热门标签 | HotTags
当前位置:  开发笔记 > 大数据 > 正文

origin如何绘制多条折线_如何用origin绘制数据变化折线图

在实验中我们可能会得到一些数据,这些初始数据我们首先可以用数据统计分析软件SPSS来进行初步处理分析,得到摘要性的统计数据,如平均值和标准误的值(如果有兴趣可以看这篇文章:《用SP

在实验中我们可能会得到一些数据,这些初始数据我们首先可以用数据统计分析软件SPSS来进行初步处理分析,得到摘要性的统计数据,如平均值和标准误的值(如果有兴趣可以看这篇文章:《用SPSS做独立样本T检验》)。那得到了这些数据后怎么绘制变化趋势图呢?绘图的方法有很多,而这篇文章主要就是教大家如何用origin软件绘制折线图。

表1为A材料和B材料X指标各时间测定值,有3个时间点:T1、T2、T3。

《origin如何绘制多条折线_如何用origin绘制数据变化折线图》

表1

打开OriginPro 8,就可以看到图1的界面。

《origin如何绘制多条折线_如何用origin绘制数据变化折线图》

图1

在Book1空白处点鼠标右键,增加列Add New Column。

《origin如何绘制多条折线_如何用origin绘制数据变化折线图》

图2

总共需要5列,现在默认有2列,还需增加3列。

《origin如何绘制多条折线_如何用origin绘制数据变化折线图》

图3

然后把列设置成对应的属性,时间T1、T2、T3为X值,测定指标的平均值为Y值,其标准误为对应的Y Error。

具体操作为:先鼠标左键点击需要修改的列的上方,整列变成黑色之后,再右键点击需要修改的列的上方,选择Set As,图4例中第三列我们需要设置为Y Error。

《origin如何绘制多条折线_如何用origin绘制数据变化折线图》

图4

把第3列和第5列设置成Y Error,如图5。

《origin如何绘制多条折线_如何用origin绘制数据变化折线图》

图5

再输入对应的数值。

《origin如何绘制多条折线_如何用origin绘制数据变化折线图》

图6

鼠标左键选中数值区域,变黑后,点击左下方折线图图标右边的三角形下拉菜单,选择Line + Symbol。

《origin如何绘制多条折线_如何用origin绘制数据变化折线图》

图7

得到的折线图如图8,A材料用黑色的中间带方框的线条表示,B材料用红色的中间带圆圈的线条表示。

《origin如何绘制多条折线_如何用origin绘制数据变化折线图》

图8

双击横坐标的备注A,将其改为“Time”,双击纵坐标的备注B,将其改为“X”。这样我们就得到了A材料和B材料的X指标随着时间的变化折线图了。

《origin如何绘制多条折线_如何用origin绘制数据变化折线图》

图9


推荐阅读
  • ES6引入了Symbol这一新型原始数据类型,其核心特性在于能够生成独一无二的值。起初,对于“独一无二”的概念我并未完全理解,但通过查阅相关资料并结合个人见解,逐步掌握了其精髓。Symbol的独特之处不仅在于其唯一性,还在于它在编程中的多种应用场景,如防止属性名冲突等。本文将深入探讨Symbol的特性和实际应用,帮助读者全面理解这一重要特性。 ... [详细]
  • 遗传算法中选择算子为何置于交叉算子和变异算子之前?本文探讨了这一问题,并详细介绍了遗传算法中常用的选择算子类型及其作用机制。此外,还分析了不同选择算子对算法性能的影响,为实际应用提供了理论依据。 ... [详细]
  • 非线性门控感知器算法的实现与应用分析 ... [详细]
  • 阿里巴巴终面技术挑战:如何利用 UDP 实现 TCP 功能?
    在阿里巴巴的技术面试中,技术总监曾提出一道关于如何利用 UDP 实现 TCP 功能的问题。当时回答得不够理想,因此事后进行了详细总结。通过与总监的进一步交流,了解到这是一道常见的阿里面试题。面试官的主要目的是考察应聘者对 UDP 和 TCP 在原理上的差异的理解,以及如何通过 UDP 实现类似 TCP 的可靠传输机制。 ... [详细]
  • 在《数字图像处理及应用(MATLAB)第4章》中,详细探讨了“逢七必过”游戏规则的实现方法,并结合数字图像处理技术进行了深入分析。本章通过丰富的实例和代码示例,展示了如何利用MATLAB实现这一游戏规则,并介绍了数字图像处理的基本原理和技术应用。内容涵盖了图像增强、滤波、边缘检测等多个方面,为读者提供了全面的技术支持和实践指导。 ... [详细]
  • 线性回归模型及其损失函数详解
    在线性回归模型中,假设输入特征与输出结果之间存在线性关系,即特征与结果之间的关系不超过一次方程。该模型适用于处理收集到的数据集,其中每个数据点的各个分量被视为一个特征。每个特征都对应一个未知的参数,通过最小化损失函数来估计这些参数,从而实现对模型的优化。 ... [详细]
  • 在机器学习领域,深入探讨了概率论与数理统计的基础知识,特别是这些理论在数据挖掘中的应用。文章重点分析了偏差(Bias)与方差(Variance)之间的平衡问题,强调了方差反映了不同训练模型之间的差异,例如在K折交叉验证中,不同模型之间的性能差异显著。此外,还讨论了如何通过优化模型选择和参数调整来有效控制这一平衡,以提高模型的泛化能力。 ... [详细]
  • 在2022年11月2日的AcWing每日编程挑战中,任务是计算一个长度为n的整数序列中的逆序对数量。逆序对是指在序列中,若存在两个下标i和j(i < j),且a[i] > a[j],则称这两个元素构成一个逆序对。本题要求实现一个算法来高效地统计这些逆序对的数量。 ... [详细]
  • OpenAI首席执行官Sam Altman展望:人工智能的未来发展方向与挑战
    OpenAI首席执行官Sam Altman展望:人工智能的未来发展方向与挑战 ... [详细]
  • 探讨 OpenCV 和 Matlab 在最小二乘法直线拟合中的结果差异及原因分析
    在使用最小二乘法进行直线拟合时,OpenCV和Matlab的计算结果存在显著差异。通过详细分析发现,这种不一致性可能源于两种软件在算法实现、数据处理方式以及数值稳定性上的不同。进一步研究还表明,输入数据的格式和预处理步骤也可能对最终结果产生影响。为了确保结果的一致性和准确性,建议在实际应用中对这两种工具的输出进行对比验证,并选择最适合具体应用场景的方法。 ... [详细]
  • 二分查找算法详解与应用分析:本文深入探讨了二分查找算法的实现细节及其在实际问题中的应用。通过定义 `binary_search` 函数,详细介绍了算法的逻辑流程,包括初始化上下界、循环条件以及中间值的计算方法。此外,还讨论了该算法的时间复杂度和空间复杂度,并提供了多个应用场景示例,帮助读者更好地理解和掌握这一高效查找技术。 ... [详细]
  • 在《Linux高性能服务器编程》一书中,第3.2节深入探讨了TCP报头的结构与功能。TCP报头是每个TCP数据段中不可或缺的部分,它不仅包含了源端口和目的端口的信息,还负责管理TCP连接的状态和控制。本节内容详尽地解析了TCP报头的各项字段及其作用,为读者提供了深入理解TCP协议的基础。 ... [详细]
  • K-均值聚类算法是一种经典的划分方法,广泛应用于数据挖掘和机器学习领域。该算法通过将数据集划分为多个互斥的簇,确保每个对象仅归属于一个簇。然而,这种严格的归属要求忽略了潜在的离群点和数据的复杂性,限制了其在某些场景下的适用性。为了提高算法的鲁棒性和灵活性,研究者们提出了多种改进方法,如引入模糊隶属度和基于密度的聚类技术。这些改进不仅提升了算法的性能,还扩展了其在实际问题中的应用范围。 ... [详细]
  • 本文通过对快速排序和堆排序的算法效率进行详细对比分析,探讨了快速排序在实际应用中为何能表现出更高的性能。快速排序通过分治策略实现高效排序,其平均时间复杂度为O(n log n),而堆排序虽然最坏情况下的时间复杂度也是O(n log n),但在实际运行中由于频繁的数据交换和维护堆结构的操作,导致其性能不如快速排序。此外,快速排序在缓存友好性和并行处理方面也具有明显优势,使其在现代计算机架构中表现更为出色。 ... [详细]
  • 《我的世界》Java版种子合集:探索多样世界生成
    本文介绍了《我的世界》Java版中用于生成多样化游戏世界的种子代码。这些种子是由一个或多个字符(包括正整数和负整数)组成的值,能够为玩家带来截然不同的地形和环境体验。通过使用不同的种子,玩家可以探索各种独特的地貌、生物群系和结构,从而丰富游戏的乐趣和挑战性。 ... [详细]
author-avatar
sunshinechenxm
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有