<\/p>\n
Die Funktion abline()<\/strong> in R kann verwendet werden, um einer Handlung in R eine oder mehrere gerade Linien hinzuzuf\u00fcgen.<\/span><\/p>\n Diese Funktion verwendet die folgende Syntax:<\/span><\/p>\n abline(a=NULL, b=NULL, h=NULL, v=NULL, \u2026)<\/strong><\/span><\/p>\n Gold:<\/span><\/p>\n Die folgenden Beispiele zeigen, wie Sie diese Funktion in der Praxis nutzen k\u00f6nnen.<\/span><\/p>\n Der grundlegende Code zum Hinzuf\u00fcgen einer horizontalen Linie zu einem Diagramm in R lautet: abline(h = irgendein Wert)<\/strong><\/span><\/p>\n Angenommen, wir haben das folgende Streudiagramm, das die Werte von x<\/em> und y<\/em> in einem Datensatz anzeigt:<\/span><\/p>\n Um eine horizontale Linie beim Wert y = 20 hinzuzuf\u00fcgen, k\u00f6nnen wir den folgenden Code verwenden:<\/span><\/p>\n Der folgende Code veranschaulicht, wie eine durchgezogene horizontale Linie zum Durchschnittswert von y<\/em> und zwei horizontale gepunktete Linien eine Standardabweichung \u00fcber und unter dem Durchschnittswert hinzugef\u00fcgt werden:<\/span><\/p>\n Der grundlegende Code zum Hinzuf\u00fcgen einer vertikalen Linie zu einem Diagramm in R lautet: abline(v = irgendein Wert)<\/strong><\/span><\/p>\n Der folgende Code zeigt, wie man dem Durchschnittswert in einem Histogramm eine vertikale Linie hinzuf\u00fcgt:<\/span><\/p>\n Der grundlegende Code zum Hinzuf\u00fcgen einer einfachen linearen Regressionslinie zu einem Diagramm in R lautet: abline(model)<\/strong><\/span><\/p>\n Der folgende Code zeigt, wie man einem Streudiagramm eine angepasste lineare Regressionslinie hinzuf\u00fcgt:<\/span><\/p>\n Beachten Sie, dass wir lediglich einen Wert f\u00fcr den Achsenabschnitt und die Steigung ben\u00f6tigen, um mit der Funktion abline() eine einfache lineare Regressionslinie an die Daten anzupassen.<\/span><\/p>\n\n
So f\u00fcgen Sie horizontale Linien hinzu<\/strong><\/span><\/h2>\n
#define dataset\n<\/span>data <- data.frame(x = c(1, 1, 2, 3, 4, 4, 5, 6, 7, 7, 8, 9, 10, 11, 11),\n y = c(13, 14, 17, 12, 23, 24, 25, 25, 24, 28, 32, 33, 35, 40, 41))\n\n#plot x<\/em> and y<\/em> values in dataset\n<\/span>plot(data$x, data$y, pch = 16)<\/strong><\/pre>\n abline(h = 20, col = 'coral2', lwd = 2)<\/strong><\/pre>\n
#create scatterplot for x<\/em> and y<\/em><\/span>\nplot(data$x, data$y, pch = 16)\n\n#create horizontal line at mean value of y<\/em>\n<\/span>abline(h = mean(data$y), lwd = 2)\n\n#create horizontal lines at one standard deviation above and below the mean value\n<\/span>abline(h = mean(data$y) + sd(data$y), col = 'steelblue', lwd = 3, lty = 2)\nabline(h = mean(data$y) - sd(data$y), col = 'steelblue', lwd = 3, lty = 2)<\/strong><\/pre>\n So f\u00fcgen Sie vertikale Linien hinzu<\/strong><\/span><\/h2>\n
#make this example reproducible\n<\/span>set.seed(0)\n\n#create dataset with 1000 random values normally distributed with mean = 10, sd = 2\n<\/span>data <- rnorm(1000, mean = 10, sd = 2)\n\n#create histogram of data values\n<\/span>hist(data, col = 'steelblue')\n\n#draw a vertical dashed line at the mean value\n<\/span>abline(v = mean(data), lwd = 3, lty = 2)<\/strong><\/pre>\n So f\u00fcgen Sie Regressionslinien hinzu<\/strong><\/span><\/h2>\n
#define dataset\n<\/span>data <- data.frame(x = c(1, 1, 2, 3, 4, 4, 5, 6, 7, 7, 8, 9, 10, 11, 11),\n y = c(13, 14, 17, 12, 23, 24, 25, 25, 24, 28, 32, 33, 35, 40, 41))\n\n#create scatterplot of x<\/em> and y<\/em> values\n<\/span>plot(data$x, data$y, pch = 16)\n\n#fit a linear regression model to the data\n<\/span>reg_model <- lm(y ~ x, data = data)\n\n#add the fitted regression line to the scatterplot\n<\/span>abline(reg_model, col=\"steelblue\")<\/strong><\/pre>\n