r - 在 R 中可视化纵向分类数据的好方法-6ren

r - 在 R 中可视化纵向分类数据的好方法

转载作者：行者123 更新时间：2023-12-03 09:22:07

[ 更新:尽管我已经接受了一个答案，但如果您有其他可视化想法(无论是 R 还是其他语言/程序)，请添加另一个答案。分类数据分析的文本似乎没有过多地说明纵向数据的可视化，而纵向数据分析的文本似乎没有过多地说明将类别成员随时间推移的主题内变化可视化。对这个问题有更多的答案将使它成为一个更好的资源，可以解决标准引用文献中没有太多涵盖的问题。]

一位同事刚刚给了我一个纵向分类数据集供我查看，我正试图弄清楚如何在可视化中捕捉纵向方面。我在这里发帖，因为我想在 R 中执行此操作，但请告诉我是否也可以交叉发布到 Cross-Validated，因为通常不鼓励交叉发布。

快速背景:数据跟踪了参加学术咨询计划的学生每学期的学术地位。数据采用长格式，有五个变量:“id”、“cohort”、“term”、“standing”和“termGPA”。前两个标识学生和他们在咨询计划中的学期。后三个是记录学生学业成绩和 GPA 的术语。我使用 dput 在下面粘贴了一些示例数据.

我创建了一个马赛克图(见下文)，按队列、排名和学期对学生进行分组。这显示了每个学期在每个学术水平类别中的学生比例。但这并没有捕捉到纵向方面——随着时间的推移跟踪个别学生的事实。我想跟踪具有特定学术地位的学生群体随着时间的推移所走的道路。

例如:在 2009 年秋季(“F09”)中获得“AP”(学术试用)的学生中，有多少比例在 future 的学期中仍然是 AP，哪些比例进入了其他类别(例如，GS，“良好的信誉”)？自进入咨询计划以来，在不同类别之间的移动方面是否存在差异？

我无法弄清楚如何在 R 图形中捕捉这个纵向方面。 vcd包具有可视化分类数据的功能，但似乎没有解决纵向分类数据。是否有可视化纵向分类数据的“标准”方法？ R 是否有为此设计的软件包？长格式适合这种类型的数据还是宽格式会更好？

我会很感激关于解决这个特定问题的建议，以及对文章、书籍等的建议，以了解更多关于可视化纵向分类数据的信息。

这是我用来制作马赛克图的代码。该代码使用下面列出的数据 dput .

library(RColorBrewer)

# create a table object for plotting
df1.tab = table(df1$cohort, df1$term, df1$standing,
            dnn=c("Cohort\nAcademic Standing", "Term", "Standing"))

# create a mosaic plot
plot(df1.tab, las=1, dir=c("h","v","h"), 
     col=brewer.pal(8,"Dark2"),
     main="Fall 2009 and Fall 2010 Cohorts")

这是马赛克图(附带问题:有什么方法可以让 F10 队列的列直接位于 F09 队列的下方并具有相同的宽度，即使 F10 队列中的某些术语没有数据？) :

enter image description here

这是用于创建表格和绘图的数据:

df1 =
structure(list(id = c(101L, 102L, 103L, 104L, 105L, 106L, 107L, 
108L, 109L, 110L, 111L, 112L, 113L, 114L, 115L, 116L, 117L, 118L, 
119L, 120L, 121L, 122L, 123L, 124L, 125L, 101L, 102L, 103L, 104L, 
105L, 106L, 107L, 108L, 109L, 110L, 111L, 112L, 113L, 114L, 115L, 
116L, 117L, 118L, 119L, 120L, 121L, 122L, 123L, 124L, 125L, 101L, 
102L, 103L, 104L, 105L, 106L, 107L, 108L, 109L, 110L, 111L, 112L, 
113L, 114L, 115L, 116L, 117L, 118L, 119L, 120L, 121L, 122L, 123L, 
124L, 125L, 101L, 102L, 103L, 104L, 105L, 106L, 107L, 108L, 109L, 
110L, 111L, 112L, 113L, 114L, 115L, 116L, 117L, 118L, 119L, 120L, 
121L, 122L, 123L, 124L, 125L, 101L, 102L, 103L, 104L, 105L, 106L, 
107L, 108L, 109L, 110L, 111L, 112L, 113L, 114L, 115L, 116L, 117L, 
118L, 119L, 120L, 121L, 122L, 123L, 124L, 125L, 101L, 102L, 103L, 
104L, 105L, 106L, 107L, 108L, 109L, 110L, 111L, 112L, 113L, 114L, 
115L, 116L, 117L, 118L, 119L, 120L, 121L, 122L, 123L, 124L, 125L, 
101L, 102L, 103L, 104L, 105L, 106L, 107L, 108L, 109L, 110L, 111L, 
112L, 113L, 114L, 115L, 116L, 117L, 118L, 119L, 120L, 121L, 122L, 
123L, 124L, 125L), cohort = structure(c(1L, 1L, 1L, 1L, 2L, 1L, 
1L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, 1L, 
1L, 1L, 2L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 
2L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 
1L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 2L, 2L, 2L, 2L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 
1L, 1L, 2L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
2L, 2L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 2L, 2L, 
2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 2L, 
1L, 1L, 1L, 1L, 2L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 2L), .Label = c("F09", "F10"), class = c("ordered", 
"factor")), term = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 
4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 
5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 
5L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 
6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 7L, 7L, 
7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 
7L, 7L, 7L, 7L, 7L, 7L, 7L), .Label = c("S09", "F09", "S10", 
"F10", "S11", "F11", "S12"), class = c("ordered", "factor")), 
    standing = structure(c(2L, 4L, 1L, 4L, NA, 4L, 1L, NA, NA, 
    NA, NA, 2L, 2L, 1L, 4L, 4L, 1L, 3L, NA, NA, 4L, 3L, 1L, 4L, 
    NA, 2L, 1L, 3L, 3L, NA, 1L, 2L, NA, NA, NA, NA, 2L, 4L, 3L, 
    4L, 4L, 4L, 2L, NA, NA, 4L, 2L, 4L, 4L, NA, 3L, 4L, 6L, 6L, 
    1L, 4L, 4L, 1L, 1L, 1L, 1L, 1L, 4L, 6L, 4L, 4L, 1L, 4L, 1L, 
    2L, 4L, 3L, 1L, 4L, 1L, 6L, 1L, 6L, 6L, 7L, 4L, 4L, 2L, 2L, 
    4L, 2L, 6L, 4L, 6L, 7L, 4L, 2L, 4L, 1L, 2L, 4L, 6L, 6L, 4L, 
    2L, 2L, 3L, 6L, 6L, 7L, 4L, 4L, 3L, 4L, 4L, 6L, 2L, 1L, 6L, 
    6L, 4L, 2L, 1L, 7L, 2L, 4L, 6L, 6L, 4L, 4L, 3L, 6L, 4L, 6L, 
    2L, 4L, 4L, 6L, 4L, 4L, 6L, 3L, 2L, 6L, 6L, 4L, 2L, 6L, 3L, 
    4L, 4L, 6L, 6L, 4L, 4L, 5L, 6L, 4L, 6L, 4L, 4L, 4L, 5L, 4L, 
    4L, 6L, 6L, 2L, 6L, 6L, 4L, 3L, 6L, 6L, 4L, 4L, 6L, 6L, 4L, 
    4L), .Label = c("AP", "CP", "DQ", "GS", "DM", "NE", "WD"), class = "factor"), 
    termGPA = c(1.433, 1.925, 1, 1.68, NA, 1.579, 1.233, NA, 
    NA, NA, NA, 2.009, 1.675, 0, 1.5, 1.86, 0.5, 0.94, NA, NA, 
    1.777, 1.1, 1.133, 1.675, NA, 2, 1.25, 1.66, 0, NA, 1.525, 
    2.25, NA, NA, NA, NA, 1.66, 2.325, 0, 2.308, 1.6, 1.825, 
    2.33, NA, NA, 2.65, 2.65, 2.85, 3.233, NA, 1.25, 1.575, NA, 
    NA, 1, 2.385, 3.133, 0, 0, 1.729, 1.075, 0, 4, NA, 2.74, 
    0, 1.369, 2.53, 0, 2.65, 2.75, 0, 0.333, 3.367, 1, NA, 0.1, 
    NA, NA, 1, 2.2, 2.18, 2.31, 1.75, 3.073, 0.7, NA, 1.425, 
    NA, 2.74, 2.9, 0.692, 2, 0.75, 1.675, 2.4, NA, NA, 3.829, 
    2.33, 2.3, 1.5, NA, NA, NA, 2.69, 1.52, 0.838, 2.35, 1.55, 
    NA, 1.35, 0.66, NA, NA, 1.35, 1.9, 1.04, NA, 1.464, 2.94, 
    NA, NA, 3.72, 2.867, 1.467, NA, 3.133, NA, 1, 2.458, 1.214, 
    NA, 3.325, 2.315, NA, 1, 2.233, NA, NA, 2.567, 1, NA, 0, 
    3.325, 2.077, NA, NA, 3.85, 2.718, 1.385, NA, 2.333, NA, 
    2.675, 1.267, 1.6, 1.388, 3.433, 0.838, NA, NA, 0, NA, NA, 
    2.6, 0, NA, NA, 1, 2.825, NA, NA, 3.838, 2.883)), .Names = c("id", 
"cohort", "term", "standing", "termGPA"), row.names = c("101.F09.s09", 
"102.F09.s09", "103.F09.s09", "104.F09.s09", "105.F10.s09", "106.F09.s09", 
"107.F09.s09", "108.F10.s09", "109.F10.s09", "110.F10.s09", "111.F10.s09", 
"112.F09.s09", "113.F09.s09", "114.F09.s09", "115.F09.s09", "116.F09.s09", 
"117.F09.s09", "118.F09.s09", "119.F10.s09", "120.F10.s09", "121.F09.s09", 
"122.F09.s09", "123.F09.s09", "124.F09.s09", "125.F10.s09", "101.F09.f09", 
"102.F09.f09", "103.F09.f09", "104.F09.f09", "105.F10.f09", "106.F09.f09", 
"107.F09.f09", "108.F10.f09", "109.F10.f09", "110.F10.f09", "111.F10.f09", 
"112.F09.f09", "113.F09.f09", "114.F09.f09", "115.F09.f09", "116.F09.f09", 
"117.F09.f09", "118.F09.f09", "119.F10.f09", "120.F10.f09", "121.F09.f09", 
"122.F09.f09", "123.F09.f09", "124.F09.f09", "125.F10.f09", "101.F09.s10", 
"102.F09.s10", "103.F09.s10", "104.F09.s10", "105.F10.s10", "106.F09.s10", 
"107.F09.s10", "108.F10.s10", "109.F10.s10", "110.F10.s10", "111.F10.s10", 
"112.F09.s10", "113.F09.s10", "114.F09.s10", "115.F09.s10", "116.F09.s10", 
"117.F09.s10", "118.F09.s10", "119.F10.s10", "120.F10.s10", "121.F09.s10", 
"122.F09.s10", "123.F09.s10", "124.F09.s10", "125.F10.s10", "101.F09.f10", 
"102.F09.f10", "103.F09.f10", "104.F09.f10", "105.F10.f10", "106.F09.f10", 
"107.F09.f10", "108.F10.f10", "109.F10.f10", "110.F10.f10", "111.F10.f10", 
"112.F09.f10", "113.F09.f10", "114.F09.f10", "115.F09.f10", "116.F09.f10", 
"117.F09.f10", "118.F09.f10", "119.F10.f10", "120.F10.f10", "121.F09.f10", 
"122.F09.f10", "123.F09.f10", "124.F09.f10", "125.F10.f10", "101.F09.s11", 
"102.F09.s11", "103.F09.s11", "104.F09.s11", "105.F10.s11", "106.F09.s11", 
"107.F09.s11", "108.F10.s11", "109.F10.s11", "110.F10.s11", "111.F10.s11", 
"112.F09.s11", "113.F09.s11", "114.F09.s11", "115.F09.s11", "116.F09.s11", 
"117.F09.s11", "118.F09.s11", "119.F10.s11", "120.F10.s11", "121.F09.s11", 
"122.F09.s11", "123.F09.s11", "124.F09.s11", "125.F10.s11", "101.F09.f11", 
"102.F09.f11", "103.F09.f11", "104.F09.f11", "105.F10.f11", "106.F09.f11", 
"107.F09.f11", "108.F10.f11", "109.F10.f11", "110.F10.f11", "111.F10.f11", 
"112.F09.f11", "113.F09.f11", "114.F09.f11", "115.F09.f11", "116.F09.f11", 
"117.F09.f11", "118.F09.f11", "119.F10.f11", "120.F10.f11", "121.F09.f11", 
"122.F09.f11", "123.F09.f11", "124.F09.f11", "125.F10.f11", "101.F09.s12", 
"102.F09.s12", "103.F09.s12", "104.F09.s12", "105.F10.s12", "106.F09.s12", 
"107.F09.s12", "108.F10.s12", "109.F10.s12", "110.F10.s12", "111.F10.s12", 
"112.F09.s12", "113.F09.s12", "114.F09.s12", "115.F09.s12", "116.F09.s12", 
"117.F09.s12", "118.F09.s12", "119.F10.s12", "120.F10.s12", "121.F09.s12", 
"122.F09.s12", "123.F09.s12", "124.F09.s12", "125.F10.s12"), reshapeLong = structure(list(
    varying = list(c("s09as", "f09as", "s10as", "f10as", "s11as", 
    "f11as", "s12as"), c("s09termGPA", "f09termGPA", "s10termGPA", 
    "f10termGPA", "s11termGPA", "f11termGPA", "s12termGPA")), 
    v.names = c("standing", "termGPA"), idvar = c("id", "cohort"
    ), timevar = "term"), .Names = c("varying", "v.names", "idvar", 
"timevar")), class = "data.frame")

最佳答案

这里有一些绘制数据的想法。我使用了 ggplot2，并且在某些地方重新格式化了数据。

图1

enter image description here
我使用堆叠条形图来模拟您的马赛克图并解决对齐问题。

图2

每个学生的数据点由一条灰线连接，让人联想到平行坐标图。为点着色显示分类地位。在 y 轴上使用 GPA 有助于分散点以减少过度绘制，并显示站立和 GPA 的相关性。一个主要问题是许多有效的standing数据点丢失是因为它们缺少匹配的 termGPA 值。

图 3

enter image description here
在这里，我创建了一个名为 initial_standing 的新变量用于分面。每个面板包含在 cohort 和 initial_standing 中都匹配的学生。将 id 绘制为文本会使这个数字有点困惑，但在某些情况下可能很有用。

图 4

这个图就像一个热图，其中每一行都是一个学生。我控制了id的顺序轴强制 initial_standing 和同类群组保持在一起。如果您有更多行，您可能需要考虑按某种类型的聚类对行进行排序。

library(ggplot2)

# Create new data frame for determining initial standing.
standing_data = data.frame(id=unique(df1$id), initial_standing=NA, cohort=NA)

for (i in 1:nrow(standing_data)) {
    id = standing_data$id[i]
    subdat = df1[df1$id == id, ]
    subdat = subdat[complete.cases(subdat), ]
    initial_standing = subdat$standing[which.min(subdat$term)]
    standing_data[i, "initial_standing"] = as.character(initial_standing)
    standing_data[i, "cohort"] = as.character(subdat$cohort[1])
}

standing_data$cohort = factor(standing_data$cohort, levels=levels(df1$cohort))
standing_data$initial_standing = factor(standing_data$initial_standing,
                                        levels=levels(df1$standing))

# Add the new column (initial_standing) to df1.
df1 = merge(df1, standing_data[, c("id", "initial_standing")], by="id")

# Remove rows where standing is missing. Make some plots tidier.
df1 = df1[!is.na(df1$standing), ]

# Create id factor, controlling the sort order of the levels.     
id_order = order(standing_data$initial_standing, standing_data$cohort)
df1$id = factor(df1$id, levels=as.character(standing_data$id)[id_order])


p1 = ggplot(df1, aes(x=term, fill=standing)) +
     geom_bar(position="fill", colour="grey20", size=0.5, width=1.0) +
     facet_grid(cohort ~ .) +
     scale_fill_brewer(palette="Set1")

p2 = ggplot(df1, aes(x=term, y=termGPA, group=id)) + 
     geom_line(colour="grey70") + 
     geom_point(aes(colour=standing), size=4) + 
     facet_grid(cohort ~ .) +
     scale_colour_brewer(palette="Set1")

p3 = ggplot(df1, aes(x=term, y=termGPA, group=id)) +
     geom_line(colour="grey70") + 
     geom_point(aes(colour=standing), size=4) + 
     geom_text(aes(label=id), hjust=-0.30, size=3) +
     facet_grid(initial_standing ~ cohort) +
     scale_colour_brewer(palette="Set1")


p4 = ggplot(df1, aes(x=term, y=id, fill=standing)) + 
     geom_tile(colour="grey20") +
     facet_grid(initial_standing ~ ., space="free_y", scales="free_y") +
     scale_fill_brewer(palette="Set1") +
     opts(panel.grid.major=theme_blank()) +
     opts(panel.grid.minor=theme_blank())

ggsave("plot_1.png", p1, width=10, height=6.25, dpi=80)
ggsave("plot_2.png", p2, width=10, height=6.25, dpi=80)
ggsave("plot_3.png", p3, width=10, height=6.25, dpi=80)
ggsave("plot_4.png", p4, width=10, height=6.25, dpi=80)

关于r - 在 R 中可视化纵向分类数据的好方法，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/11513149/

文章推荐： oracle - if (select count(column) from table) > 0 then

文章推荐：具有多个 Visual Studio 解决方案的 TFS 项目

文章推荐： apache - 选项FollowSymLinks和SymLinksIfOwnerMatch已关闭

文章推荐： twitter-bootstrap - Bootstrap 弹出窗口

ios - 纵向
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。这个问题似乎是题外话，因为它缺乏足够的信息来诊断问题。更详细地描述您的问题或include a mi
javascript - 纵向？
如何将我的 phonegap 应用程序的方向锁定为纵向？我当前的 config.xml正在使用此首选项: 但这没有什么区别，我仍然可以通过旋转我的移动测试设备来在两个方向上定位我的应用程序。此外
ios - 启动画面要求iOS应用-纵向
我正在用Xcode 7开发一个iPhone应用程序，该应用程序只能以纵向模式打开。我的问题是我是否还需要为横向模式提供启动/启动/默认屏幕，或者以各种纵向模式提供它就足够了吗？最佳答案我认为只添加
android - 纵向/横向变化时蓝牙断开连接
我正在试用 BluetoothChat sample ，问题是，当您在纵向/横向模式之间切换时，它会断开连接。我需要做什么才能通过该更改来维护连接和数据？最佳答案几个选项: 将所有蓝牙通信位移动到
html - 主菜单不显示在手机上(纵向)
所以我仍在学习移动设备的 css/html。我有一个网站，在桌面上看起来不错。当您在移动设备上将其拉起时，菜单消失了。如果你进入景观模式，菜单就会出现。对原因有什么帮助吗？菜单代码。
css - react 如何为不同的组件打印横向/纵向
我们的 React 应用程序有大约 10 个不同的路由，我们希望它们都可以打印。我们正在使用 css 打印媒体查询来清理样式以进行打印，并且前端有一个调用 window.print() 的按钮。单击时
iphone - 自定义横向/纵向 View
我想让我的按钮为我的纵向 View 和横向 View 以不同的方式排列。我还希望能够将现在可能在我的纵向 View 中的东西添加到我的横向 View 中。我知道这是可能的原因显然是每部 iphone
纵向/横向上的 jQuery 消防功能
我正在使用 jQuery 为交互式网站触发不同的 css 转换，例如单击时将对象 A 移动到位置 1。现在这些选项在不同的视口(viewport)上应该是不同的。虽然在 css 中使用类很容易实现这
ios - 自动旋转横向/纵向 View
我正在开发一个画廊，我想根据图片方向自动旋转 View 。例如，两张照片: 1200 宽 x 800 高像素 550 宽 x 800 高像素现在要确定哪个是肖像，我只需要检查是否高度>宽度？这是唯一
css - 流体图像 - 纵向/横向
我有一个简单的幻灯片(列表项)，但结合了纵向和横向图像。我在流体网格上工作，所以一切基本上都是 100% 的。我想知道是否有一种方法可以让所有图像保持相同的高度，但宽度保持符合它们的比例。所有图片在
screen-orientation - 如何仅允许平板电脑使用横向/纵向
我想仅在平板电脑中为我的应用程序启用屏幕方向更改，同时将手机中的布局限制为仅纵向。你是怎么做到的？最佳答案无论如何，请阅读this .它应该给你一个关于如何去做的想法。标签允许您声明您希望您的应
ios - UIImagePickerController - 将图片裁剪成正方形(纵向)
我正在使用 UIImagePickerController 拍摄和编辑照片。它在风景中工作正常，但在肖像中它会将图片裁剪成正方形(不允许像在风景中那样缩小图像以完全适合方形裁剪区域。有什么想法吗？代
android - 在保持设备处于横向模式的同时打开应用程序时，纵向 Activity 对话框显示横向
根据产品要求，我必须将应用程序的方向保持为手机纵向和平板电脑横向。在调用 super.onCreate() 之前，使用以下代码为 onCreate() 回调中的每个 Activity 设置方向 pub
html - ipad 纵向 View 中的网站
我的网站在 iPad 上显示不正确 - 纵向模式。它在横向模式下看起来很好，但是当我将它变成纵向模式时，我最终得到一个凌乱的网站。所有元素散布在整个站点。我怎样才能解决这个问题？请帮我。这是我网站的
css - ipad 纵向 View 中的背景图像正在缩小
我已经为网页设置了背景，并且通过提供媒体查询来响应它。当我在 ipadpeek.com 上查看结果时(请查看网站 here 一次以查看原始纵向模式背景和横向模式背景) 对于 ipad 的分辨率，它在横
ios - 始终以横向录制视频甚至设备旋转(横向->纵向->横向)
即使我的设备旋转(纵向->横向->纵向)，我也需要始终以横向模式录制视频。取角度很简单，我用的是hyroscope。我的问题是总是横向录制视频。需要任何建议。我正在使用 AVCaptureSess
ios - 从 PHAsset 获取视频时如何检测视频是横向/纵向？
我正在从 PHAsset 中获取视频，以便用户可以选择视频并导入以执行编辑。但是用户应该只能选择横向视频，如果用户选择纵向视频，她/他会收到警告消息，说明其纵向视频因此无法导入进行编辑。实现此目的的
css - 只有横向模式适用于 iPad 纵向(CSS)
如果你去here在 iPad 上，点击 Chapter1 > Chapter 1 > Get started... 您将在加载屏幕后看到第 1 章页面。基本上，这是将 html 嵌入到由 HTML5
ios - 根据启动方向将 iOS 初始图像定向为横向/纵向
我有一个可以纵向或横向启动的应用程序。我希望 Default.png 文件(应用程序启动时出现的初始图像)以正确的方向显示图像，因此我希望我需要使用两个不同的图像(不同尺寸)。但是，我不知道如何让应用
javascript - HTML5、Javascreen 显示图像(纵向/横向)
我正在寻找一个脚本来检测屏幕是横向还是纵向，而无需旋转手机(如果需要，则为初始屏幕尺寸)，以便在游戏为横向游戏时显示图像以旋转设备(并且页面的初始加载是纵向的)。我找到了很多有关“方向更改”事件的信

行者123

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

r - 在 R 中可视化纵向分类数据的好方法