1 频数分析

setwd("C:\\Users\\Lenovo\\Desktop\\order")
library(readxl)  # 调取readxl包读取excel文件
data=read_excel("data1.xlsx")
data=as.data.frame(data) # 转换数据list为dataframe
head(data) 

##   Optimal Depth time distance    x  y
## 1       1     2    3    0.123 0.10  2
## 2       2     1    2    0.006 0.20  4
## 3       3     2    1    0.000 0.15  7
## 4       4     3    5    0.147 0.15  5
## 5       5     0    0    0.203   NA NA
## 6       6     4    4    0.287   NA NA

plot(data$Optimal,data$Depth) # 绘制散点图形 
text(data$Optimal-0.3,data$Depth,data$time,xlab="",ylab="")  # 给散点图形添加标签

2 相似差异

library(factoextra)
library(readxl)
data2=read_excel("C:\\Users\\Lenovo\\Desktop\\order\\Rank_scaling_foraminifera.xlsx")
data2=as.data.frame(data2) # 转换数据框
head(data2)

##   ..1  1 2  3  4 5  6  7  8 9 10
## 1   A  1 1  1  1 1  1  2  3 4 NA
## 2   B NA 1  1  1 1  1  1 NA 2  1
## 3   C  3 1 NA NA 2 NA NA NA 4 NA
## 4   D  2 1 NA NA 4 NA  3  5 6  7
## 5   E  2 1  3  6 1  7  4  5 8 NA
## 6   F  1 3  1  2 2 NA  4  4 5  6

result <- dist(data2, method = "euclidean") # 进行欧式距离计算

result_hc <- hclust(d = result, method = "ward.D2") # 用欧式距离进行聚类

fviz_dend(result_hc, cex = 0.6,horiz=TRUE,show_labels = TRUE) # 对欧式距离的结果

  首先对生物事件的顺序进行排序。从低到高（1-10）排列位置（Position），并重新确定不同生物事件（Event）之间的先后顺序。区间（Range）表示该事件在该位置的不确定性。

  第二步判断不同生物事件之间的间距。事件的顺序列于左侧，相连事件的时间间隔列于右侧。

   第三步，将每个测井的数据与得到的“标准”序列进行对比。如图中例子，该测井中的事件3和事件2，事件10和事件9之间均出现了倒转。

3 本章汇总

4 参考文献

[1]https://blog.csdn.net/tandelin/article/details/99547342

[2]The long-term ecology and evolution of marine reptiles in a Jurassic seaway,2018, Foffa et al.-Nature-ecology & evolution

[3]Foffa et al.-Nature ecology & evolution,supplementary-2018