大部分数据可视化效果不佳

 

直方图和散点图是数据可视化和变量之间关系的很好方法，但最近我一直在想我缺少哪些可视化技术。 你认为什么是最不被充分利用的情节？

答案应该是：

  • 在实践中不常用。
  • 没有很多背景讨论就可以理解。
  • 适用于许多常见情况。
  • 包含可重复的代码来创建一个示例（最好在R中）。 链接的图像会很好。

    • 我非常同意其他海报：塔夫特的书很棒，值得一读。

    首先，我会在今年早些时候向您指出一个关于ggplot2和ggobi的非常好的教程，内容来自“查看数据”。 除此之外，我只会强调R的一个可视化和两个图形包（它们不像基本图形，点阵或ggplot那样广泛使用）：

    热图

    我非常喜欢可以处理多元数据的可视化，尤其是时间序列数据。 热图对此可能很有用。 大卫史密斯在革命博客上介绍了一篇非常整齐的文章。 这是Hadley的ggplot代码礼貌： 

    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)

    最终看起来有点像这样：

    替代文字

    RGL：交互式3D图形

    另一个非常值得学习的软件包是RGL ，它很容易提供创建交互式3D图形的能力。 网上有很多例子（包括在rgl文档中）。

    R-Wiki有一个很好的例子，说明如何使用rgl绘制三维散点图。

    GGobi

    另一个值得了解的软件包是rggobi。 有关于此主题的Springer书以及大量在线文档/示例，包括“查看数据”课程。

    使用极坐标的绘图当然没有得到充分利用 - 有些人会说很有道理。 我认为有理由使用它们的情况并不常见， 我还认为，当出现这些情况时，极地地块可以揭示线性地块不能做到的数据模式。

    我认为这是因为有时候你的数据本质上是极性的而不是线性的 - 例如它是周期性的（x坐标代表多天的24小时内的时间），或者数据先前映射到极性特征空间。

    这是一个例子。 此图显示了网站按小时的平均流量。 请注意下午10点和凌晨1点的两个尖峰。 对于本网站的网络工程师来说， 它们彼此靠近（相隔两个小时）也很重要。 但是如果你在传统的坐标系统上绘制相同的数据，这种模式将被完全隐藏 - 线性绘制，这两个尖峰将相隔20小时，尽管它们在连续的日子里也相隔两个小时。 上面的极坐标图以简洁直观的方式显示了这一点（不需要图例）。

    显示网站流量的极坐标图，在1时和22时高峰

    有两种方式（我知道）使用R创建这样的图（我创建了w / R上面的图）。 一种是在基本或网格图形系统中编写自己的功能。 换句话说，更容易的是使用圆形包装 。 您将使用的功能是' 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)

    我非常喜欢dotplots，当我向其他人推荐适合的数据问题时，他们总是感到惊讶和高兴。 他们似乎没有太大的用处，我不明白为什么。

    这里有一个来自Quick-R的例子： 关于汽车数据的dotplot

    我相信克利夫兰对这些的发展和颁布负有最大的责任，他的书中的例子（其中错误的数据很容易通过点阵来检测）对于它们的使用来说是一个有力的论据。 请注意，上面的示例仅在每行放置一个点，而它们的实际功率随附在每行上有多个点，并且有一个图例说明哪个是哪个点。 例如，您可以在三个不同的时间点使用不同的符号或颜色，从而轻松获得不同类别的时间模式感。

    在下面的例子中（在Excel中完成所有事情！），您可以清楚地看到哪些类别可能遭遇标签交换。

    链接地址: http://www.djcxy.com/p/4237.html

    上一篇: Most underused data visualization

    下一篇: How to join (merge) data frames (inner, outer, left, right)?