En az kullanılan veri görselleştirmesi [kapalı]

Histogramlar ve dağılım grafikleri, verileri ve değişkenler arasındaki ilişkiyi görselleştirmek için harika yöntemlerdir, ancak son zamanlarda hangi görselleştirme tekniklerinin eksik olduğunu merak ediyorum. Sizce en az kullanılan arsa türü nedir?

Cevaplar:

1. Uygulamada çok yaygın olarak kullanılmaz.
2. Çok fazla arka plan tartışması olmadan anlaşılabilir olun.
3. Birçok yaygın durumda uygulanabilir olun.
4. Bir örnek oluşturmak için tekrar üretilebilir kod ekleyin (tercihen R cinsinden). Bağlantılı bir görüntü iyi olurdu.

Diğer posterlere gerçekten katılıyorum: Tufte'nin kitapları fantastik ve okumaya değer.

İlk olarak, bu yılın başlarında " Verilere Bakma " dan ggplot2 ve ggobi hakkında çok güzel bir eğiticiye işaret ederim . Bunun ötesinde, R'den bir görselleştirmeyi ve iki grafik paketini (temel grafikler, kafes veya ggplot kadar yaygın olarak kullanılmaz) vurgulayacağım:

Isı Haritaları

Çok değişkenli verileri, özellikle zaman serisi verilerini işleyebilen görselleştirmeleri gerçekten çok seviyorum. Isı haritaları bunun için yararlı olabilir. Gerçekten temiz olanı David Smith tarafından Devrimler blogunda yer aldı . İşte Hadley'nin ggplot kodu sayesinde:

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)

Hangi sonuç bu gibi görünüyor:

RGL: Etkileşimli 3D Grafikler

Öğrenmeye gayret eden başka bir paket, etkileşimli 3D grafikler oluşturma yeteneğini kolayca sağlayan RGL'dir . Bunun için çevrimiçi birçok örnek vardır (rgl dokümantasyonu dahil).

R-Wiki'nin rgl kullanarak 3D dağılım çizimlerinin nasıl çizileceğine dair güzel bir örneği var .

GGobi

Bilmeye değer başka bir paket rggobi . Orada konuyla ilgili Springer kitabı büyük bir dokümantasyon sürü / örnekler de dahil olmak üzere çevrimiçi ve "Veri baktığımızda" Elbette.

Dotplots'u gerçekten çok seviyorum ve uygun veri sorunları için başkalarına tavsiye ettiğimde onları her zaman şaşırtıyor ve memnun ediyorlar. Çok fazla fayda görmüyorlar ve nedenini anlayamıyorum.

İşte Quick-R'den bir örnek:

Cleveland'ın bunların geliştirilmesinden ve duyurulmasından en çok sorumlu olduğuna inanıyorum ve kitabındaki örnek (hatalı verilerin bir nokta grafiğiyle kolayca tespit edildiği), kullanımları için güçlü bir argüman. Yukarıdaki örneğin her satıra yalnızca bir nokta koyduğunu, oysa gerçek güçlerinin her satırda birden fazla noktanın olduğunu ve hangisinin hangisinin olduğunu açıklayan bir açıklama olduğunu unutmayın. Örneğin, üç farklı zaman noktası için farklı semboller veya renkler kullanabilirsiniz ve böylece farklı kategorilerdeki zaman kalıplarını kolayca anlayabilirsiniz.

Aşağıdaki örnekte (her şeyin Excel'de yapıldı!), Hangi kategorinin etiket takasından muzdarip olabileceğini açıkça görebilirsiniz.

Kutupsal koordinatlar kullanan araziler kesinlikle az kullanılmaktadır - bazıları iyi bir sebeple söyleyebilir. Bence bunların kullanımını haklı kılan durumlar yaygın değildir; Ayrıca bu durumlar ortaya çıktığında, kutupsal grafiklerin doğrusal grafiklerin veremediği verileri ortaya çıkarabileceğini düşünüyorum.

Bence bazen verileriniz doğrusal olmaktan ziyade doğası gereği kutupsaldır - örneğin, döngüseldir (24 gün boyunca birden fazla günde zamanları temsil eden x koordinatları) veya veriler daha önce bir polar özellik alanına eşlenmişti.

İşte bir örnek. Bu grafik, bir Web Sitesinin ortalama trafik hacmini saate göre gösterir. 22:00 ve 01:00 de iki sivri dikkat edin. Sitenin ağ mühendisleri için bunlar önemlidir; birbirlerinin yanında da meydana gelmeleri önemlidir (sadece iki saat arayla). Ancak aynı verileri geleneksel bir koordinat sistemine çizerseniz, bu model tamamen gizlenir - doğrusal olarak çizilir, bu iki sivri , birbirini izleyen günlerde sadece iki saat arayla olmasına rağmen, 20 saat arayla olacaktır . Yukarıdaki polar grafik bunu cimri ve sezgisel bir şekilde göstermektedir (bir efsane gerekli değildir).

R kullanarak böyle araziler oluşturmak için iki yol (farkında olduğum) vardır (w / R yukarıdaki arsa yarattım). Birincisi, temel veya ızgara grafik sistemlerinde kendi işlevinizi kodlamaktır. Başka bir yol, daha kolay olan, dairesel paketi kullanmaktır . Kullanacağınız işlev ' 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)

Eğer dağılım grafiğinizde tam bir karışıklık olacak kadar çok nokta varsa, düzgünleştirilmiş bir dağılım grafiğini deneyin. İşte bir örnek:

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

hexbin(@Dirk Eddelbuettel önerdiği) paket aynı amaçla kullanılır, ancaksmoothScatter() bunun için ait olduğu avantajı graphicspaketin ve böylece standart bir R, montaj parçası.

Mini grafik ve diğer Tufte fikri ile ilgili olarak , CRAN üzerindeki YaleToolkit paketi işlevler sparklineve sağlar sparklines.

Daha büyük veri kümeleri için yararlı olan başka bir paket, saf dağılım grafikleri için çok büyük olabilecek veri kümeleriyle başa çıkmak için akıllıca verileri kovalar halinde zekice döndürdüğü için hexbin'dir .

Keman grafikleri (kutu grafiklerini çekirdek yoğunluğu ile birleştiren) nispeten egzotik ve oldukça havalıdır. vioplot R paket oldukça kolayca yapmanızı sağlar.

İşte bir örnek (wikipedia bağlantısı da bir örnek gösterir):

Sadece gözden geçirdiğim bir diğer güzel zaman serisi görselleştirmesi "yumru grafik" ( "Öğrenme R" blogunda bu yazıda yer aldığı gibi ). Bu, zaman içindeki pozisyon değişikliklerini görselleştirmek için çok kullanışlıdır.

Nasıl oluşturulacağını http://learnr.wordpress.com/ adresinden okuyabilirsiniz. , ancak sonuç olarak şöyle görünür:

Ayrıca Tufte'un yatay olarak çok "ince" oldukları ve arsa mürekkebi gereksiz mürekkeple karıştırmadıkları için küçük katlar karşılaştırmasını çok daha kolay yapmanıza izin veren kutu grafikleri modifikasyonlarını da seviyorum. Ancak, oldukça fazla sayıda kategori ile en iyi şekilde çalışır; bir arsa üzerinde sadece birkaç tane varsa, normal (Tukey) kutu grafikleri daha iyi görünüyor çünkü onlara biraz daha fazla yük bindiriyorlar.

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
  )

Bunları yapmanın diğer yolları (diğer tür Tufte boxplot dahil) bu soruda ele alınmıştır .

Sevimli ve (tarihsel olarak) önemli gövde ve yaprak planını unutmamalıyız (Tufte'nin de sevdiği!). Veri yoğunluğuna ve şekline doğrudan sayısal bir genel bakış elde edersiniz (tabii ki veri kümeniz yaklaşık 200 noktadan büyük değilse). R'de, işlev stemgövde ve yaprak dislay'inizi üretir (çalışma alanında). Doğrudan bir grafik aygıtta çizmek için fmsbgstem paketindeki işlevi kullanmayı tercih ederim . Aşağıda, yaprak saplı bir ekranda bir kunduz vücut sıcaklığı varyansı (veriler varsayılan veri kümenizde olmalıdır):

  require(fmsb)
  gstem(beaver1$temp)

Ufuk grafikleriAynı anda birçok zaman serisini görselleştirmek için (pdf).

Paralel koordinat grafikleriÇok değişkenli analiz için (pdf).

Beklenmedik tabloları görselleştirmek için ilişkilendirme ve mozaik grafikleri ( vcd paketine bakın)

Tufte'nin mükemmel çalışmalarına ek olarak, William S. Cleveland: Verileri Görselleştirme ve Verileri Grafikleme Unsurları'nın kitaplarını öneriyorum . Sadece mükemmel değil, ama hepsi R'de yapıldı ve kodun halka açık olduğuna inanıyorum.

Kutudiyagramlar! R yardımından örnek:

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

Bence verilere hızlı bir şekilde bakmanın veya dağılımları karşılaştırmanın en kullanışlı yolu. Daha karmaşık dağıtımlar için bir uzantı var vioplot.

Mozaik araziler bana belirtilen dört kriteri de karşılıyor gibi görünüyor. Mosaplot altında r'de örnekler vardır.

Edward Tufte'nin çalışmasına ve özellikle bu kitaba göz atın

Ayrıca onun seyahat sunumu yakalamak ve deneyebilirsiniz . Oldukça iyi ve dört kitabından oluşan bir paket içeriyor. (Yemin ederim yayıncının stokuna sahip değilim!)

Bu arada, onun mini grafik veri görselleştirme tekniğini seviyorum. Sürpriz! Google zaten yazdı ve Google Koduna koydu

Özet grafikler? Bu sayfada belirtildiği gibi:

Özet İstatistikleri ve Belirsizliği Görselleştirme