未加星标

R语言中值得学习的7个可视化,附代码段&案例数据集

字体大小 | |
[网络安全 所属分类 网络安全 | 发布者 店小二04 | 时间 2017 | 作者 红领巾 ] 0人收藏点击收藏

更多精彩内容参见 云栖社区大数据频道 : https://yq.aliyun.com/big-data

R编程允许开发者通过一组内置的函数和库来构建可视化以描绘数据。 在分享可视化的技术实现之前,首先着眼如何选择合适的图表类型。

选择合适的图表类型

基本呈现类型有四种:

Comparison Composition Distribution Relationship

为了确定哪一种与数据匹配,不妨先从以下几个方面考虑:

在一个图表中显示多少变量? 每个变量显示多少数据点? 基于时间显示值,还是在项目或组之间显示值?

下图恰到好处地描述了如何选择合适的图表类型,出自Andrew Abela博士之手。


R语言中值得学习的7个可视化,附代码段&案例数据集

在日常工作中,大多数会遇到下面列出的7张图表。

Scatter Plot Histogram Bar & Stack Bar Chart Box Plot Area Chart Heat Map Correlogram

下面将通过“Big Mart data”示例来了解如何在R中创建可视化,完整数据集可以从这里下载。


R语言中值得学习的7个可视化,附代码段&案例数据集

下面来了解如何在R中使用这些可视化

1. Scatter Plot

使用场景: Scatter Plot用于查看两个连续变量之间的关系。

在Mart data中,如果想根据它们的成本数据来可视化项目,那么可以使用两个连续变量的散点图,即Item_Visibility和Item_MRP,如下所示。


R语言中值得学习的7个可视化,附代码段&案例数据集

这里是使用函数ggplot()和geom_point()的简单散点图的R代码。

library(ggplot2) // ggplot2 is an R library for visualizations train. ggplot(train, aes(Item_Visibility, Item_MRP)) + geom_point() + scale_x_continuous("Item Visibility", breaks = seq(0,0.35,0.05))+ scale_y_continuous("Item MRP", breaks = seq(0,270,by = 30))+ theme_bw()

现在,可以在同一个图表中查看第三个变量,比如一个分类变量(Item_Type),它将给出每个数据集的特征(item_type)。 在下面的图表中,item_type的不同颜色表示不同的类别。


R语言中值得学习的7个可视化,附代码段&案例数据集

R代码加上类别:

ggplot(train, aes(Item_Visibility, Item_MRP)) + geom_point(aes(color = Item_Type)) + scale_x_continuous("Item Visibility", breaks = seq(0,0.35,0.05))+ scale_y_continuous("Item MRP", breaks = seq(0,270,by = 30))+ theme_bw() + labs(title="Scatterplot")

这里甚至可以通过为每个单独的Item_Type创建单独的散点图,使其更加直观清晰,如下所示。


R语言中值得学习的7个可视化,附代码段&案例数据集

单独类别图表的R代码:

ggplot(train, aes(Item_Visibility, Item_MRP)) + geom_point(aes(color = Item_Type)) + scale_x_continuous("Item Visibility", breaks = seq(0,0.35,0.05))+ scale_y_continuous("Item MRP", breaks = seq(0,270,by = 30))+ theme_bw() + labs(title="Scatterplot") + facet_wrap( ~ Item_Type)

在这里,facet_wrap在矩形布局中展示Item_Type。

2. Histogram

使用场景: Histogram用于绘制连续变量。它将数据分成数据仓,并显示这些数据仓的频率分布。这里可以随时改变bin的大小,看看它对可视化的效果。

从Mart data中,如果想了解项目成本计数,那么可以绘制直方图使用连续变量Item_MRP如下所示。


R语言中值得学习的7个可视化,附代码段&案例数据集

这里是使用函数ggplot()和geom_histogram()的简单直方图的R代码。

ggplot(train, aes(Item_MRP)) + geom_histogram(binwidth = 2)+ scale_x_continuous("Item MRP", breaks = seq(0,270,by = 30))+ scale_y_continuous("Count", breaks = seq(0,200,by = 20))+ labs(title = "Histogram")

3. Bar & Stack Bar Chart

使用场景:当您想要绘制分类变量或连续变量和分类变量的组合时,建议使用Bar Charts。

从这个数据集中,如果想知道在特定年份建立的货币数量,那么条形图将是最合适的选择,如下所示使用变量成立年份。


R语言中值得学习的7个可视化,附代码段&案例数据集

下面是使用函数ggplot()的单个连续变量的简单条形图的R代码。

ggplot(train, aes(Outlet_Establishment_Year)) + geom_bar(fill = "red")+theme_bw()+ scale_x_continuous("Establishment Year", breaks = seq(1985,2010)) + scale_y_continuous("Count", breaks = seq(0,1500,150)) + coord_flip()+ labs(title = "Bar Chart") + theme_gray()

Vertical Bar Chart:

作为变体,可以删除coord_flip()参数以获取上述垂直条形图。


R语言中值得学习的7个可视化,附代码段&案例数据集

要根据单个条形图上的出口类型(分类变量)知道项目权重(连续变量),请使用以下代码:

ggplot(train, aes(Item_Type, Item_Weight)) + geom_bar(stat = "identity", fill = "darkblue") + scale_x_discrete("Outlet Type")+ scale_y_continuous("Item Weight", breaks = seq(0,15000, by = 500))+ theme(axis.text.x = element_text(angle = 90, vjust = 0.5)) + labs(title = "Bar Chart")

Stacked Bar chart:

Stacked Bar chart是条形图的高级版本,用于可视化分类变量的组合。

在这个数据集中,如果想知道基于分类变量如类型(Outlet Type)和位置(Outlet Location Type)的outlet数,堆栈图将以最有用的方式显示该场景。


R语言中值得学习的7个可视化,附代码段&案例数据集

下面是通过ggplot()函数实现简单堆叠条形图的R代码。

gplot(train, aes(Outlet_Location_Type, fill = Outlet_Type)) + geom_bar()+ labs(title = "Stacked Bar Chart", x = "Outlet Location Type", y = "Count of Outlets")

4. Box Plot

使用场景: Box Plot用于绘制分类和连续变量的组合。 此图用于可视化数据的扩展和检测异常值。 它显示五个统计上显著的数字――最小值,第25百分位数,中值,第75百分位数和最大值。

从数据集中,如果期望确定每个出口的详细项目销售包括最小,最大和中间数字,Box Plot是可行的。 此外,它还给出了每个出口的项目销售的异常值的值,如下图所示。


R语言中值得学习的7个可视化,附代码段&案例数据集

黑点是离群值。 异常值检测和删除是成功数据探索的关键步骤。下面是使用函数ggplot()和geom_boxplot的简单框图的R代码。

ggplot(train, aes(Outlet_Identifier, Item_Outlet_Sales)) + geom_boxplot(fill = "red")+ scale_y_continuous("Item Outlet Sales", breaks= seq(0,15000, by=500))+ labs(title = "Box Plot", x = "Outlet Identifier")

5. Area Chart

使用场景: Area Chart用于显示变量或数据集的连续性。它与折线图非常相似,通常用于时间序列图。或者,它也用于绘制连续变量并分析潜在趋势。

在数据集中,当分析项目销售额的趋势时,面积图可以如下图所示。 它显示销售额的销售点数。


R语言中值得学习的7个可视化,附代码段&案例数据集

这里是简单区域图的R代码,显示项目出口销售的连续性,使用函数ggplot()和geom_area。

ggplot(train, aes(Item_Outlet_Sales)) + geom_area(stat = "bin", bins = 30, fill = "steelblue") + scale_x_continuous(breaks = seq(0,11000,1000))+ labs(title = "Area Chart", x = "Item Outlet Sales", y = "Count")

6. Heat Map

使用场景: Heat Map使用颜色的强度(密度)来显示二维图像中的两个、三个或多个变量之间的关系。 它允许使用两个维度作为轴和第三个维度用作颜色的强度。

在这个数据集中,如果想知道每个出口的每个项目的成本,就可以使用Heat Map,如下所示使用从mart数据集中的三个变量项目MRP,出口标识符和项目类型。


R语言中值得学习的7个可视化,附代码段&案例数据集

暗部分表示项目MRP接近50.较亮部分指示项目MRP接近250。这里是使用函数ggplot()的简单热图的R代码。

ggplot(train, aes(Outlet_Identifier, Item_Type))+ geom_raster(aes(fill = Item_MRP))+ labs(title ="Heat Map", x = "Outlet Identifier", y = "Item Type")+ scale_fill_continuous(name = "Item MRP")

7. Correlogram

使用场景 :Correlogram用于测试数据集中可用变量之间的关联程度。矩阵的单元可以被着阴影或着彩色以显示共同关系值。

颜色越深,变量之间的相关性越高。 正相关以蓝色显示,负相关以红色显示。 颜色强度与相关值成正比。

如果检查项目成本、重量、可见性与出口建立年份和出口销售之间的共同关系,如下图所示。

在这个例子中可以看到,物品成本和销售量是正相关的,而物品重量和它的可见度是负相关的。


R语言中值得学习的7个可视化,附代码段&案例数据集

这里是使用functioncorrgram()的简单自相关图的R代码。

install.packages("corrgram") library(corrgram) corrgram(train, order=NULL, panel=panel.shade, text.panel=panel.txt, main="Correlogram")

通过这个教程,相信大家对R编程中使用gplot2库来对数据进行可视化已经有所理解。

原文链接: 7 Visualizations You Should Learn in R (作者/Dikesh Jariwala)

本文网络安全相关术语:网络安全工程师 网络信息安全 网络安全技术 网络安全知识

分页:12
转载请注明
本文标题:R语言中值得学习的7个可视化,附代码段&案例数据集
本站链接:http://www.codesec.net/view/522923.html
分享请点击:


1.凡CodeSecTeam转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责;
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性,不作出任何保证或承若;
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。
登录后可拥有收藏文章、关注作者等权限...
技术大类 技术大类 | 网络安全 | 评论(0) | 阅读(89)