Oplossing: fout in stripchart.default(x1, …): ongeldige plotmethode
Een fout die je tegen kunt komen in R is:
Error in stripchart.default(x1, ...): invalid plotting method
Deze fout treedt meestal op wanneer u probeert een spreidingsdiagram te maken met behulp van een dataframe in plaats van een vector.
In deze tutorial wordt precies uitgelegd hoe u deze fout kunt oplossen.
Hoe de fout te reproduceren
Stel dat we het volgende dataframe in R hebben:
#create data frame
df <- data. frame (x=c(1, 2, 2, 4, 7, 8, 9),
y=c(5, 5, 8, 10, 13, 13, 18))
#view data frame
df
xy
1 1 5
2 2 5
3 2 8
4 4 10
5 7 13
6 8 13
7 9 18
Stel nu dat we de volgende syntaxis proberen te gebruiken om een spreidingsdiagram te maken:
#attempt to create scatter plot
plot(df[1], df[2])
Error in stripchart.default(x1, ...): invalid plotting method
We krijgen een foutmelding omdat df[1] en df[2] feitelijk dataframes zijn en de functie plot() alleen vectoren als invoer accepteert.
We kunnen de functie class() gebruiken om te controleren of df[1] en df[2] beide dataframes zijn:
#display class of df[1] and df[2]
class(df[1]);class(df[2])
[1] "data.frame"
[1] "data.frame"
Hoe u de fout kunt oplossen
De manier om deze fout op te lossen is door ervoor te zorgen dat we vectoren gebruiken als invoer voor de functie plot() .
We kunnen bijvoorbeeld de volgende syntaxis gebruiken om een spreidingsdiagram te maken:
#create scatterplot
plot(df[, 1], df[, 2])
Of we kunnen de volgende syntaxis gebruiken om een spreidingsdiagram te maken:
#create scatterplot
plot(df$x, df$y)
Merk op dat we met beide methoden zonder fouten een spreidingsdiagram kunnen maken, omdat we elke keer vectoren als invoer voor de functie plot() hebben gebruikt.
Aanvullende bronnen
In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende fouten in R kunt oplossen:
Oplossing in R: namen komen niet overeen met eerdere namen
Hoe op te lossen in R: de lengte van een langer object is geen veelvoud van de lengte van een korter object
Hoe op te lossen in R: contrasten kunnen alleen worden toegepast op factoren met 2 of meer niveaus