☰

自動根據統計資料建立影像

tag-icon • tag-icon graphics pgfplots statistics
自動根據統計資料建立影像

我正在尋找一種自動建立圖像的方法，如下所示：

長條圖圖表

沒有 MWE，因為我現在擁有的只是這個圖像（我相信是由 SPSS 創建的，但我與該部分無關。） 當然，我可以簡單地將這個圖像添加到我的文檔中，但是因為這些問題出現的頻率很高，我想嘗試一種「原生」LaTeX 方式。我很確定某些圖形包足以勝任這項任務，但我甚至不知道從哪裡開始尋找。

我不指望你為我做這項工作，所以我真正要求的只是一個正確方向的指標、一個常見問題、一個 HOWTO，也許是一個例子。

答案1

這不是完整的答案，只是一個假設不需要自動處理資料的指標。

編輯：按照傑克的建議，使用\addplot table代替可以\addplot plot coordinates節省很多麻煩。

在此輸入影像描述

\documentclass{book}
\usepackage{pgfplots}

\begin{document}
\begin{tikzpicture}
\definecolor{mybarcolor}{RGB}{210 207 155}
\pgfmathsetmacro{\xmin}{-.5}
\begin{axis}[ymin=0,%
    xmin=\xmin,%
    xtick={0,2,4,6},%
    xticklabels={.00,2.00,4.00,6.00},%
    axis background/.style={fill=black!10},%
    ylabel=\textbf{H\"{a}ufigkeit},%
    xlabel=$D_\mathrm{rel}$,%
]
\addplot[ybar interval,fill=mybarcolor] table {%
0   7
.5  38
1   23
1.5 8
2   8
2.5 8
3   2
3.5 1
4   2
4.5 0
5   0
5.5 1
6   1
};
\addplot[domain=\xmin:6,samples=100] {18*exp(-.5*(x-1.5)^2)};
\end{axis}
\end{tikzpicture}
\end{document}

答案2

這是 Asymptote 手冊中稍加修改的範例。它不僅自動根據統計數據創建圖像，而且還演示瞭如何首先生成數據。使用 處理以下hist.asy文件asy -f pdf hist.asy。

import graph;
import stats;
size(400,200,IgnoreAspect);

real lineWidth=2pt;
pen histFillPen=rgb(217/255, 206/255, 143/255)+opacity(0.7);
pen histLinePen=black;
pen linePen=red+lineWidth; 
pen bgPen=rgb(241/255, 240/255, 238/255); 

int n=10000;
real[] a=new real[n];
for(int i=0; i < n; ++i) a[i]=Gaussrand();

path g=graph(Gaussian,min(a),max(a));

pair gMin=min(g);
pair gMax=max(g)+(0,0.05);

filldraw(box(gMin,gMax),bgPen,black);

draw(g,linePen);

// Optionally calculate "optimal" number of bins a la Shimazaki and Shinomoto.
int N=bins(a);
histogram(a,min(a),max(a),N,normalize=true,low=0,fillpen=histFillPen,drawpen=histLinePen,bars=true);

xaxis("$x$",BottomTop,RightTicks);
yaxis("$dP/dx$",LeftRight,RightTicks(trailingzero));

在此輸入影像描述

答案3

如果您願意使用其他工具將繪圖建立為 PDF 並將其包含在您的 TeX 中，我絕對會推薦 gnuplot。它非常強大，你幾乎可以用它繪製任何你想要的東西。為了自動建立繪圖，您需要在 LaTeX Makefile 或序列中包含 gnuplot 命令。如果您想從多個資料檔案產生多個相似的繪圖，您也可以參數化資料檔案。

答案4

微量元素

我認為使用從統計數據自動生成的圖像（和文字結果）來建立 LateX 文件對於右和揮舞或者針織物。

簡而言之，您可以製作一個普通的 LateX 文檔，該文檔的擴展名.Rnw 不是.tex（noweb 文件），並插入了 R 程式碼的「區塊」。然後，R 中的 Sweave 將其匯出為真實.tex文件，其中 R 區塊由 LateX 程式碼更改，並產生由這些 R 區塊產生的結果（圖像、表格或文字）。然後您可以.tex像往常一樣編譯該文件pdflatex。

例如，test.Rnw具有最小 R 區塊的最小檔案可能是：

\documentclass{article}
\begin{document}
<<>>=
2+3
@
\end{document}

.tex上面帶有擴展名並用它編譯的檔案pdflatex 將簡單地生成：

<<>>= 2+3 @

但轉換後R CMD Sweave test.Rnw你會得到這個test.tex：

\documentclass{article}
\usepackage{Sweave}
\begin{document}
\begin{Schunk}
\begin{Sinput}
> 2+3
\end{Sinput}
\begin{Soutput}
[1] 5
\end{Soutput}
\end{Schunk}

編譯後（使用pdflatex test.tex）將產生：

> 2+3

[1]5

嗯，不是很令人印象深刻，只是顯示一個簡單的總和，如在 R 控制台中看到的那樣。但 R 是一個很棒的統計程序，R 區塊的結果可能是一個\includegraphics{}帶有漂亮圖形的結果，或者是一個完整的 LaTeX 表浮點數 ( \begin{table} ...)，顯示或不顯示輸入。即使結果是簡單的數字，也可以使用（例如\Sexpr： } ）插入文字中\Sexpr{2+3}。.csv的文件）即可通過腳本，您可以獲得自動更新的圖表，還可以以純文本形式獲取更新的表格和更新的結果，而無需每次都編輯LaTeX 代碼，並且無需打開R。印象深刻了？

上面的螢幕截圖是用這個更詳細的hist.Rnw文件產生的：

% File: hist.Rnw
%
% Usage:  
%
% R CMD Sweave hist.Rnw 
% pdflatex hist.tex

\documentclass{article}
\usepackage[utf8]{inputenc} 
\usepackage{lipsum} 
\begin{document}

\lipsum[1] % dummy text

\begin{figure}[h]   
\centering

% R Chunk 
<<Histogran,echo=F,fig=T>>=

# Some random data
foo <- rnorm(1000, mean=1, sd=1)

# The histogram 
hist(foo, prob=TRUE, border="tan4", ylab="Häufigkeit",
xlab="D_rel",col=rainbow(25,start=.4,end=.35), main="")

# To have also the ugly background area (optional): 
rect(par("usr")[1], par("usr")[3], par("usr")[2], par("usr")[4], 
col =  "lightgrey") 

hist(foo, prob=TRUE, border="tan4", ylab="Häufigkeit",
xlab="D_rel",col=rainbow(40,start=.1,end=.4), main="",  add=T) 

# Density plot
curve(dnorm(x, mean=mean(foo), sd=sd(foo)), 
lwd=2, col="darkred", add=T)

@ % end of R chunk

\caption{This is a histogram of foo population with
mean=\Sexpr{round(mean(foo),2)} and sd=\Sexpr{round(sd(foo),2)}. 
On the other hand,  significance of Shapiro-Wilk test of normality is
p=\Sexpr{signif(shapiro.test(foo)$p.value,2)}, so this is a normal
population as sure as 2+2=\Sexpr{2+2}, as everybody knows (except some 
processors with floating point bugs). }


\end{figure}

\lipsum[3] % more dummy text

\end{document}

相關內容