R-Echart可视化实战-CDA数据分析师官网

R-Echart可视化实战

2016-05-30

本文部分摘自CDA数据科学家训练营课程，版权私有，维权必究，转载请注明出处。

总结一下2016年5月29日数据科学家训练营R语言课程中Echart学习成果，也把上课用Echart做的图表及脚步代码和大家分享。先讲下大概的内容，方便大家上手~

【数据源】

数据源见云盘：https://yunpan.cn/cSGKXSqYMGULs 访问密码 ea56

ECHART 安装(R-3.3.0测试可用)3/3

install.packages('devtools')

library(devtools)

install_github('yihui/recharts') ##全局设定

Sys.setlocale("LC_CTYPE","Chs")

source("F:\\ORE\\2.ORESERVER\\oreSCRIPT\\ECHART\\echartR.R") ##全局设定

install.packages('knitr')

library(knitr)

knitr::opts_chunk$set(message=FALSE,warning=FALSE,results='asis')

读取数据及数据预处理

#数据集说明：汽车贷款违约数据

#使用的变量N:数值变量/T:因变量

##[N]fico_score信用评分

##[N]purch_price 汽车价格

##[N]loan_amt 贷款金额

##[T]bad_ind 是否违约

#读取数据与数据预处理

setwd("F:\\数据脚本课件\\数据")

data=read.csv('accepts.csv')

data$bad_ind=as.factor(data$bad_ind)

data$bankruptcy_ind=as.factor(data$bankruptcy_ind)

data$used_ind=as.factor(data$used_ind)

#缺失值填补(均值/众数填补)

#定义缺失值填补函数

tianbu=function(data){

for (i in 1:ncol(data)){

if (sum(is.na(data[,i]))!=0){

if (class(data[,i])=='factor'){

a=(as.data.frame(table(data[,i])))

b=as.numeric(max(mode))

mode=as.character(a[which(a$Freq==b),1])

data[which(is.na(data[,i])=='TRUE'),i]=mode[1]

} #因子使用众数填补

else {

data[which(is.na(data[,i])=='TRUE'),i]=mean(data[,i],na.rm=T)

} #非因子使用平均数填补

}

else

warning(paste('变量',colnames(data)[i],'无缺失无需填补',sep=''))}

}

#进行填补

tianbu(data=data)

data

warnings()

1.多系列散点图

#echart语法见https://github.com/madlogos/recharts

#标注线(标注线性归回拟合线)

Line=t(c(1,'lm',"lm",F))

#标注点(标注两个异常值点)

Points=rbind(c(1,NA,1,111696,111166,F),c(1,NA,2,63700,28700,F))

#横纵轴设定

x=list(lab='汽车金额',color='blue',rotate=45)

y=list(lab='贷款额',color='blue',rotate=45)

#制图

echartR(data = data, x = ~purch_price, y = ~loan_amt,

type = 'scatter', palette='aetnaorange',

title = '散点图-汽车金额vs贷款额',

subtitle = "(source: 汽车贷款数据)",

xAxis = x, yAxis = y,

markLine=Line,

markPoint=Points)

图形展示如下：

动态图见连接：

http://localhost:31357/session/viewhtmlcfc382479f9/index.html

2.多系列散点图

#标注点(标注两个异常值点)

Points=rbind(c(2,NA,1,760,96692,F),c(1,NA,2,632,111554,F))

#横纵轴设定

x=list(lab='信用评分',color='blue')

y=list(lab='贷款额',color='blue')

#制图

echartR(data = data, x = ~fico_score, y = ~loan_amt, series = ~bad_ind,

type = 'scatter', palette='aetnaorange', symbolList='circle',

scale=F, xAxis = x,yAxis = y,

title = '多系列散点图-信用评分vs贷款额',

subtitle = "(source: 汽车贷款数据)",

markPoint=Points)

图形展示如下：

动态图链接：

http://localhost:31357/session/viewhtmlcfc328666f2/index.html

3. 气泡图

#数据集说明：中国各省人口GDP和人均寿命数据

#使用的变量N:数值变量

#Prov:省份

#GDP:GDP

#LIFE:平均寿命

#POPULATION:人口

#读取数据

China=read.csv('gdp.csv')

#Bubble 气泡图

echartR(data = China, x = ~Life, y = ~GDP,

weight =Population, series = ~Prov,

symbolList=c('circle'),

type = 'bubble', palette='aetnaorange',

title = '部分省人均寿命-GDP-人口',

subtitle = '(source: GDP)', xlab = '平均寿命', ylab = 'GDP',

pos=list(title=6,toolbox=3))

图形展示如下：

动态图链接：

http://localhost:31357/session/viewhtmlcfc781586d/index.html

4.柱状图

library(reshape2)

#数据描述：某化妆品公司数据集

#dis:大区(series)

#type:产品名(x)

#amount销量(y)

#读取数据与数据预处理

setwd("F:\\数据脚本课件\\数据")

data=read.csv('col.csv')

#Tiled Column柱状图

echartR(data = data, x = ~type, y = ~amount,

series = ~dis,stack=F,

type = 'bar', palette='aetnaorange',

title = "大区-产品-销量柱状图",

subtitle = '(source: col)',

xlab = 'Parameter', ylab = '销售额')

图形展示如下：

动态图链接：

http://localhost:31357/session/viewhtmlcfc4981968/index.html

5.饼图

#数据准备

setwd("F:\\数据脚本课件\\数据")

data=read.csv('col.csv')

#1.ECHART PIE 饼图

echartR(data, x = ~type, y = ~amount, type='pie',

palette='aetnaorange',

title='化妆品产品饼图',

subtitle = '(source: col)')

图形展示如下：

动态图链接：

http://localhost:31357/session/viewhtmlcfc4ca6c45/index.html

6.环图

echartR(data, x = ~type, y = ~amount, type='ring',

palette='aetnaorange',

title='化妆品产品饼图',

subtitle = '(source: col)')

图形展示如下：

动态图链接：

http://localhost:31357/session/viewhtmlcfc67d01c83/index.html

7.地图

#数据准备

setwd('F:\\数据脚本课件\\数据')

dtgdp1=read.csv('CHINA-GDP-12-14.csv')[2:4]

#区域标注

echartR(dtgdp1, x = ~Prov, y = ~GDP, series= ~Year,

type=c('map','china','area'),

title="title",

subtitle='(source: title)',

dataRangePalette='heat(5)',

dataRange=c('High',"Low"),splitNumber=5,

pos=list(toolbox=3))

#区域标注

worldgdp=data.frame(

country=c('United States of America','China','Japan','Germany',

'United Kingdom','France','Brazil', 'Italy','India','Russia',

'Canada','Australia','South Korea','Spain','Mexico','Indonesia',

'Netherlands','Turkey','Saudi Arabia','Switzerland'),

GDP=c(17418925,10380380,4616335,3859547,2945146,2846889,2353025,2147952,

2049501,1857461,1788717,1444189,1416949,1406855,1282725,888648,866354,

806108,752459,712050))

echartR(worldgdp, x = ~country, y = ~GDP, type=c('map','world','area'),

title="Nations with top 20 GDPs, 2014 (Million USD)",

subtitle = '(source: Wikipedia)',

dataRangePalette='heat(5)', dataRange=c("High","Low"),

splitNumber=10, pos=list(toolbox=3))

图形展示如下：

动态图链接：

http://localhost:31357/session/viewhtmlcfc73be3b89/index.html

http://localhost:31357/session/viewhtmlcfc66dc5ced/index.html

#Point 点标注

#数据读取

chinapm=read.csv('chinapm25.csv',stringsAsFactors=F,header=T,sep=',')[,2:5]

#点标注

top5=head(chinapm[order(chinapm$PM,decreasing=T),],5)

top5$Name="Top 5"

top5$effect=T

top5=top5[,c(5,1,2,4,3,6)]

#制图

echartR(chinapm, x=~City, y=~PM25, xcoord=~xcoord, ycoord=~ycoord,

type=c('map','china','point'),

title='中国各市PM2.5情况',

subtitle="(source: chinapm)",

dataRange=c("High","Low"), pos=list(toolbox=3),

dataRangePalette='heat(7)',

splitNumber=7,

markPoint=top5)

图形展示如下：

动态图链接：

http://localhost:31357/session/viewhtmlcfc36cf1824/index.html

#Line 线标注

flight=read.csv('flight.csv',stringsAsFactors=F,header=T,sep=',')

flight$y=''

names(flight)

echartR(flight, x=~From, x1=~To, y=~y, series=~From, xcoord=~Xcoord.x, ycoord=~Ycoord.x,

xcoord1=~Xcoord.y, ycoord1=~Ycoord.y, type=c('map','china','line'),

pos=list(toolbox=3), title="南方航空公司主要航班线路")

图形展示如下：

图形链接：

http://localhost:31357/session/viewhtmlcfc6518ec5/index.html

8.词云

#获取数据

setwd("F:\\数据脚本课件\\数据")

santi=read.csv('santi.csv')

santi

#构建词云

echartR(santi[1:30,], x=~word, y=~TFIDF, type="wordcloud",

title="《三体》特征词", palette='aetnaorange',

subtitle="来源:三体")

图形展示如下：

动态图链接：

http://localhost:31357/session/viewhtmlcfc6e7cdef/index.html

9.力导向布局图

setwd('F:\\数据脚本课件\\数据')

wujiandao=read.csv('netLink.csv',stringsAsFactors=F)

echartR(wujiandao,

x=~Link,

y=~weight,

x1=~NodeVal,

series=~Series,type='force',

title='无间道',

pos=list(title=5,legend=10),

palette=c('orange','lightblue','orange','lightblue','orange','lightblue'))

图形展示如下：

动态图链接：

http://localhost:31357/session/viewhtmlcfc29f8671/index.html

CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>> “CDA报名” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；

散点图柱状图气泡图 echarts 特征 R语言 Series

数据分析咨询请扫描二维码

上一篇图论在大数据分析中的作用！

下一篇CDA认证再升一档！与国家共同推进大数据人才培养标准教育事业！

R-Echart可视化实战

CDA考试动态

CDA报考指南

热门栏目

最新资讯

数据分析师的工作内容是什么

数据分析师必须掌握的技能有哪些

数据分析入门难吗

数据分析能干啥

数据分析行业的前景

数据分析的常用方法

什么是企业数字化转型

女生做数据分析师最好去哪个行业

大数据技术专业学什么

数据分析师教程《Python数据分析极简入门》第2节 3 ...

什么行业越老越吃香

利用python进行数据分析

大数据与会计专业主要学什么

成为数据分析师需要哪些技能

python可以做数据分析吗

数据分析师的日常工作有哪些？

数据分析五种方法

数字化转型是什么意思

未来发展前景好的十大行业

统计学就业方向及前景