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
在当今这个数据驱动的时代,几乎每一个业务决策都离不开对数据的深入分析。而其中,指标波动归因分析更是至关重要的一环。无论是 ...
2025-02-18当数据开始说谎:那些年我们交过的学费 你有没有经历过这样的场景?熬了三个通宵做的数据分析报告,在会议上被老板一句"这数据靠 ...
2025-02-17数据分析作为一门跨学科领域,融合了统计学、编程、业务理解和可视化技术。无论是初学者还是有一定经验的从业者,系统化的学习路 ...
2025-02-17挖掘用户价值本质是让企业从‘赚今天的钱’升级为‘赚未来的钱’,同时让用户从‘被推销’变为‘被满足’。询问deepseek关于挖 ...
2025-02-17近来deepseek爆火,看看deepseek能否帮我们快速实现数据看板实时更新。 可以看出这对不知道怎么动手的小白来说是相当友好的, ...
2025-02-14一秒精通 Deepseek,不用找教程,不用买资料,更不用报一堆垃圾课程,所有这么去做的,都是舍近求远,因为你忽略了 deepseek 的 ...
2025-02-12自学 Python 的关键在于高效规划 + 实践驱动。以下是一份适合零基础快速入门的自学路径,结合资源推荐和实用技巧: 一、快速入 ...
2025-02-12“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩 ...
2025-02-08活动介绍 为了助力大家在数据分析领域不断精进技能,我们特别举办本期打卡活动。在这里,你可以充分利用碎片化时间在线学习,让 ...
2025-02-071、闺女,醒醒,媒人把相亲的带来了。 我。。。。。。。 2、前年春节相亲相了40个, 去年春节相亲50个, 祖宗,今年你想相多少个 ...
2025-02-06在数据科学的广阔领域中,统计分析与数据挖掘占据了重要位置。尽管它们常常被视为有关联的领域,但两者在理论基础、目标、方法及 ...
2025-02-05在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-02-05当我们只有非常少量的已标记数据,同时有大量未标记数据点时,可以使用半监督学习算法来处理。在sklearn中,基于图算法的半监督 ...
2025-02-05考虑一种棘手的情况:训练数据中大部分样本没有标签。此时,我们可以考虑使用半监督学习方法来处理。半监督学习能够利用这些额 ...
2025-02-04一、数学函数 1、取整 =INT(数字) 2、求余数 =MOD(除数,被除数) 3、四舍五入 =ROUND(数字,保留小数位数) 4、取绝对值 =AB ...
2025-02-03作者:CDA持证人 余治国 一般各平台出薪资报告,都会哀嚎遍野。举个例子,去年某招聘平台发布《中国女性职场现状调查报告》, ...
2025-02-02真正的数据分析大神是什么样的呢?有人认为他们能轻松驾驭各种分析工具,能够从海量数据中找到潜在关联,或者一眼识别报告中的数 ...
2025-02-01现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31本人基本情况: 学校及专业:厦门大学经济学院应用统计 实习经历:快手数据分析、字节数据分析、百度数据分析 Offer情况:北京 ...
2025-01-3001专家简介 徐杨老师,CDA数据科学研究院教研副总监,主要负责CDA认证项目以及机器学习/人工智能类课程的研发与授课,负责过中 ...
2025-01-29