Trực quan hóa dữ liệu được sử dụng nhiều nhất [đóng]

Biểu đồ và biểu đồ phân tán là phương pháp tuyệt vời để trực quan hóa dữ liệu và mối quan hệ giữa các biến, nhưng gần đây tôi đã tự hỏi về những kỹ thuật trực quan nào tôi đang thiếu. Bạn nghĩ gì về loại cốt truyện được sử dụng nhiều nhất?

Câu trả lời nên:

1. Không được sử dụng rất phổ biến trong thực tế.
2. Có thể hiểu được mà không có một cuộc thảo luận lớn.
3. Được áp dụng trong nhiều tình huống phổ biến.
4. Bao gồm mã tái sản xuất để tạo một ví dụ (tốt nhất là trong R). Một hình ảnh được liên kết sẽ tốt đẹp.

Tôi thực sự đồng ý với các áp phích khác: Sách của Tufte rất hay và đáng đọc.

Đầu tiên, tôi sẽ chỉ cho bạn một hướng dẫn rất hay về ggplot2 và ggobi từ "Nhìn vào dữ liệu" vào đầu năm nay. Ngoài ra, tôi chỉ nêu bật một trực quan hóa từ R và hai gói đồ họa (không được sử dụng rộng rãi như đồ họa cơ bản, mạng tinh thể hoặc ggplot):

Bản đồ nhiệt

Tôi thực sự thích trực quan hóa có thể xử lý dữ liệu đa biến, đặc biệt là dữ liệu chuỗi thời gian. Bản đồ nhiệt có thể hữu ích cho việc này. Một cái thực sự gọn gàng đã được David Smith đăng trên blog Revolutions . Đây là mã ggplot lịch sự của Hadley:

stock <- "MSFT"
start.date <- "2006-01-12"
end.date <- Sys.Date()
quote <- paste("http://ichart.finance.yahoo.com/table.csv?s=",
                stock, "&a=", substr(start.date,6,7),
                "&b=", substr(start.date, 9, 10),
                "&c=", substr(start.date, 1,4), 
                "&d=", substr(end.date,6,7),
                "&e=", substr(end.date, 9, 10),
                "&f=", substr(end.date, 1,4),
                "&g=d&ignore=.csv", sep="")    
stock.data <- read.csv(quote, as.is=TRUE)
stock.data <- transform(stock.data,
  week = as.POSIXlt(Date)$yday %/% 7 + 1,
  wday = as.POSIXlt(Date)$wday,
  year = as.POSIXlt(Date)$year + 1900)

library(ggplot2)
ggplot(stock.data, aes(week, wday, fill = Adj.Close)) + 
  geom_tile(colour = "white") + 
  scale_fill_gradientn(colours = c("#D61818","#FFAE63","#FFFFBD","#B5E384")) + 
  facet_wrap(~ year, ncol = 1)

Cuối cùng trông giống như thế này:

RGL: Đồ họa 3D tương tác

Một gói khác rất đáng để nỗ lực học hỏi là RGL , dễ dàng cung cấp khả năng tạo đồ họa 3D tương tác. Có nhiều ví dụ trực tuyến cho việc này (bao gồm trong tài liệu rgl).

R-Wiki có một ví dụ hay về cách vẽ đồ thị phân tán 3D bằng rgl.

GGobi

Một gói khác đáng để biết là rggobi . Có một cuốn sách Springer về chủ đề này , và rất nhiều tài liệu / ví dụ tuyệt vời trực tuyến, bao gồm cả khóa học "Nhìn vào dữ liệu" .

Tôi thực sự thích dotplots và tìm thấy khi tôi giới thiệu chúng cho những người khác về các vấn đề dữ liệu phù hợp, họ luôn ngạc nhiên và thích thú. Chúng dường như không được sử dụng nhiều, và tôi không thể hiểu tại sao.

Đây là một ví dụ từ Quick-R:

Tôi tin rằng Cleveland chịu trách nhiệm cao nhất cho việc phát triển và ban hành những điều này, và ví dụ trong cuốn sách của anh ấy (trong đó dữ liệu bị lỗi dễ dàng được phát hiện với một dấu chấm) là một lập luận mạnh mẽ cho việc sử dụng chúng. Lưu ý rằng ví dụ trên chỉ đặt một dấu chấm trên mỗi dòng, trong khi sức mạnh thực sự của chúng đi kèm với bạn có nhiều dấu chấm trên mỗi dòng, với một chú thích giải thích đó là cái gì. Chẳng hạn, bạn có thể sử dụng các ký hiệu hoặc màu sắc khác nhau cho ba điểm thời gian khác nhau và từ đó dễ dàng hiểu được các mẫu thời gian trong các danh mục khác nhau.

Trong ví dụ sau (được thực hiện trong Excel của tất cả mọi thứ!), Bạn có thể thấy rõ danh mục nào có thể phải chịu khi hoán đổi nhãn.

Các lô sử dụng tọa độ cực chắc chắn không được sử dụng - một số sẽ nói với lý do chính đáng. Tôi nghĩ rằng các tình huống biện minh cho việc sử dụng của họ là không phổ biến; Tôi cũng nghĩ rằng khi những tình huống đó phát sinh, các ô cực có thể tiết lộ các mẫu trong dữ liệu mà các ô tuyến tính không thể.

Tôi nghĩ đó là bởi vì đôi khi dữ liệu của bạn vốn là cực chứ không phải tuyến tính - ví dụ: đó là theo chu kỳ (tọa độ x đại diện cho thời gian trong 24 giờ trong nhiều ngày) hoặc dữ liệu trước đây được ánh xạ vào không gian tính năng cực.

Đây là một ví dụ. Biểu đồ này hiển thị lưu lượng truy cập trung bình của một trang web theo giờ. Chú ý hai mũi nhọn lúc 10 giờ tối và lúc 1 giờ sáng. Đối với các kỹ sư mạng của Trang web, những người này rất quan trọng; Điều quan trọng là chúng xảy ra gần nhau (chỉ cách nhau hai giờ). Nhưng nếu bạn vẽ cùng một dữ liệu trên một hệ tọa độ truyền thống, mẫu này sẽ được che giấu hoàn toàn - được vẽ theo tuyến tính, hai gai này sẽ cách nhau 20 giờ, mặc dù chúng chỉ cách nhau hai giờ vào những ngày liên tiếp. Biểu đồ cực ở trên cho thấy điều này theo một cách trực quan và trực quan (một huyền thoại không cần thiết).

Có hai cách (mà tôi biết) để tạo ra các ô như thế này bằng R (Tôi đã tạo cốt truyện ở trên w / R). Một là mã hóa chức năng của chính bạn trong các hệ thống đồ họa cơ sở hoặc lưới. Cách khác, dễ dàng hơn, là sử dụng gói tròn . Hàm bạn sẽ sử dụng là ' rose.diag ':

data = c(35, 78, 34, 25, 21, 17, 22, 19, 25, 18, 25, 21, 16, 20, 26, 
                 19, 24, 18, 23, 25, 24, 25, 71, 27)
three_palettes = c(brewer.pal(12, "Set3"), brewer.pal(8, "Accent"), 
                   brewer.pal(9, "Set1"))
rose.diag(data, bins=24, main="Daily Site Traffic by Hour", col=three_palettes)

Nếu âm mưu phân tán của bạn có quá nhiều điểm khiến nó trở thành một mớ hỗn độn, hãy thử một âm mưu phân tán được làm mịn. Đây là một ví dụ:

library(mlbench) ## this package has a smiley function
n <- 1e5 ## number of points
p <- mlbench.smiley(n,sd1 = 0.4, sd2 = 0.4) ## make a smiley :-)
x <- p$x[,1]; y <- p$x[,2]
par(mfrow = c(1,2)) ## plot side by side
plot(x,y) ## left plot, regular scatter plot
smoothScatter(x,y) ## right plot, smoothed scatter plot

Các hexbingói (được đề xuất bởi @Dirk Eddelbuettel) được sử dụng với mục đích tương tự, nhưng smoothScatter()có ưu điểm là nó thuộc về các graphicsgói, và do đó là một phần của quá trình cài đặt R tiêu chuẩn.

Về Sparkline và ý tưởng Tufte khác, YaleToolkit gói trên cran cung cấp các chức năng sparklinevà sparklines.

Một gói khác hữu ích cho các bộ dữ liệu lớn hơn là hexbin vì nó khéo léo sắp xếp dữ liệu vào các thùng để xử lý các bộ dữ liệu có thể quá lớn đối với các biểu đồ phân tán ngây thơ.

Các ô vĩ cầm (kết hợp các ô hộp với mật độ nhân) tương đối kỳ lạ và khá tuyệt. Các vioplot gói vào R cho phép bạn để làm cho họ khá dễ dàng.

Đây là một ví dụ (Liên kết wikipedia cũng hiển thị một ví dụ):

Một hình ảnh chuỗi thời gian đẹp khác mà tôi vừa xem xét là "biểu đồ vết sưng" (như đặc trưng trong bài đăng này trên blog "Learning R" ). Điều này rất hữu ích để hình dung những thay đổi về vị trí theo thời gian.

Bạn có thể đọc về cách tạo nó trên http://learnr.wordpress.com/ , nhưng đây là những gì nó kết thúc giống như:

Tôi cũng thích các sửa đổi của Tufte về các ô vuông cho phép bạn so sánh bội số nhỏ dễ dàng hơn nhiều vì chúng rất "mỏng" theo chiều ngang và không làm lộn xộn cốt truyện bằng mực thừa. Tuy nhiên, nó hoạt động tốt nhất với số lượng danh mục khá lớn; nếu bạn chỉ có một vài trong một cốt truyện, các ô vuông (Tukey) thông thường trông đẹp hơn vì chúng có một chút sức mạnh hơn đối với chúng.

library(lattice)
library(taRifx)
compareplot(~weight | Diet * Time * Chick, 
  data.frame=cw , 
  main = "Chick Weights",
  box.show.mean=FALSE,
  box.show.whiskers=FALSE,
  box.show.box=FALSE
  )

Các cách khác để tạo ra những thứ này (bao gồm cả loại hộp Tufte khác) sẽ được thảo luận trong câu hỏi này .

Chúng ta không nên quên về cốt truyện thân và lá quan trọng (trong lịch sử) (mà Tufte cũng yêu thích!). Bạn có được một cái nhìn tổng quan trực tiếp về mật độ và hình dạng dữ liệu của bạn (tất nhiên nếu tập dữ liệu của bạn không lớn hơn thì khoảng 200 điểm). Trong R, hàm stemtạo ra sự phân tán giữa thân và lá của bạn (trong không gian làm việc). Tôi thích sử dụng gstemchức năng từ gói fmsb để vẽ nó trực tiếp trong một thiết bị đồ họa. Dưới đây là phương sai nhiệt độ cơ thể hải ly (dữ liệu nên có trong tập dữ liệu mặc định của bạn) trong màn hình gốc:

  require(fmsb)
  gstem(beaver1$temp)

Đồ thị chân trời (pdf), để hiển thị nhiều chuỗi thời gian cùng một lúc.

Biểu đồ tọa độ song song (pdf), để phân tích đa biến.

Hiệp hội và các ô khảm , để hiển thị các bảng dự phòng (xem gói vcd )

Ngoài tác phẩm xuất sắc của Tufte, tôi giới thiệu những cuốn sách của William S. Cleveland: Trực quan hóa dữ liệu và các yếu tố của dữ liệu đồ thị . Họ không chỉ xuất sắc, mà tất cả họ đều được thực hiện trong R, và tôi tin rằng mã này có sẵn công khai.

Boxplots! Ví dụ từ trợ giúp R:

boxplot(count ~ spray, data = InsectSprays, col = "lightgray")

Theo tôi đó là cách tiện dụng nhất để xem nhanh dữ liệu hoặc so sánh các bản phân phối. Đối với các bản phân phối phức tạp hơn, có một phần mở rộng được gọi là vioplot.

Âm mưu khảm dường như để tôi đáp ứng tất cả bốn tiêu chí được đề cập. Có những ví dụ trong r, dưới khảmplot.

Hãy xem tác phẩm của Edward Tufte và đặc biệt là cuốn sách này

Bạn cũng có thể thử và xem bài thuyết trình du lịch của anh ấy . Nó khá hay và bao gồm một bó bốn cuốn sách của anh ấy. (tôi thề tôi không sở hữu cổ phiếu của nhà xuất bản của mình!)

Nhân tiện, tôi thích kỹ thuật trực quan hóa dữ liệu của anh ấy. Sự ngạc nhiên! Google đã viết nó và đưa nó ra Google Code

Tóm tắt lô đất? Giống như được đề cập trong trang này:

Hình dung Thống kê Tóm tắt và Không chắc chắn