注意,species, island, sex列类型是dbl+lbl,即double+label,表示是标签列。 用look_for()查看变量及标签信息 2. 定义与使用标签 用var_label()分别为body_mass_g, sex定义标签:“体重,单位克”、“性别” 对标签变量 sex 计数: penguins %>% count(sex) to_factor()将标签变量sex转化为因子,即去掉标签。
## pupil class extrav sex texp popular ## <dbl> <dbl> <dbl> <dbl+lbl> <dbl> <dbl> ## 1 1 1 5 1 \[girl\] 24 6.3 ## 2 2 1 7 0 \[boy\] 24 4.9 ## 3 3 1 4 1 \[girl\] 24 5.3 ## 4 4 1 3 1 \[girl\] 24 4.7 ## 5 5 1 5 1 \[girl\] 24 6 ## 6 ...
## id x y z ## <dbl> <dbl+lbl> <dbl+lbl> <dbl> ## 1 7 1 [矮] 1 [轻] 1.25 ## 2 17 1 [矮] 1 [轻] 1.25 ## 3 1 1 [矮] 1 [轻] 2 ## 4 11 1 [矮] 1 [轻] 2 ## 5 5 2 [中] 1 [轻] 1.5 ## 6 15 2 [中] 1 [轻] 1.5 1. 2. 3. 4. 5. 6. 7...
##<dbl><dbl+lbl><dbl+lbl><dbl>##171[矮]1[轻]1.25##2171[矮]1[轻]1.25##311[矮]1[轻]2##4111[矮]1[轻]2##552[中]1[轻]1.5##6152[中]1[轻]1.5 现在我们要计算x和y的相关性,z是要控制的因素,由于这两个变量是分类变量,所以要用spearman偏相关分析。 其实用法是一样的,就是改个参数而...
## #Atibble:6x6## pupilclassextravsex texp popular##<dbl><dbl><dbl><dbl+lbl><dbl><dbl>##11151[girl]246.3##22170[boy]244.9##33141[girl]245.3##44131[girl]244.7##55151[girl]246##66140[boy]244.7 步骤3:绘制数据 在开始分析之前,我们可以绘制外向性和流行度之间的关系,而无需考虑数据的多级...
# 我们只选择将要使用的变量 head(populardata) # 我们来看一下前6个观察样本## # A tibble: 6 x 6 ## pupil class extrav sex texp popular ## <dbl> <dbl> <dbl> <dbl+lbl> <dbl> <dbl> ## 1 1 1 5 1 \[girl\] 24 6.3 ## 2 2 1 7 0 \[boy\] 24 4.9 ## 3 3 1 4 1 ...
## <dbl> <dbl+lbl> <dbl+lbl> <dbl>## 1 7 1 [矮] 1 [轻] 1.25## 2 17 1 [矮] 1 [轻] 1.25## 3 1 1 [矮] 1 [轻] 2 ## 4 11 1 [矮] 1 [轻] 2 ## 5 5 2 [中] 1 [轻] 1.5 ## 6 15 2 [中] 1 [轻] 1.5 现在我们要计算x和y的相关性,z是要控制的因素,由于...
## # A tibble: 6 x 6## pupil class extrav sex texp popular## <dbl> <dbl> <dbl> <dbl+lbl> <dbl> <dbl>## 1 1 1 5 1 [girl] 24 6.3## 2 2 1 7 0 [boy] 24 4.9## 3 3 1 4 1 [girl] 24 5.3## 4 4 1 3 1 [girl] 24 4.7## 5 5 1 5 1 [girl] 24 6## 6...
##<dbl><dbl><dbl><dbl+lbl><dbl><dbl> ## 1 1 1 5 1 \[girl\] 24 6.3 ## 2 2 1 7 0 \[boy\] 24 4.9 ## 3 3 1 4 1 \[girl\] 24 5.3 ## 4 4 1 3 1 \[girl\] 24 4.7 ## 5 5 1 5 1 \[girl\] 24 6
## <dbl> <dbl> <dbl> <dbl+lbl> <dbl> <dbl> ## 1 1 1 5 1 [girl] 24 6.3 ## 2 2 1 7 0 [boy] 24 4.9 ## 3 3 1 4 1 [girl] 24 5.3 ## 4 4 1 3 1 [girl] 24 4.7 ## 5 5 1 5 1 [girl] 24 6 ## 6 6 1 4 0 [boy] 24 4.7 ...