随着数据量不断增加,抛开可视化技术讲故事是不可能的。数据可视化是一门将数字转化为有用知识的艺术。
R语言编程提供一套建立可视化和展现数据的内置函数和库,让你学习这门艺术。在可视化的技术实现之前,让我们先看看如何选择正确的图表类型。
选择正确的图表类型
基本的展现类型有如下四种:
1. 比较
2. 组成
3. 分布
4. 关系
为了确定哪一种类型的图表适合你的数据,我建议你应该回答一些问题比如,
§ 在一个图表中你想展现多少个变量?
§ 每个变量中你会显示多少个数据点?
§ 你将要显示的是一段时间,一些个体还是一些组的数值?
下图是AndrewAbela博士关于选择正确的图表类型的一个很好的解释。
在你的日常生活中,大部分时间你会接触到以下7种图表。
1. Scattered Plot(散点图)
2. Histogram(柱状图)
3. Bar & Stack Bar Chart (条形图和堆积条形图)
4. Box Plot (箱线图)
5. Area Chart(面积图)
6. Heat Map(热点图)
7. Correlogram(相关图)
我们将使用如下图所示的‘大集市数据’样例来展现如何使用R语言创建可视化。
现在让我们一起看如何使用R语言运用这些可视化。
◇◆◇◆◇
散点图 Scatter Plot
什么时候使用:散点图是用来观察两个连续变量之间的关系。
上述的集市数据集中,如果你想根据成本数据可视化商品,那么我们可以使用两个连续变量的散点图,即下图中的Item_Visibility和 Item_MRP。
这是一个使用带有geom_point()的函数ggplot()的简单散点图R语言代码。
library(ggplot2) // ggplot2 is an R library forvisualizations train.
ggplot(train,aes(Item_Visibility, Item_MRP)) + geom_point() + scale_x_continuous("ItemVisibility", breaks = seq(0,0.35,0.05))+ scale_y_continuous("ItemMRP", breaks = seq(0,270,by = 30))+ theme_bw()
现在我们可以看到第三个变量,一个提供每种数据集特征的类别变量(Item_Type)。下图中,不同的类别通过不同颜色的item_type表示出来。
增加了category的R语言代码:
ggplot(train,aes(Item_Visibility, Item_MRP)) + geom_point(aes(color = Item_Type)) +
scale_x_continuous("ItemVisibility", breaks = seq(0,0.35,0.05))+
scale_y_continuous("Item MRP",breaks = seq(0,270,by = 30))+
theme_bw() +labs(title="Scatterplot")
如下图书所示,我们也可以为每个Item_Type单独创建散点图使其之更加直观清晰。
ggplot(train,aes(Item_Visibility, Item_MRP)) + geom_point(aes(color = Item_Type)) +
scale_x_continuous("ItemVisibility", 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)
这里,facet_wrap将Item_Type包裹在矩阵层中并且发挥了重要作用。
◇◆◇◆◇
柱形图(Histogram)
什么时候使用:柱形图用来绘制连续变量。他将数据分解到箱子中,并且展现这些箱子的分布频率。我们可以不断的改变这些箱子的大小并且观察它对可视化的影响。
我们的集市数据中,如果我们想知道基于成本的商品计数,如下图所示,那么我们可以使用基于连续变量Item_MRP的柱形图。
这是使用带有geom_histogram()的函数ggplot()的简单柱形图R语言代码。
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")
◇◆◇◆◇
条形图和堆积条形图(Bar & Stack Bar Chart)
什么时候使用:当你想绘制一个类别变量或者连续变量和类别变量的一个组合时,建议使用条形图。
我们数据集中,如果我们想知道具体年份创建的商店计数时,如下图所示,那么使用变量EstablishmentYear的条形图将是最佳选择。
这是带有一个连续变量的函数ggplot()的简单条形图R语言代码。
ggplot(train,aes(Outlet_Establishment_Year)) + geom_bar(fill = "red")+theme_bw()+
scale_x_continuous("EstablishmentYear", breaks = seq(1985,2010)) +
scale_y_continuous("Count", breaks= seq(0,1500,150)) +
coord_flip()+ labs(title = "BarChart") + theme_gray()
◇◆◇◆◇
竖形条形图(Vertical Bar Chart)
你可以移除参数coord_flip()将其变换成竖形条形图。
为了了解一个条形图中,基于商店类型(类别变量)的商品重量(连续变量),使用下述代码:
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")
◇◆◇◆◇
堆积条形图(Stacked Bar chart)
堆积条形图是条形图的一种高级版本,用来可视化类别变量的一个组合。
我们的数据集中,如果我们想了解基于类别变量比如种类(OutletType)和位置 (Outlet Location Type)的商店计数,堆积条形图将会是最佳选择。
ggplot(train,aes(Outlet_Location_Type, fill = Outlet_Type)) + geom_bar()+
labs(title ="Stacked Bar Chart", x = "Outlet Location Type", y ="Count of Outlets")
◇◆◇◆◇
箱线图(Box Plot)
什么时候使用:箱线图用来绘制类别和连续变量的一个组合。它有助于可视化数据的传播和检测异常值。它展示了统计学中五个显著的数值-最小值,值的25%,中位数,值的75%和最大值。
我们的数据集中,如果我们想要确定每个商店具体商品的销售情况,包括最小值,最大值以及中位数,箱线图将会有帮助。此外,如下图所示它还给出了销售商品的商店信息。
这些黑点表示异常值。异常值检测和去除是成功数据探索的重要一步。
这是使用带有geom_boxplot的函数ggplot()的简单箱线图R语言代码。
ggplot(train,aes(Outlet_Identifier, Item_Outlet_Sales)) + geom_boxplot(fill ="red")+
scale_y_continuous("ItemOutlet Sales", breaks= seq(0,15000, by=500))+
labs(title = "BoxPlot", x = "Outlet Identifier")
◇◆◇◆◇
面积图(Area Chart)
什么时候使用:面积图用来显示变量或者数据集的连续性。它和线图非常相似,并且通常用来时间序列绘制。此外,它也被用来绘制连续变量和分析潜在趋势。
我们的数据集中,当我们想分析商店商品的销售趋势时,我们可以绘制如下面积图。它显示了基于销售商品的商店计数。
这是带有geom_area的函数ggplot()的显示商店商品销售连续性的简单面积图R语言代码。
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")
◇◆◇◆◇
热点图(Heat Map)
什么时候使用:热点图使用一张二维图像中颜色的强度(密度)来显示2,3个或者更多变量之间的关系。它允许你探索轴的两个纬度以及颜色密度表示的第三个纬度。
我们的数据集中,如果我们想知道每个商店中每个商品的成本,如下图所示,我们可以使用数据集中的3个变量MRP,OutletIdentifier和Item Type 来绘制热点图。
黑色部分表示商品MRP接近50。亮一些的部分表示商品MRP接近250。
这是一个使用函数ggplot()的简单热点图R语言代码。
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 = "ItemMRP")
◇◆◇◆◇
相关图(Correlogram)
什么时候使用:相关图用来测试数据中可用变量之间的相关程度。矩阵中小方框可以被添加阴影或者着色来表示相关值。
颜色越深,变量间的相关值越高。正的相关值用蓝色表示,负的相关值用红色表示。颜色密度和相关值成正比关系。
我们的数据集中,让我们通过下图来查看商品成本,重量,可见度与商店成立年份和商店销售之间的相关性。
我们的例子中,我们可以看到商品成本和商店销售正相关,商品重量和可见度负相关。
这是使用函数corrgram()的简单相关图R语言代码。
install.packages("corrgram")
library(corrgram)
corrgram(train,order=NULL, panel=panel.shade, text.panel=panel.txt,
main="Correlogram")
现在我想你使用起来R语言编程中的ggplot2库将会很容易了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel是数据分析的重要工具,强大的内置功能使其成为许多分析师的首选。在日常工作中,启用Excel的数据分析工具库能够显著提升数 ...
2024-12-23在当今信息爆炸的时代,数据分析师如同一位现代社会的侦探,肩负着从海量数据中提炼出有价值信息的重任。在这个过程中,掌握一系 ...
2024-12-23在现代的职场中,制作吸引人的PPT已经成为展示信息的重要手段,而其中数据对比的有效呈现尤为关键。为了让数据在幻灯片上不仅准 ...
2024-12-23在信息泛滥的现代社会,数据分析师已成为企业决策过程中不可或缺的角色。他们的任务是从海量数据中提取有价值的洞察,帮助组织制 ...
2024-12-23在数据驱动时代,数据分析已成为各行各业的必需技能。无论是提升个人能力还是推动职业发展,选择一条适合自己的学习路线至关重要 ...
2024-12-23在准备数据分析师面试时,掌握高频考题及其解答是应对面试的关键。为了帮助大家轻松上岸,以下是10个高频考题及其详细解析,外加 ...
2024-12-20互联网数据分析师是一个热门且综合性的职业,他们通过数据挖掘和分析,为企业的业务决策和运营优化提供强有力的支持。尤其在如今 ...
2024-12-20在现代商业环境中,数据分析师是不可或缺的角色。他们的工作不仅仅是对数据进行深入分析,更是协助企业从复杂的数据信息中提炼出 ...
2024-12-20随着大数据时代的到来,数据驱动的决策方式开始受到越来越多企业的青睐。近年来,数据分析在人力资源管理中正在扮演着至关重要的 ...
2024-12-20在数据分析的世界里,表面上的技术操作只是“入门票”,而真正的高手则需要打破一些“看不见的墙”。这些“隐形天花板”限制了数 ...
2024-12-19在数据分析领域,尽管行业前景广阔、岗位需求旺盛,但实际的工作难度却远超很多人的想象。很多新手初入数据分析岗位时,常常被各 ...
2024-12-19入门数据分析,许多人都会感到“难”,但这“难”究竟难在哪儿?对于新手而言,往往不是技术不行,而是思维方式、业务理解和实践 ...
2024-12-19在如今的行业动荡背景下,数据分析师的职业前景虽然面临一些挑战,但也充满了许多新的机会。随着技术的不断发展和多领域需求的提 ...
2024-12-19在信息爆炸的时代,数据分析师如同探险家,在浩瀚的数据海洋中寻觅有价值的宝藏。这不仅需要技术上的过硬实力,还需要一种艺术家 ...
2024-12-19在当今信息化社会,大数据已成为各行各业不可或缺的宝贵资源。大数据专业应运而生,旨在培养具备扎实理论基础和实践能力,能够应 ...
2024-12-19阿里P8、P9失业都找不到工作?是我们孤陋寡闻还是世界真的已经“癫”成这样了? 案例一:本硕都是 985,所学的专业也是当红专业 ...
2024-12-19CDA持证人Louis CDA持证人基本情况 我大学是在一个二线城市的一所普通二本院校读的,专业是旅游管理,非计算机非统计学。毕业之 ...
2024-12-18最近,知乎上有个很火的话题:“一个人为何会陷入社会底层”? 有人说,这个世界上只有一个分水岭,就是“羊水”;还有人说,一 ...
2024-12-18在这个数据驱动的时代,数据分析师的技能需求快速增长。掌握适当的编程语言不仅能增强分析能力,还能帮助分析师从海量数据中提取 ...
2024-12-17在当今信息爆炸的时代,数据分析已经成为许多行业中不可或缺的一部分。想要在这个领域脱颖而出,除了热情和毅力外,你还需要掌握 ...
2024-12-17