Send output to:
Browser Blue - Charts White
Browser Black/White
CSV
Data X:
0 0 1 1 1 1 1 1 -1 0 -1 0 1 1 0 1 1 0 0 1 1 2 1 1 1 2 1 2 1 1 1 0 1 1 1 0 0 0 2 2 -1 1 1 1 1 1 1 1 1 1 1 2 2 2 1 1 1 0 2 2 2 2 1 1 1 1 1 1 1 1 0 0 2 1 0 0 1 1 0 1 1 0 0 1 1 2 1 1 1 1 1 1 2 2 1 1 1 1 0 1 0 2 1 1 1 -1 0 -1 -1 0 0 1 1 1 0 -1 1 1 2 1 2 1 1 0 2 1 1 1 0 -1 2 1 2 1 1 1 1 1 1 1 -1 1 2 2 0 0 1 2 2 1 1 1 1 0 0 1 0 2 2 1 2 1 0 1 1 1 1 1 0 0 1 1 1 -1 0 0 0 0 1 1 1 1 2 1 2 1 1 0 1 -1 1 2 2 1 1 1 1 1 1 1 0 0 0 -1 1 -1 -1 -1 1 1 -2 0 0 1 1 0 1 -1 -1 0 -1 1 -2 1 0 1 0 1 1 1 -1 2 1 2 1 1 1 1 0 0 2 1 1 0 1 1 1 1 2 1 1 1 0 -1 1 0 1 1 1 1 2 1 1 1 1 0 1 0 1 1 0 1 0 0 0 1 0 0 1 0 0 0 1 1 0 0 1 1 0 1 1 0 1 1 0 0 0 1 1 0 0 0 -1 0 -1 0 -1 0 0 -1 0 0 -1 -1 -1 0 0 0 0 0 1 0 1 0 0 0 -1 0 1 1 0 0 1 1 1 0 1 0 -1 0 2 0 0 0 1 -1 -1 -1 0 0 1 1 1 -1 0 -2 1 1 0 1 0 -2 1 2 2 1 0 1 2 1 1 2 1 0 0 0 1 1 2 2 1 2 2 2 2 2 1 0 2 1 2 2 2 1 2 1 1 1 1 1 2 1 2 1 1 1 1 2 1 1 2 -1 -1 1 2 1 2 1 1 2 0 1 NA 2 1 1 1 1 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 0 1 1 1 1 -1 1 0 1 1 1 0 1 1 -1 1 1 1 2 1 0 1 -1 -1 0 1 0 0 1 1 0 0 -1 -1 1 -1 -1 0 -1 -1 0 0 1 0 0 1 1 -2 -2 1 -1 2 1 2 1 1 1 2 2 2 1 -1 -1 1 0 2 1 0 1 1 1 -1 1 1 1 0 1 0 1 1 1 -1 1 1 -1 0 -1 0 1 -2 1 -1 0 -1 1 1 1 -1 2 2 1 1 2 2 2 1 -1 1 1 1 1 1 0 NA NA 1 1 2 2 0 -1 1 1 1 NA 0 2 1 -1 1 1 2 2 1 0 2 2 2 1 0 2 2 2 -1 1 2 2 2 2 2 1 2 2 2 2 1 1 2 2 2 0 2 2 2 0 0 1 2 0 1 1 2 -1 0 -1 1 0 2 -1 -1 -1 1 1 2 1 1 2 1 1 1 2 1 0 1 0 0 1 1 1 0 0 0 1 1 1 -1 0 0 0 0 0 1 1 0 1 1 2 1 1 1 0 -1 0 1 1 0 0 0 1 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 1 1 1 1 2 1 0 0 0 1 0 0 0 1 0 0 1 1 0 1 0 0 1 1 1 0 1 1 1 1 1 1 1 1 1 0 1 1 1 1 0 0 0 0 0 1 0 1 1 1 1 2 1 1 1 1 1 1 1 1 0 1 1 0 1 0 0 1 -1 0 1 1 1 -2 0 0 1 -1 0 1 1 0 0 0 2 2 2 2 1 1 1 2 2 1 1 1 1 1 2 2 1 1 1 2 0 1 -1 0 0 0 0 0 1 1 1 1 2 2 1 1 1 1 -1 1 1 1 2 1 0 1 0 1 0 0 0 0 0 NA 0 -1 0 0 0 0 0 1 0 0 1 0 -1 1 0 1 2 1 1 1 1 1 1 1 1 -1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 0 0 1 0 0 0 0 1 -1 0 1 -1 -1 0 1 1 1 1 0 0 0 1 1 1 1 2 NA 2 1 0 1 1 0 0 1 2 1 1 0 1 0 0 -1 0 0 0 1 0 1 1 0 1 0 1 1 0 1 -1 1 0 -1 0 0 -2 -1 -1 1 2 1 1 1 2 2 2 0 1 0 1 1 1 1 0 1 2 1 0 0 1 0 1 1 1 1 1 1 1 1 2 2 2 2 1 1 1 2 0 1 2 2 2 1 1 2 1 2 2 2 2 2 2 2 0 2 2 2 0 2 2 2 1 2 1 2 2 2 2 2 1 2 1 1 2 1 1 0 0 1 1 1 1 2 2 1 2 2 1 2 2 2 2 2 2 2 2 1 0 0 1 0 0 1 1 1 -1 0 -1 0 0 1 1 0 0 0 1 -1 0 -1 0 2 -1 1 0 0 -1 1 1 1 1 1 1 1 0 1 1 1 1 -1 1 1 1 1 1 0 -1 0 1 1 0 0 1 0 1 1 1 0 0 0 1 1 1 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 0 2 1 1 0 1 0 1 1 0 -1 -1 0 -1 1 1 1 1 -2 0 -1 -1 1 1 2 -1 1 0 1 1 2 1 1 2 1 1 1 1 2 1 -1 1 0 1 0 1 1 1 1 2 2 2 1 1 0 0 1 2 1 0 1 1 1 1 0 2 1 1 2 1 2 0 1 -1 1 1 2 1 1 0 -1 -1 1 2 1 2 2 2 1 1 2 2 2 1 1 1 2 1 1 0 1 0 1 0 1 1 0 1 0 0 1 1 1 1 0 1 1 0 1 0 0 1 1 2 0 0 0 0 1 1 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 2 2 1 1 1 2 2 1 -1 0 1 1 0 -1 0 2 2 1 1 0 0 1 1 1 1 1 1 2 0 1 2 1 0 1 0 1 0 1 1 0 0 -1 0 0 1 1 0 1 1 0 1 1 0 1 0 0 0 1 1 -1 0 0 0 1 1 0 1 1 1 0 0 1 0 1 0 1 1 0 1 0 1 1 0 1 1 0 0 0 0 1 0 1 0 2 0 1 1 1 0 1 1 0 0 0 0 1 0 -1 0 -1 0 0 -1 1 0 -1 -1 0 -1 -1 -1 0 0 1 1 -1 0 -1 -1 0 0 1 1 1 1 1 0 2 1 2 0 1 1 2 1 1 1 2 1 1 1 2 1 1 1 1 0 1 NA 1 1 1 1 1 1 1 1 1 0 0 1 0 0 -1 -1 0 -1 0 0 1 1 0 1 1 2 1 0 1 1 0 1 1 1 0 0 1 1 1 1 2 -1 -1 -1 1 1 1 1 1 1 -1 -2 -2 1 1 1 -1 0 -1 -1 1 -1 1 -1 2 -1 1 -1 0 0 1 1 1 1 1 0 0 1 0 1 0 1 1 0 -1 1 1 1 0 0 1 2 1 0 -1 1 -1 1 NA 2 0 1 -1 1 0 1 1 0 0 1 1 1 0 0 0 1 0 -1 0 1 1 1 1 1 0 1 2 1 0 -1 2 NA 2 0 1 1 0 1 1 1 2 1 1 2 1 2 0 1 1 0 0 1 1 0 1 1 1 2 1 0 -1 1 0 2 2 1 2 2 1 2 2 0 1 1 0 0 1 1 1 -1 1 -1 1 0 0 1 0 0 1 1 1 1 0 0 1 1 0 1 1 1 1 1 0 -1 1 1 1 0 0 0 1 0 0 0 1 1 0 1 1 0 0 1 1 2 0 2 1 2 0 0 2 1 0 0 1 0 0 2 1 1 1 1 1 1 0 0 1 -1 0 0 1 1 -2 -1 1 1 2 1 1 1 -1 1 1 1 2 1 2 1 2 1 1 1 2 2 2 1 1 -1 -1 1 1 2 1 0 1 2 1 1 2 0 1 1 1 2 1 2 0 2 1 1 1 2 2 1 1 1 1 1 1 1 1 0 0 0 1 0 0 0 1 1 1 1 0 1 1 1 1 0 1 1 1 1 1 1 0 1 1 2 1 2 2 2 2 1 -1 0 0 1 1 1 2 1 1 2 1 1 2 1 1 2 -1 2 2 2 1 1 1 1 -1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 0 1 0 0 2 1 1 0 0 1 1 0 1 1 -1 1 2 1 2 1 1 0 0 2 2 1 1 2 0 1 2 0 1 1 2 1 1 1 0 0 0 1 0 0 -1 0 1 0 0 1 2 2 2 1 1 1 1 2 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 -1 1 0 1 0 1 1 1 1 1 1 -1 0 0 0 1 -1 1 0 1 0 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 2 0 1 1 1 1 1 1 1 1 1 1 1 1 2 2 1 1 1 1 1 1 1 1 2 1 1 2 2 2 0 0 1 0 0 1 1 1 1 1 2 2 2 1 1 0 0 1 NA 1 NA 1 0 1 0 1 0 0 1 0 0 1 1 1 0 0 1 0 1 1 -1 -1 0 1 -1 1 1 1 1 0 2 1 2 1 1 0 1 2 0 -1 1 0 0 -1 0 -1 -1 -1 -1 0 0 0 1 1 0 0 1 1 1 0 0 0 0 1 0 1 1 1 1 1 1 0 -1 0 0 0 -1 1 0 0 1 0 1 1 0 -1 -2 -2 1 0 -1 -1 1 -1 1 -1 -1 -1 0 -1 0 0 -1 -1 1 2 1 2 1 1 0 1 0 0 0 0 0 0 1 1 1 2 2 2 2 1 1 1 0 1 1 0 1 0 1 1 1 0 1 1 0 1 0 1 0 -1 0 1 1 0 1 1 2 1 0 1 1 1 0 -1 0 0 2 1 1 0 1 0 1 1 0 -1 -1 0 -1 -1 -1 -1 1 -1 0 -1 -1 0 -1 0 0 0 -1 -2 -1 0 -2 0 -1 0 -2 0 -1 0 1 1 -1 1 0 2 2 1 1 0 1 0 1 1 1 2 2 2 1 1 2 1 2 2 1 1 1 1 2 2 2 2 1 0 1 0 0 1 0 0 0 0 0 0 -1 -1 -1 0 -1 0 -1 0 0 -1 0 0 0 1 1 0 -1 0 0 1 0 0 0 1 1 0 -1 1 0 0 0 -1 -2 0 0 0 -1 1 -1 -1 -2 -2 1 0 -2 0 -1 -2 0 -2 1 1 0 0 1 1 2 2 2 1 1 1 0 1 2 1 0 1 1 0 1 1 0 2 1 1 1 2 2 2 2 1 0 1 1 1 1 1 0 2 0 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 1 1 1 1 0 0 1 2 0 1 1 1 1 1 2 1 1 0 1 1 1 1 0 0 1 1 1 1 1 0 1 0 1 1 1 0 0 1 -1 0 -1 0 0 1 0 0 1 1 1 0 1 -1 0 0 0 1 1 1 -1 1 1 0 1 1 -1 1 1 1 1 1 1 1 0 0 1 0 0 0 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 0 1 1 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 0 1 1 -1 1 2 -1 0 -1 0 1 1 0 -1 0 1 1 1 0 0 1 2 2 0 1 2 0 2 0 0 1 2 2 -1 -1 -1 -2 -1 -1 -1 0 1 0 0 -1 0 -1 -1 0 0 -2 -1 -1 -1 1 0 -1 -1 1 -1 1 -1 0 1 0 1 2 2 1 1 1 1 2 0 1 1 1 1 0 0 1 2 2 2 2 2 2 2 2 2 1 1 2 2 2 1 1 2 1 1 1 1 0 0 1 1 0 0 1 1 0 0 2 1 1 1 1 1 2 2 1 1 1 1 1 1 2 1 0 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 NA 1 1 1 1 1 1 2 2 2 2 2 2 1 2 1 2 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 2 2 1 0 0 1 2 1 1 1 1 1 1 1 2 1 1 0 1 1 1 2 1 1 1 1 1 1 1 0 0 0 -1 -1 -1 -1 -1 -1 0 0 0 0 0 1 0 0 0 -1 -1 -1 -1 0 1 1 NA 0 NA 0 0 1 -1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 1 0 0 0 1 1 1 -1 0 1 1 1 2 1 1 1 1 1 0 1 1 0 0 0 -1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 1 0 1 0 0 0 0 0 1 1 1 1 1 1 0 1 1 0 1 1 1 1 1 -1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1 1 2 2 1 1 1 0 1 1 1 1 1 0 1 0 -1 -1 0 0 1 0 0 1 2 0 0 1 -1 -1 1 0 0 -1 0 2 1 1 1 0 -2 2 2 1 0 0 0 1 2 1 1 0 1 0 0 1 0 -1 -1 -2 0 -1 0 -1 1 1 0 0 -1 0 1 1 1 2 2 1 2 0 0 -1 0 1 1 1 0 -1 -1 0 1 0 0 1 1 1 -1 -1 1 1 1 0 0 -1 -1 0 0 1 2 1 0 0 0 1 1 1 0 1 1 1 1 1 0 1 0 -1 1 1 0 0 0 0 1 1 0 1 1 1 2 2 0 1 1 0 2 0 1 1 2 0 2 1 2 1 2 2 2 2 0 1 0 1 1 1 1 1 1 2 2 2 2 2 2 2 1 2 2 2 2 2 1 2 2 1 1 0 0 0 0 0 1 -1 0 0 1 0 0 1 1 1 1 1 0 0 1 1 0 0 0 -1 1 1 0 2 1 1 1 1 1 1 1 0 1 2 -1 0 1 0 0 1 0 -1 -1 1 1 0 1 1 1 1 1 1 0 1 1 1 0 1 -1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 2 0 1 2 2 1 1 -1 -1 -1 1 1 2 1 1 1 1 1 2 2 1 0 1 0 2 0 1 1 1 1 2 -1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 0 1 0 1 0 1 0 1 0 1 0 1 1 1 0 1 1 1 0 1 0 0 1 -1 0 1 1 0 1 -1 0 0 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 1 1 0 1 1 1 1 0 1 1 1 0 1 1 -1 -1 0 1 0 1 0 -1 1 0 1 1 0 1 1 1 1 1 1 1 1 1 0 0 0 0 -1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 0 1 1 1 0 1 1 0 1 2 1 1 1 1 1 0 0 0 1 1 0 0 1 1 1 1 1 0 0 0 1 0 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 0 0 1 1 0 1 1 0 1 0 1 1 1 0 1 1 1 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 0 0 1 0 1 -1 -1 1 -1 0 1 1 0 0 1 1 0 1 1 0 1 -1 0 1 -1 1 NA 1 1 1 1 1 1 0 1 2 1 2 -1 0 2 0 0 0 1 0 2 0 -1 -1 1 1 2 2 0 -1 1 1 2 2 2 1 1 1 1 0 2 2 2 1 1 1 1 2 0 1 0 1 0 0 1 -1 0 1 1 0 1 1 1 1 1 1 0 1 1 1 1 1 0 1 1 0 0 0 1 1 1 -1 0 0 0 -1 0 1 1 1 0 1 0 0 0 0 0 1 1 0 1 0 1 0 1 0 1 0 0 0 1 1 1 0 -1 -1 2 1 0 1 1 -1 0 1 1 1 1 2 1 1 1 2 1 1 0 1 1 1 -1 0 1 1 0 0 2 1 0 -1 0 1 0 0 1 1 0 0 1 2 1 1 2 2 2 -1 1 2 2 1 0 0 1 2 0 0 1 0 0 1 0 0 1 1 0 -1 0 1 0 1 1 0 1 1 1 1 0 1 0 2 0 1 1 1 0 1 2 2 2 2 1 1 2 2 2 1 0 1 0 0 1 1 1 1 1 1 0 1 1 0 1 1 2 0 2 1 1 2 2 2 1 1 0 -2 0 1 -1 1 1 1 1 -1 -2 -1 1 -1 -1 0 0 -1 1 -2 -1 0 1 -1 -1 -1 -1 0 -1 0 1 0 0 0 1 0 1 1 0 -2 1 1 1 0 0 1 1 1 -1 0 1 0 0 1 1 0 0 1 1 0 1 1 1 -1 0 0 1 1 0 1 1 1 1 0 0 0 0 1 1 0 0 1 1 1 0 1 1 0 0 1 1 1 1 1 1 0 2 -1 0 -1 -1 -1 0 1 0 -1 -1 0 1 -2 -1 -1 1 -1 1 0 -2 0 1 -1 0 2 0 -2 2 -1 1 2 2 2 1 1 2 1 1 1 0 1 0 1 1 1 0 1 2 2 2 1 2 2 2 2 1 1 2 1 2 1 1 1 2 2 0 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 1 2 1 1 2 1 1 1 2 1 2 0 1 1 1 1 2 2 1 1 1 1 2 1 1 1 2 1 1 1 2 1 1 1 0 1 2 2 1 0 -1 0 0 1 0 1 0 -1 0 0 1 1 0 0 1 2 0 1 0 1 0 1 1 0 -1 1 1 1 0 0 1 0 1 0 0 1 0 -1 0 0 1 0 1 1 0 0 1 1 1 1 2 0 1 1 0 1 0 0 1 0 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 -1 1 1 0 1 1 1 0 0 0 1 1 1 1 1 1 1 1 1 0 0 0 -2 -1 -2 -1 -2 0 -1 -1 -2 0 1 1 1 1 0 0 2 2 1 1 -2 1 -1 2 1 1 1 1 0 0 0 1 0 0 1 1 0 0 1 2 1 0 1 1 2 0 1 1 2 0 1 0 2 1 1 1 1 2 2 2 2 2 2 2 2 1 0 0 0 1 1 1 1 0 1 1 1 1 0 1 -1 0 1 1 0 1 1 0 1 1 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 0 0 0 0 1 0 0 1 0 1 1 1 0 0 0 1 1 0 1 0 2 2 1 1 0 2 2 2 0 0 0 0 0 0 0 -1 0 -1 -1 -1 -1 0 1 1 1 0 0 1 1 0 1 0 0 1 1 1 1 0 2 0 1 1 0 1 1 2 1 1 2 2 2 1 2 2 0 1 0 1 1 2 0 0 0 1 1 2 2 2 2 1 0 2 2 2 1 1 1 2 2 2 1 1 1 1 1 2 1 0 1 0 1 0 1 1 2 2 1 1 1 0 1 1 2 1 2 0 1 1 1 2 2 2 2 2 0 0 0 1 2 2 2 2 0 0 1 1 2 1 1 2 0 2 0 0 0 0 1 1 -1 0 1 0 0 1 1 2 2 2 2 2 2 2 2 -1 2 2 1 -1 -1 1 1 0 1 1 2 0 2 0 2 1 2 1 1 0 2 2 1 2 0 1 1 0 0 1 2 1 -2 0 0 1 0 1 1 0 0 1 1 -1 -1 0 -1 2 0 2 0 0 -1 1 -1 2 2 1 1 0 -1 0 0 1 -1 2 1 1 0 -1 0 -1 0 0 1 1 0 0 1 0 1 1 2 0 2 0 1 1 1 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 1 0 -1 0 -1 2 -1 -1 1 -1 0 -2 -1 1 0 0 1 1 -1 -2 1 0 0 1 1 1 2 -1 1 0 0 1 1 1 1 1 1 1 1 0 0 1 0 1 1 1 0 0 0 1 1 1 0 1 -1 0 1 1 0 0 1 0 -1 1 1 1 1 1 1 0 1 1 1 -1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 -2 0 1 1 1 1 1 1 1 1 2 2 1 1 2 0 1 -1 0 1 2 1 2 0 -1 -1 2 2 2 2 1 2 2 2 2 2 2 1 2 2 1 2 1 1 2 1 2 1 1 2 0 0 1 1 1 1 1 1 1 2 1 1 2 2 0 1 0 1 2 2 2 1 0 0 1 2 1 1 0 1 1 2 1 0 -1 0 1 0 1 2 2 0 0 2 1 1 2 0 1 2 1 0 2 0 1 1 2 0 1 2 1 1 1 1 2 1 0 1 1 0 1 1 1 0 0 1 1 1 2 1 1 1 1 1 0 1 1 1 1 1 2 1 1 -1 0 0 1 2 -1 -2 1 1 0 0 0 -1 -1 -1 1 1 1 1 -1 -1 0 2 1 1 0 0 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 0 1 0 1 0 1 1 1 0 0 0 1 1 0 0 0 1 1 1 1 1 1 1 1 0 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 -1 0 1 0 0 0 1 1 0 0 0 1 1 0 1 1 1 -1 1 1 1 0 1 -1 1 0 0 -1 2 2 1 0 1 0 1 1 0 0 0 1 1 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 1 1 0 1 1 0 1 0 0 0 1 1 0 0 1 1 1 1 1 1 1 0 0 1 1 1 1 1 0 1 1 1 1 0 1 1 0 0 0 1 1 0 -1 -1 0 -1 0 0 1 1 0 -1 1 0 -1 0 0 -1 -1 -1 -1 0 1 0 -1 1 1 1 1 2 1 1 0 1 0 0 1 1 1 -1 1 1 0 0 1 1 1 0 0 0 0 0 1 1 1 0 0 1 2 1 1 1 0 1 -1 1 0 2 2 0 1 1 0 1 0 1 1 1 1 0 0 1 0 1 -1 0 1 0 0 1 1 0 1 1 1 1 0 1 1 2 1 0 2 1 0 0 1 0 1 1 1 1 0 0 1 1 1 1 0 0 1 1 0 1 1 1 2 1 1 1 1 1 2 0 -1 0 0 2 0 0 0 0 1 1 2 1 1 0 0 1 1 0 1 1 1 0 2 1 1 0 1 1 0 1 0 1 0 1 0 1 1 0 0 1 1 0 0 1 0 0 0 -1 1 -1 0 1 1 0 1 1 1 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 1 1 0 1 0 1 1 -1 0 -1 0 0 2 1 0 0 1 1 0 0 1 -1 -1 0 2 0 -1 1 0 1 1 0 1 1 0 0 0 1 1 1 -1 -1 1 1 0 1 1 1 1 0 1 1 0 -1 -1 -1 1 1 0 0 1 1 1 -1 0 1 1 1 0 1 1 1 1 -2 0 1 1 -1 0 1 0 0 1 1 1 -1 1 0 1 2 1 -1 1 0 0 2 2 2 1 0 0 0 0 1 1 0 -1 -1 0 1 0 0 0 1 1 1 1 1 1 2 2 1 0 1 1 2 1 1 -1 1 1 0 0 1 1 1 0 -1 0 -1 0 0 0 -1 0 1 1 1 1 0 0 0 0 0 1 1 1 0 1 0 1 1 1 1 0 0 -1 0 -2 1 1 1 -2 0 0 -1 0 0 -2 0 0 1 0 0 -2 1 1 -1 0 1 0 2 0 0 1 1 1 0 0 1 0 -1 -1 1 0 -1 0 1 0 1 0 0 -1 -1 1 1 1 -1 0 -1 2 1 1 -1 1 0 0 -1 2 2 2 1 1 1 1 1 2 2 1 1 1 2 1 2 2 2 2 2 2 2 2 2 2 2 0 2 2 2 2 2 2 2 2 1 2 1 1 1 0 1 1 0 0 2 0 1 1 0 2 1 0 1 1 0 2 1 1 1 1 0 2 0 1 1 2 2 1 0 0 0 0 1 1 0 1 0 0 -1 1 0 -1 -1 0 0 1 0 0 1 0 1 1 1 0 1 1 0 1 2 1 1 0 0 1 1 0 0 0 0 0 1 1 0 1 0 1 1 0 1 1 0 0 0 0 1 1 0 0 0 1 1 1 0 1 0 -1 -2 -1 1 1 0 -1 0 1 0 0 0 2 1 1 0 1 -2 -2 0 -1 1 1 2 0 1 0 1 0 2 1 2 2 1 0 1 1 2 1 -1 0 1 1 0 1 1 1 1 1 1 1 1 0 1 1 0 1 0 1 1 1 0 1 1 1 1 1 1 1 1 0 1 0 1 1 1 0 1 1 -1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 0 0 0 0 1 0 -1 0 0 0 -1 0 0 0 0 1 1 0 1 1 1 1 1 0 0 1 1 1 1 0 0 0 2 1 -1 0 -1 0 0 0 1 0 0 -1 0 -1 1 1 -1 -1 1 1 1 0 1 1 2 -1 2 0 1 0 0 1 2 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 2 2 1 1 1 2 2 1 2 1 1 1 1 2 1 1 1 1 1 1 2 2 2 1 0 2 2 2 2 2 0 1 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA -2 -2 0 -2 -2 -2 0 -2 -2 -2 1 0 -1 -1 0 0 -1 0 -1 -1 0 0 0 1 1 2 -1 0 -1 0 0 0 2 1 0 1 0 1 1 1 2 -1 0 1 0 0 1 1 1 1 1 2 2 1 1 0 1 1 2 0 2 1 1 0 2 1 2 1 1 0 1 1 -1 -1 -2 1 -2 -2 -2 -1 1 1 1 0 1 -2 -1 -2 -1 0 2 1 0 0 -2 -2 1 0 1 0 1 2 0 0 1 0 1 0 1 0 1 1 0 1 -1 1 0 1 0 0 0 0 1 0 2 1 1 1 1 0 1 1 1 1 2 2 1 2 1 1 0 1 1 0 0 1 0 1 1 2 1 2 1 0 -1 0 -1 1 1 0 1 1 1 2 1 -1 -1 -1 -2 -1 -1 -1 -1 -1 -1 0 -1 0 1 0 1 0 1 0 -2 0 0 0 1 0 2 -1 0 0 2 2 2 2 1 0 1 0 0 1 1 0 1 1 -1 0 -1 0 1 1 1 -1 0 0 -1 0 -1 1 -2 2 0 0 -1 1 1 2 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA -1 0 1 -1 -1 -2 -1 -2 1 0 -2 -1 -2 0 1 1 0 -2 -1 0 -2 1 -1 1 0 2 -2 1 -1 0 1 2 1 0 0 1 0 0 0 0 0 1 1 0 -1 0 0 0 0 0 0 1 2 -1 -1 -1 0 0 1 -1 -1 0 1 1 1 2 1 1 1 1 1 1 0 0 1 1 1 1 1 1 0 1 1 1 1 0 1 1 1 0 -1 1 0 1 1 1 1 1 2 1 0 1 1 1 0 1 0 1 1 1 0 0 0 0 1 1 1 1 1 0 1 1 2 0 1 0 1 0 1 1 0 2 2 2 1 1 1 1 1 NA 0 1 2 1 1 1 1 -1 0 1 2 1 1 0 1 1 2 -1 0 1 1 2 0 0 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 1 1 0 1 0 1 1 -1 0 1 1 0 0 0 0 0 1 1 1 2 1 1 0 1 1 0 0 1 0 0 1 1 1 1 1 0 1 2 1 0 0 0 1 1 -1 0 1 1 1 2 1 1 0 1 0 1 1 1 0 0 1 1 2 1 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 2 1 1 1 1 1 2 1 -1 0 1 1 1 1 1 0 0 -1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 1 1 1 1 1 1 1 1 0 1 0 0 1 0 1 1 1 1 1 1 1 0 0 0 0 0 1 0 1 0 1 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 1 1 0 0 1 0 0 -1 0 2 0 0 0 0 1 1 1 1 1 2 1 -1 1 1 2 2 1 1 0 0 1 1 1 1 0 0 -1 0 -1 0 -1 0 1 0 0 0 1 0 -1 2 1 1 0 1 0 1 -1 0 2 1 1 1 1 1 0 0 -1 0 2 -1 -2 0 0 0 0 0 -1 2 0 0 -1 -1 0 -1 -1 0 0 1 0 0 1 0 0 -1 -1 0 1 0 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 2 2 1 1 2 1 1 0 1 1 2 1 1 2 1 1 2 2 2 0 1 0 0 1 2 2 1 1 2 -1 2 2 0 0 0 0 0 -1 0 0 -1 0 -1 0 -1 0 1 1 0 1 0 1 1 0 -1 0 1 1 0 1 0 0 1 1 1 1 1 1 0 1 1 0 1 0 1 1 0 1 0 1 0 0 0 1 1 0 0 0 1 1 0 0 0 0 1 0 2 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 0 0 0 0 0 -1 0 1 -1 0 1 0 -1 0 1 -1 -1 0 0 0 -1 1 0 1 -1 1 -1 0 -1 -1 1 1 2 0 0 0 0 0 -1 -1 0 -1 -1 0 0 0 1 0 -1 -1 0 -1 0 -1 1 0 -1 -1 0 -1 0 0 0 -1 0 1 0 1 1 0 1 0 1 0 -1 0 0 1 0 1 1 0 0 1 1 0 0 0 0 0 0 1 0 1 1 0 0 2 1 2 1 2 0 1 1 0 1 1 -1 1 -1 1 2 0 0 0 2 2 1 2 1 1 1 1 0 2 1 0 1 -1 2 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 0 0 0 -1 0 0 -1 -1 -1 0 0 -1 -1 0 -1 0 0 1 0 0 -1 -1 -1 0 2 1 -1 -1 0 0 0 1 1 0 1 0 0 0 1 1 0 0 -1 1 0 0 1 0 1 1 1 1 0 0 0 0 1 1 1 0 1 1 0 2 1 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 0 0 0 -1 -1 0 -1 0 1 1 1 0 0 -1 2 -1 -1 1 -1 0 -1 0 -1 1 0 1 -1 0 0 -1 -1 1 1 -2 -2 -1 -1 -1 -2 -1 0 1 1 1 -2 -1 -1 1 -1 0 1 -1 0 NA 0 -2 0 2 0 -2 1 0 1 0 1 1 1 1 0 0 1 1 1 0 1 0 1 1 0 1 1 0 1 0 1 1 1 1 1 0 -1 1 0 1 1 0 1 0 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 1 1 1 1 1 -1 2 0 -1 1 -1 0 1 1 1 0 1 1 0 -2 0 -1 1 0 1 0 0 0 1 1 1 1 0 1 1 1 0 0 0 1 1 -1 2 0 0 1 1 -1 -1 -1 1 1 0 -1 0 0 -2 0 0 0 0 0 1 2 1 0 0 0 -1 -1 0 -1 -1 0 -2 0 -1 -1 -2 0 0 0 1 0 0 1 1 0 1 2 2 0 1 0 0 -2 2 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA -2 -1 -2 -2 -2 -1 -1 -2 -2 -1 -2 -2 -2 -2 -2 0 0 -1 -2 -1 -2 0 -1 -1 -1 0 -1 0 -1 0 1 0 0 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 0 -2 -1 -2 1 1 -1 0 1 1 -1 -1 -1 2 2 1 2 1 1 -2 2 1 2 2 2 -2 2 2 2 2 2 2 2 2 2 1 1 2 0 1 0 0 0 1 0 1 1 1 2 2 1 1 2 2 2 2 2 2 1 2 1 1 0 2 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 1 0 0 0 1 -1 2 -1 0 0 0 -1 0 1 1 1 2 1 0 0 1 0 1 2 2 0 1 0 0 2 2 2 1 1 0 0 0 1 -1 2 1 1 0 2 1 2 1 -1 -1 1 1 2 2 0 1 1 0 1 1 2 1 0 -1 0 1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 0 1 0 1 0 1 0 NA 1 1 0 2 1 2 1 1 1 1 0 1 2 1 0 1 2 1 2 1 1 1 2 1 1 0 1 1 1 1 -1 0 1 1 1 -1 0 1 0 -1 -1 0 1 2 2 2 1 1 2 1 0 2 1 1 1 2 2 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 1 1 0 1 1 0 0 0 1 0 1 0 1 1 -1 0 0 1 1 0 0 1 1 1 2 1 0 1 0 0 1 2 2
Names of X columns:
U1 U2 U3 U4 U5 U6 U7 U8 U9 U10 U11 U12 U13 U14 U15 U16 U17 U18 U19 U20 U21 U22 U23 U24 U25 U26 U27 U28 U29 U30 U31 U32 U33
Scale (list separated by spaces)
R Code
x <- t(x) nx <- length(x[,1]) cx <- length(x[1,]) mymedian <- median(as.numeric(strsplit(par1,' ')[[1]])) myresult <- array(NA, dim = c(cx,7)) rownames(myresult) <- paste('Q',1:cx,sep='') colnames(myresult) <- c('mean','Sum of<br />positives (Ps)','Sum of<br />negatives (Ns)', '(Ps-Ns)/(Ps+Ns)', 'Count of<br />positives (Pc)', 'Count of<br />negatives (Nc)', '(Pc-Nc)/(Pc+Nc)') for (i in 1:cx) { spos <- 0 sneg <- 0 cpos <- 0 cneg <- 0 for (j in 1:nx) { if (!is.na(x[j,i])) { myx <- as.numeric(x[j,i]) - mymedian if (myx > 0) { spos = spos + myx cpos = cpos + 1 } if (myx < 0) { sneg = sneg + abs(myx) cneg = cneg + 1 } } } myresult[i,1] <- round(mean(as.numeric(x[,i]),na.rm=T)-mymedian,2) myresult[i,2] <- spos myresult[i,3] <- sneg myresult[i,4] <- round((spos - sneg) / (spos + sneg),2) myresult[i,5] <- cpos myresult[i,6] <- cneg myresult[i,7] <- round((cpos - cneg) / (cpos + cneg),2) } myresult load(file='createtable') a<-table.start() a<-table.row.start(a) a<-table.element(a,'Summary of survey scores (median of Likert score was subtracted)',8,TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'Question',header=TRUE) for (i in 1:7) { a<-table.element(a,colnames(myresult)[i],header=TRUE) } a<-table.row.end(a) for (i in 1:cx) { a<-table.row.start(a) a<-table.element(a,i,header=TRUE) for (j in 1:7) { a<-table.element(a,myresult[i,j]) } a<-table.row.end(a) } a<-table.end(a) table.save(a,file='mytable.tab') a<-table.start() a<-table.row.start(a) a<-table.element(a,'Pearson correlation matrix of survey scores',4,TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'',header=TRUE) a<-table.element(a,'mean',header=TRUE) a<-table.element(a,'(Ps-Ns)/(Ps+Ns)',header=TRUE) a<-table.element(a,'(Pc-Nc)/(Pc+Nc)',header=TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'mean',header=TRUE) a<-table.element(a,cor(myresult[,1],myresult[,1],method='pearson')) a<-table.element(a,cor(myresult[,1],myresult[,4],method='pearson')) a<-table.element(a,cor(myresult[,1],myresult[,7],method='pearson')) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'(Ps-Ns)/(Ps+Ns)',header=TRUE) a<-table.element(a,cor(myresult[,4],myresult[,1],method='pearson')) a<-table.element(a,cor(myresult[,4],myresult[,4],method='pearson')) a<-table.element(a,cor(myresult[,4],myresult[,7],method='pearson')) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'(Pc-Nc)/(Pc+Nc)',header=TRUE) a<-table.element(a,cor(myresult[,7],myresult[,1],method='pearson')) a<-table.element(a,cor(myresult[,7],myresult[,4],method='pearson')) a<-table.element(a,cor(myresult[,7],myresult[,7],method='pearson')) a<-table.row.end(a) a<-table.end(a) table.save(a,file='mytable1.tab') a<-table.start() a<-table.row.start(a) a<-table.element(a,'Kendall tau rank correlation matrix of survey scores',4,TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'',header=TRUE) a<-table.element(a,'mean',header=TRUE) a<-table.element(a,'(Ps-Ns)/(Ps+Ns)',header=TRUE) a<-table.element(a,'(Pc-Nc)/(Pc+Nc)',header=TRUE) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'mean',header=TRUE) a<-table.element(a,cor(myresult[,1],myresult[,1],method='kendall')) a<-table.element(a,cor(myresult[,1],myresult[,4],method='kendall')) a<-table.element(a,cor(myresult[,1],myresult[,7],method='kendall')) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'(Ps-Ns)/(Ps+Ns)',header=TRUE) a<-table.element(a,cor(myresult[,4],myresult[,1],method='kendall')) a<-table.element(a,cor(myresult[,4],myresult[,4],method='kendall')) a<-table.element(a,cor(myresult[,4],myresult[,7],method='kendall')) a<-table.row.end(a) a<-table.row.start(a) a<-table.element(a,'(Pc-Nc)/(Pc+Nc)',header=TRUE) a<-table.element(a,cor(myresult[,7],myresult[,1],method='kendall')) a<-table.element(a,cor(myresult[,7],myresult[,4],method='kendall')) a<-table.element(a,cor(myresult[,7],myresult[,7],method='kendall')) a<-table.row.end(a) a<-table.end(a) table.save(a,file='mytable2.tab')
Compute
Summary of computational transaction
Raw Input
view raw input (R code)
Raw Output
view raw output of R engine
Computing time
0 seconds
R Server
Big Analytics Cloud Computing Center
Click here to blog (archive) this computation