代码示例 

# 1. 导入数据
fund_data <- read.csv("D:/R语言/基金.csv", sep = ',', header = TRUE, na.strings = "--")
fund_data <- fund_data[-1]
fund_data[is.na(fund_data)] <- 0# 2. Z-score标准化函数
standardize <- function(x) {return((x - mean(x)) / sd(x))
}# 3. 对需要标准化的列应用标准化函数
fund_data$最新净值 <- standardize(fund_data$最新净值)
fund_data$累计净值 <- standardize(fund_data$累计净值)
fund_data$日增长率 <- standardize(fund_data$日增长率)# 4. 计算评级分数
fund_data$评级分数 <- rowMeans(fund_data[, c("最新净值", "累计净值", "日增长率")])# 5. 根据评级分数进行评级
fund_data$评级 <- cut(fund_data$评级分数, breaks = c(-Inf, -1, -0.5, 0.5, 1, Inf), labels = c("E", "D", "C", "B", "A"))# 打印基金数据框中的评级列
print(fund_data$评级)# 6. 可视化基金评级分布
# 创建基金评级的条形图，关闭默认的横轴标签（xaxt="n"），并指定标签位置
barplot(table(fund_data$评级), main = "基金评级分布", ylab = "数量", xaxt = "n",names.arg = c("A", "B", "C", "D", "E"))# 添加标签
text(x = 1:5, # x轴位置y = table(fund_data$评级)+0.2, # y轴位置labels = table(fund_data$评级), # 标签pos = 3, # 文本位置，3表示在上方cex = 0.8 # 文本大小
)# 自定义x轴标签
axis(1, at = 1:5, labels = c("A", "B", "C", "D", "E"))# 统计各评级的数量并输出
rating_counts <- table(fund_data$评级)
print("各评级的数量统计：")
print(rating_counts)

评级可视化 

 评级统计