," vs. ",iTargetColName," Spineplot"))
spLabelPass <- sp[,2]/(sp[,1]+sp[,2])
spLabelFail <- 1-spLabelPass
text(seq_len(nrow(sp)),rep(.95,length(spLabelPass)),labels=as.character(spLabelPass),cex=.8)

По какой-то причине функция text() строит только одну метку справа от графика. Я использовал этот формат для применения меток данных к другим типам графиков, поэтому я запутался.

РЕДАКТИРОВАТЬ: добавлено больше кода, чтобы заставить пример работать

r label plot
23.03.2017

  • Что такое iFacColName и iTargetColName? 23.03.2017
  • Извините, отредактировал код 24.03.2017

Ответы:


1

Вы не размещаете свои метки внутри области построения. Он распространяется только примерно до 1,3 по оси x. Попробуйте построить что-то вроде

text(
  cumsum(prop.table(table(iFacVector))),
  rep(.95, length(spLabelPass)),
  labels = as.character(round(spLabelPass, 1)),
  cex = .8
)

и вы получите что-то вроде

введите здесь описание изображения

Очевидно, что это неправильные позиции для меток, но вы должны быть в состоянии понять это самостоятельно. (Вам придется вычесть половину частоты для каждой полосы из совокупной частоты и учесть тот факт, что полосы заполнены некоторым количеством пробелов.

23.03.2017
Новые материалы
Как свинг-трейдеры могут использовать ИИ для больших выигрышей
По мере того как все больше и больше профессиональных трейдеров и активных розничных трейдеров узнают о возможностях, которые предоставляет искусственный интеллект и машинное обучение для улучшения..
Как построить любой стол
Я разработчик программного обеспечения. Я люблю делать вещи и всегда любил. Для меня программирование всегда было способом создавать вещи, используя только компьютер и мое воображение...
Обзор: Машинное обучение: классификация
Только что закончил третий курс курса 4 часть специализации по машинному обучению . Как и второй курс, он был посвящен низкоуровневой работе алгоритмов машинного обучения. Что касается..
Разработка расширений Qlik Sense с qExt
Использование современных инструментов веб-разработки для разработки крутых расширений Вы когда-нибудь хотели кнопку для установки переменной в приложении Qlik Sense? Когда-нибудь просили..
React Hooks: основы деструктуризации массива
Kent C. Dodds написал классный пост о том, как грядущая функция React под названием Hooks работает на капоте. Предстоящий хук React useState основан на деструктурировании массива, давайте..
Пакеты R, используемые в Tesla
Добро пожаловать обратно! R — очень популярный язык программирования, используемый множеством компаний, включая Tesla! Итак, давайте взглянем на некоторые пакеты R, которые использует Tesla...
Сокращение и слияние токенов для эффективных моделей VL: обзор
Часто в задачах, связанных с компьютерным зрением и НЛП, вычислительно затратная и требующая большого объема памяти обработка становится препятствием для более быстрого логического вывода модели, а..