前往小程序，Get更优阅读体验！
立即前往
文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
首页
学习
活动
专区
工具
TVP最新优惠活动
返回腾讯云官网
社区首页 >专栏 >「分享」差异分析完整解决方案：Easystat

「分享」差异分析完整解决方案：Easystat

作者头像
王诗翔呀
发布于 2020-07-03 16:52:56
2.3K0
发布于 2020-07-03 16:52:56
举报
文章被收录于专栏：优雅R

差异分析完整解决方案：Easystat

本次更新：

  • 修改整个R包，包括包名； 安装EasyStat包，本次安装包只要你可以用下载，应该可以安装成功。 因为我已经将全部的依赖都写好了.
  • 增加多组展示同一张图的可视化方式。
  • 修改字母标记无法显示完整问题
  • 增加line展示差异ns是否显示的参数。
  • 增加线柱图展示。 参考（NBT线虫工程菌）。

EasyStat 使用指南

代码语言：javascript
复制
library(devtools) 
remotes::install_github(“taowenmicro/EasyStat”)
remotes::install_git(‘https://gitee.com/wentaomicro/EasyStat‘)

如果国外不可用，则使用国内码云安装

导入包和数据，数据均来自真实试验和文公开文献下载，通过调整分组加入。

代码语言：javascript
复制

# 导入差异分析包
library(EasyStat)
library(ggplot2)# 用于作图
library("dplyr")# 用于数据处理

# #使用内置数据1
# data(data_wt)
# #内置数据2
# data(env)

基于单个指标的统计分析

正态检验和方差齐性分析，使用?NorNorCVTest查看帮助信息

代码语言：javascript
复制
# 使用?NorNorCVTest查看帮助信息
##使用案例
NorCV = NorNorCVTest(data = data_wt, i= 4,method_cv = "leveneTest")

#提取正态检验结果
NorCV[[1]]

# No         Name         W   p.value norm.test
# 1            1           CF 0.9385422 0.6474760      Norm
# 2            2           CK 0.9306138 0.5848500      Norm
# 3            3          Rhi 0.9651627 0.8585061      Norm
# 4            4           WT 0.9756280 0.9278774      Norm
# 5 Test Method: Shapiro-Wilk        NA        NA      <NA>

#提取方差齐性检验结果
NorCV[[2]]
# [1] 0.247

norm.test会按照分组告诉大家是否符合正态分布。

方差分析(aovMcomper)

  • data:输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
  • i:代表您想要进行统计的列，比如：第三列：i = 3
  • method_Mc:选择需要使用的多重比较方法，这里又多种方法可供选择：method_Mc == “LSD”;method_Mc == “SNK”;method_Mc == “Duncan”;method_Mc == “scheffe”
代码语言：javascript
复制
# ?aovMcomper

result= aovMcomper (data = data_wt, i= 6,method_Mc = "Tukey")

# 提取多重比较结果
result[[1]]
# groups group
# CF      a     CF
# CK      a     CK
# Rhi      b   Rhi
# WT      a     WT
#提取方差检验结果
result[[2]]

# Call:
#   aov(formula = count ~ group, data = ss)
#
# Terms:
#   group    Residuals
# Sum of Squares  169573500000   3387000000
# Deg. of Freedom            3           20
#
# Residual standard error: 13013.45
# Estimated effects may be unbalanced

结果中多重比较的展示全部使用字母表示了，虽然许多多种比较方法默认展示方式不同，但是我已经在包中将这些展示方式调整一致为字母。

非参数检验

两个参数代表的意义与方差分析的两个相同；

  • data:输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
  • i:代表您想要进行统计的列，比如：第三列：i = 3
代码语言：javascript
复制
# ?KwWlx
res = KwWlx(data = data_wt, i= 6)

# 调用非参数两两比较结果：字母标记展示
res[[1]]

# groups group
# CF      ab    CF
# CK       a    CK
# Rhi      c   Rhi
# WT       b    WT

#表格展示两两之间差异结果
res[[2]]

# .y.   group1 group2       p p.adj p.format p.signif method
# <chr> <chr>  <chr>    <dbl> <dbl> <chr>    <chr>    <chr>
#   1 count CF     CK     0.123   0.25  0.1228   ns       Wilcoxon
# 2 count CF     Rhi    0.00470 0.028 0.0047   **       Wilcoxon
# 3 count CF     WT     0.864   0.86  0.8643   ns       Wilcoxon
# 4 count CK     Rhi    0.00470 0.028 0.0047   **       Wilcoxon
# 5 count CK     WT     0.0488  0.15  0.0488   *        Wilcoxon
# 6 count Rhi    WT     0.00470 0.028 0.0047   **       Wilcoxon

差异可视化方案（两种差异表示，三种图形展示）

柱状图展示方差分析或非参数检验结果（aovMuiBarPlot）

在这个包中将差异检测和出图部分分离，方便选择合适的图表和差异可视化的策略。最终要的参数是result ：为前面差异分析结果中的第一个表单，格式为第一列差异显著字母，第二列分组标签，列名，分组标签。如果只是用可视化的函数，直接从外面导入类似数据即可。

代码语言：javascript
复制
# ?aovMuiBarPlot
###----使用方差检验结果和多重比较结果做展示：柱状图展示
PlotresultBar = aovMuiBarPlot(data = data_wt, i= 6,sig_show ="abc",result = result[[1]])
#提取结果
p <- PlotresultBar[[1]]

ggsave("1.png",p)

#提取方差分析或非参数检验结果
PlotresultBar[[2]]
代码语言：javascript
复制
# ?aovMuiBarPlot
###----使用方差检验结果和多重比较结果做展示：柱状图展示
PlotresultBar = aovMuiBarPlot(data = data_wt, i= 6,sig_show ="line",result = result[[1]])
#提取结果
p <- PlotresultBar[[1]]
ggsave("2.png",p)
#提取方差分析或非参数检验结果
PlotresultBar[[2]]
代码语言：javascript
复制
# ?aovMuiBarPlot
###----使用方差检验结果和多重比较结果做展示：柱状图展示
PlotresultBar = aovMuiBarPlot(data = data_wt, i= 5,sig_show ="line",result = result[[1]],ns =TRUE)
#提取结果
p <- PlotresultBar[[1]]
ggsave("3.png",p)
#提取方差分析或非参数检验结果
PlotresultBar[[2]]
  • data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
  • i：代表您想要进行统计的列，比如：第三列：i = 3
  • sig_show：代表差异展示方式；sig_show =”abc”是使用字母表示;sig_show =”line”是使用连线和星号表示；如果是NA，那么就不显示显著性结果
  • result：代表显著性差异分析结果，是一个数据框，第一列是显著性差异字母，第二列是分组group
箱线图展示方差分析或非参数检验结果（aovMuiBoxP）
  • data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
  • i：代表您想要进行统计的列，比如：第三列：i = 3
  • sig_show：代表差异展示方式；sig_show =”abc”是使用字母表示;sig_show =”line”是使用连线和星号表示；如果是NA，那么就不显示显著性结果
  • result：代表显著性差异分析结果，是一个数据框，第一列是显著性差异字母，第二列是分组group
代码语言：javascript
复制
# ?aovMuiBoxP
# #使用案例
PlotresultBox = aovMuiBoxP(data = data_wt, i= 6,sig_show ="abc",result = result[[1]])
# 提取检验结果
PlotresultBox[[2]]
#提取图片
p = PlotresultBox[[1]]
ggsave("4.png",p)
代码语言：javascript
复制
# ?aovMuiBoxP
# #使用案例
PlotresultBox = aovMuiBoxP(data = data_wt, i= 6,sig_show ="line",result = result[[1]])
# 提取检验结果
PlotresultBox[[2]]
#提取图片
p = PlotresultBox[[1]]
ggsave("5.png",p)
代码语言：javascript
复制
# ?aovMuiBoxP
# #使用案例
PlotresultBox = aovMuiBoxP(data = data_wt, i= 6,sig_show ="line",result = result[[1]],ns = TRUE)
# 提取检验结果
PlotresultBox[[2]]
#提取图片
p = PlotresultBox[[1]]
ggsave("6.png",p)

点柱图-完美解决柱状图无法展示样本信息的缺陷

代码语言：javascript
复制
result= aovMcomper (data = data_wt, i= 6,method_Mc = "Tukey")
# # 提取多重比较结果
result[[1]]
PlotresultBox = aovMuiBoxBarP(data = data_wt, i= 6,sig_show ="abc",result = result[[1]],ns = TRUE)
#提取图片
p = PlotresultBox[[1]]
ggsave("7.png",p)
代码语言：javascript
复制
PlotresultBox = aovMuiBoxBarP(data = data_wt, i= 6,sig_show ="line",result = result[[1]],ns = FALSE)
#提取图片
p = PlotresultBox[[1]]

ggsave("8.png",p)

EasyStat包为什么能完美解决差异分析呢.因为他比你想象的要强大。下面使用连线形式展示差异，显著的差异按照标注星号，不显著的标注ns。

代码语言：javascript
复制
PlotresultBox = aovMuiBoxBarP(data = data_wt, i= 6,sig_show ="line",result = result[[1]],ns = TRUE)
#提取图片
p = PlotresultBox[[1]]
p
ggsave("9.png",p)

多指标模式

多个指标同时做正态检验和方差齐性分析（MuiNorCV）

这里对多组数据进行分析，结果我是用T或F代表，方便阅读。

  • data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
  • num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
  • method_cv：代表选择方差齐性的方法，有两种可供选择：method_cv == “bartlett.test” ;method_cv == “leveneTest”
代码语言：javascript
复制
dim(data_wt)
# ?MuiNorCV
# 使用案例
norCv = MuiNorCV(data = data_wt,num = c(4:10),method_cv = "leveneTest")
#展示正态检验和方差齐性结果
norCv

这里由于指标比较多，所以我将结果进行简化，直接使用ture和false来提示大家，cor是正态性检测组，cv是方差齐性检测。

多个指标方差检验（MuiaovMcomper）
  • data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
  • num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
  • method_Mc：选择需要使用的多重比较方法，这里又多种方法可供选择：method_Mc = “LSD”;method_Mc = “SNK”;method_Mc = “Duncan”;method_Mc =”scheffe”
代码语言：javascript
复制
# ? MuiaovMcomper
# #使用案例
result = MuiaovMcomper(data = data_wt,num = c(4:6),method_Mc = "Tukey")
#提取每个指标方差检验多重比较结果
result

同样，多个指标展示按照指标每列为一组检测结果。

多个指标非参数检验（MuiKwWlx）

  • data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
  • num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
代码语言：javascript
复制
# ? MuiKwWlx
# #使用案例
result = MuiKwWlx(data = data_wt,num = c(4:6))
#提取每个指标非参数检验多重比较结果
result

结果和多组方差分析结果一样。很好用于后面的出图，同样也适合自己导入数据，使用出图

多组数据可视化差异分析结果：柱状图（MuiPlotresultBar）

多组指标分开出图，比较麻烦的是图形的保存，如果还需要让你一个一个保存图片，那也是相当繁琐的，所以这里我设置了自动保存，也只有这种方式是自动保存，其他单个，多组分面图形较少，所以就可以自己保存。

我让该函数自动保存每个指标的出图文件到当前文件夹中。这些文件以该指标名称命名；

  • data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
  • num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
  • sig_show：代表差异展示方式；sig_show =”abc”是使用字母表示;sig_show =”line”是使用连线和星号表示；如果是NA，那么就不显示显著性结果
  • result：代表显著性差异分析结果，是一个数据框，每一列是显著性标记字母,MuiKwWlx
代码语言：javascript
复制
# ?MuiPlotresultBar
# # #使用案例
result = MuiKwWlx(data = data_wt,num = c(4:6))
result
# #结果直接输出到文件夹中
MuiPlotresultBar(data = data_wt,num = c(4:6),result = result ,sig_show ="line")

多组数据可视化差异分析结果：箱线图（MuiPlotresultBox）

我让该函数自动保存每个指标的出图文件到当前文件夹中。这些文件以该指标名称命名；

  • data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
  • num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
  • sig_show：代表差异展示方式；sig_show =”abc”是使用字母表示;sig_show =”line”是使用连线和星号表示；如果是NA，那么就不显示显著性结果
  • result：代表显著性差异分析结果，是一个数据框，每一列是显著性标记字母,MuiKwWlx ```{R} ?MuiPlotresultBox 使用案例 result = MuiKwWlx(data = data_wt,num = c(4:8)) result #直接出图到文件夹中 MuiPlotresultBox(data = data_wt,num = c(4:8),result = result,sig_show =”abc”)
代码语言：javascript
复制
### 线柱图

输入和箱线图一致
```{R}
# ?MuiPlotresultBox
#使用案例
result = MuiKwWlx(data = data_wt,num = c(4:8))
result
# #直接出图到文件夹中
MuiPlotReBoxBar(data = data_wt,num = c(4:8),result = result,sig_show ="line")
差异结果展示：分面展示柱状图：(FacetMuiPlotresultBar)

更新:

  • 由于不同指标坐标轴范围不同，分面添加显著性标示会让最高点的标示遮盖，已解决
  • data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
  • num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
  • sig_show：代表差异展示方式；sig_show =”abc”是使用字母表示;sig_show =”line”是使用连线和星号表示；如果是NA，那么就不显示显著性结果
  • result：代表显著性差异分析结果，是一个数据框，每一列是显著性标记字母,MuiKwWlx
  • ncol:代表分面展示每一行放几张图
代码语言：javascript
复制
# ?FacetMuiPlotresultBar
# # #使用案例
result = MuiaovMcomper(data = data_wt,num = c(4:7),method_Mc = "Tukey")
result
result1 = FacetMuiPlotresultBar(data = data_wt,num = c(4:7),result = result,sig_show ="abc",ncol = 4 )
p <- result1[[1]]
ggsave("10.png",p)

差异结果展示：分面展示箱线图：(FacetMuiPlotresultBox)

  • data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
  • num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
  • sig_show：代表差异展示方式；sig_show =”abc”是使用字母表示;sig_show =”line”是使用连线和星号表示；如果是NA，那么就不显示显著性结果
  • result：代表显著性差异分析结果，是一个数据框，每一列是显著性标记字母,MuiKwWlx
  • ncol:代表分面展示每一行放几张图
代码语言：javascript
复制
# ?FacetMuiPlotresultBox
# #使用案例
result = MuiKwWlx(data = data_wt,num = c(4:7))
result
#
result1 = FacetMuiPlotresultBox(data = data_wt,num = c(4:7),result = result,sig_show ="abc",ncol = 4 )
p <- result1[[1]]
ggsave("11.png",p)

使用两种方法，我们可以对比非参数检验和方差检验结果是否一致

下面使用线柱图展示

代码语言：javascript
复制
# #使用案例
result = MuiKwWlx(data = data_wt,num = c(4:7))
result
#
result1 = FacetMuiPlotReBoxBar(data = data_wt,num = c(4:7),result = result,sig_show ="abc",ncol = 4 )
p <- result1[[1]]
ggsave("12.png",p)

注意以上三种分面展示的目前仅支持字母标注显著性，连线形式的尚未添加。

多个分组可视化:GroupBar

使用这种方式可视化一定要注意，坐标轴量度，不同指标范围不一样，因此，单位差距极大的指标一起展示就不太好看了。其次，这里使用line展示会非常混乱，所以我去除了line展示的方式，所以这里没有选择，只能是默认的abc。但是我保留了这个参数，希望以后又更好的方式。

  • ylimit = 1.2 :设置Y轴上界范围
代码语言：javascript
复制
colnames(data_wt)
result = MuiKwWlx(data = data_wt,num = c(8:10))
result = GroupBar(data = data_wt,num = c(8:10),result = result,sig_show ="abc",ylimit = 1.2)
# output result
p <- result[[1]]
ggsave("13.png",p)

这里我想告诉大家，所有的出图函数都可以提取数据，并且自己设计代码出图。

这里我们提取数据,直接出图也是可以的

代码语言：javascript
复制
A = result[[2]]

p<-ggplot(A, aes(x=group , y=mean,group = name ))+
    geom_bar(aes(colour= name,fill = name),stat = "identity", width = 0.9,position = "dodge") +

    geom_errorbar(aes(ymin=mean - SD,
                      ymax=mean + SD,group = name),
                  colour="black",width=0.1,size = 1,position = position_dodge(.9))+

    scale_y_continuous(expand = c(0,0))+#,limits = c(0,a)
    labs(
      y="count"
      # y=name_i
      # title = paste("Normality test",p1,"Homogeneity of variance",p2,sep = ":")
    ) +
    geom_text(data=A, aes(x=group, y=mean +SD ,label=groups),position = position_dodge(.9),vjust = -1)+
    guides(color=guide_legend(title = NULL),shape=guide_legend(title = NULL))
p

ggsave("14.png",p)

单个指标一体化分析（SingleStat）

这个函数可以将我们的目标列做正态检验和方差齐性，然后根据结果选择方差检验或者多重比较方法，最后选择自己需要的出图方式和显著性标记方式展示。

  • data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
  • i：代表您想要进行统计的列，比如：第三列：i = 3
  • method_Mc：选择需要使用的多重比较方法，这里又多种方法可供选择：method_Mc == “LSD”;method_Mc == “SNK”;method_Mc == “Duncan”;method_Mc == “scheffe”
  • plot：可以选择需要的出图类型，柱状图和箱线图
代码语言：javascript
复制
# ?SingleStat
# # #使用案例
# #输出结果第一个为图片，第二个是统计结果，第三个是统计方法
result = SingleStat(data = data_wt,plot = "bar",method_Mc = "Tukey",i= 4,sig_show ="abc")
# #导出图片
p = result[[1]]
p

ggsave("15.png",p)

可以更换出图方式,当然这里会自动判断使用方差分析，还是非参数检验。选择结果会展示在结果的第三个列表中，可自行查看。

代码语言：javascript
复制
# ?SingleStat
# # #使用案例
# #输出结果第一个为图片，第二个是统计结果，第三个是统计方法
result = SingleStat(data = data_wt,plot = "box",method_Mc = "Tukey",i= 4,sig_show ="abc")
# 提取差异检测结果
result[[2]]
# 提取差异检测放啊
result[[3]]

# #导出图片
p = result[[1]]
p
ggsave("16.png",p)
代码语言：javascript
复制
# ?SingleStat
# # #使用案例
# #输出结果第一个为图片，第二个是统计结果，第三个是统计方法
result = SingleStat(data = data_wt,plot = "boxbar",method_Mc = "Tukey",i= 4,sig_show ="abc")
# 提取差异检测结果
result[[2]]
# 提取差异检测放啊
result[[3]]

# #导出图片
p = result[[1]]
p

ggsave("17.png",p)

![image]https://note.youdao.com/yws/public/resource/9141817b606527af013be70dc7713546/xmlnote/B92CE0A975AF4DE2BFFC81062FA275BE/50851)

多个指标一体化分析(MuiStat)

实现了多个指标批量整体运行；这个函数可以将我们的目标列做正态检验和方差齐性，然后根据结果选择方差检验或者多重比较方法，最后选择自己需要的出图方式和显著性标记方式展示。

代码语言：javascript
复制
# ?MuiStat
#使用案例
result = MuiStat(data = data_wt,num = c(4:7),method_cv = "leveneTest",method_Mc = "Tukey",sig_show  = "abc",ncol = 4,plot = "box",plottype = "mui")
p <- result[[1]]

# 提取方差检测的列
result$aov
# 提取f非参数检测的列
result$wlx
# 提取差异检测结果
result$table

ggsave("18.png",p)

柱状图

代码语言：javascript
复制
result = MuiStat(data = data_wt,num = c(4:7),method_cv = "leveneTest",method_Mc = "Tukey",sig_show  = "abc",ncol = 4,plot = "bar",plottype = "mui")
p <- result[[1]]

ggsave("19.png",p)
代码语言：javascript
复制
result = MuiStat(data = data_wt,num = c(4:7),method_cv = "leveneTest",method_Mc = "Tukey",sig_show  = "abc",ncol = 4,plot = "boxbar",plottype = "mui")
p <- result[[1]]
ggsave("20.png",p)

data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了

num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)

method_cv：代表选择方差齐性的方法，有两种可供选择：method_cv == “bartlett.test” ;method_cv == “leveneTest”

method_Mc：选择需要使用的多重比较方法，这里又多种方法可供选择：method_Mc == “LSD”;method_Mc == “SNK”;method_Mc == “Duncan”;method_Mc == “scheffe”

plot：可以选择需要的出图类型，柱状图和箱线图

sig_show：代表差异展示方式；sig_show =”abc”是使用字母表示;sig_show =”line”是使用连线和星号表示；如果是NA，那么就不显示显著性结果

ncol：代表分面展示每一行放几张图

plottype：输出图形是分面展示plottype =mui，还是单张展示:plottype == “single”

本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2020-06-16，如有侵权请联系 cloudcommunity@tencent.com 删除
data
line
na

本文分享自 优雅R 微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ，欢迎热爱写作的你一起参与！

data
line
na
评论
登录后参与评论
0 条评论
热度
最新
登录 后参与评论
推荐阅读
LV.
文章
0
获赞
0
目录
  • 差异分析完整解决方案：Easystat
    • EasyStat 使用指南
      • 基于单个指标的统计分析
      • 方差分析(aovMcomper)
      • 非参数检验
  • 如果国外不可用，则使用国内码云安装
    • 差异可视化方案（两种差异表示，三种图形展示）
      • 柱状图展示方差分析或非参数检验结果（aovMuiBarPlot）
      • 点柱图-完美解决柱状图无法展示样本信息的缺陷
    • 多指标模式
      • 多个指标同时做正态检验和方差齐性分析（MuiNorCV）
      • 多个指标非参数检验（MuiKwWlx）
      • 多组数据可视化差异分析结果：柱状图（MuiPlotresultBar）
      • 多组数据可视化差异分析结果：箱线图（MuiPlotresultBox）
      • 差异结果展示：分面展示箱线图：(FacetMuiPlotresultBox)
      • 下面使用线柱图展示
      • 多个分组可视化:GroupBar
      • 单个指标一体化分析（SingleStat）
      • 多个指标一体化分析(MuiStat)
领券

腾讯云开发者

扫码关注腾讯云开发者

扫码关注腾讯云开发者

领取腾讯云代金券

热门产品

热门推荐

更多推荐

Copyright © 2013 - 2024 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有 

深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

腾讯云计算（北京）有限责任公司 京ICP证150476号 |  京ICP备11018762号 | 京公网安备号11010802020287

问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档

Copyright © 2013 - 2024 Tencent Cloud.

All Rights Reserved. 腾讯云 版权所有

登录 后参与评论