操屁眼的视频在线免费看,日本在线综合一区二区,久久在线观看免费视频,欧美日韩精品久久综

筆者邀請(qǐng)您，先思考：

1 如何用R做數(shù)據(jù)可視化？

2 相關(guān)圖何時(shí)使用？

數(shù)據(jù)可視化，讓你的數(shù)據(jù)講故事。

隨著數(shù)據(jù)量的不斷增加，如果沒(méi)有可視化，就不可能講故事。數(shù)據(jù)可視化是一門(mén)如何將數(shù)字轉(zhuǎn)化為有用知識(shí)的藝術(shù)。

R編程通過(guò)提供一組用來(lái)構(gòu)建可視化和表示數(shù)據(jù)的內(nèi)置函數(shù)和庫(kù)，讓您學(xué)習(xí)這種藝術(shù)。在可視化技術(shù)實(shí)現(xiàn)之前，讓我們先看看如何選擇正確的圖表類(lèi)型。

選擇正確的圖表類(lèi)型

有四種基本的表示類(lèi)型：

要確定哪些最適合您的數(shù)據(jù)，我建議您回答幾個(gè)問(wèn)題，比如

以下是 Abela博士選擇正確圖表類(lèi)型的一個(gè)很好的解釋。

在您的日常活動(dòng)中，您會(huì)在大多數(shù)時(shí)間遇到下面列出的7個(gè)圖表。

我們將使用如下所示的“Big Mart數(shù)據(jù)”示例來(lái)了解如何在R中創(chuàng)建可視化。您可以從此處下載完整數(shù)據(jù)集。

現(xiàn)在讓我們看看如何在R中使用這些可視化

1.散點(diǎn)圖

何時(shí)使用： Plot用于查看兩個(gè)連續(xù)變量之間的關(guān)系。

在我們上面的Mart數(shù)據(jù)集中，如果我們想要根據(jù)成本數(shù)據(jù)來(lái)顯示項(xiàng)目，那么我們可以使用散點(diǎn)圖來(lái)使用兩個(gè)連續(xù)變量，即和，如下所示。

這是使用函數(shù)（）和（）的簡(jiǎn)單散點(diǎn)圖的R代碼。

1library(ggplot2)??????????
2ggplot(train,?aes(Item_Visibility,?Item_MRP))?+?geom_point()?+?scale_x_continuous("Item?Visibility",?breaks?=?seq(0,0.35,0.05))+?scale_y_continuous("Item?MRP",?breaks?=?seq(0,270,by?=?30))+?theme_bw()

現(xiàn)在，我們可以在同一個(gè)圖表中查看第三個(gè)變量，比如分類(lèi)變量（），它將給出每個(gè)數(shù)據(jù)集的特征（）。 下圖中的以不同的顏色描繪了不同的類(lèi)別。

增加類(lèi)別的R代碼：

1ggplot(train,?aes(Item_Visibility,?Item_MRP))?+?geom_point(aes(color?=?Item_Type))?+?
2??scale_x_continuous("Item?Visibility",?breaks?=?seq(0,0.35,0.05))+
3??scale_y_continuous("Item?MRP",?breaks?=?seq(0,270,by?=?30))+
4??theme_bw()?+?labs(title="Scatterplot")

我們甚至可以通過(guò)為每個(gè)單獨(dú)的創(chuàng)建單獨(dú)的散點(diǎn)圖來(lái)使其更清晰，如下所示。

單獨(dú)的類(lèi)別分組圖表的R代碼：

1ggplot(train,?aes(Item_Visibility,?Item_MRP))?+?geom_point(aes(color?=?Item_Type))?+?
2??scale_x_continuous("Item?Visibility",?breaks?=?seq(0,0.35,0.05))+
3??scale_y_continuous("Item?MRP",?breaks?=?seq(0,270,by?=?30))+?
4??theme_bw()?+?labs(title="Scatterplot")?+?facet_wrap(?~?Item_Type)

在這里，工作精湛，并以矩形布局組裝。

2.直方圖

何時(shí)使用：直方圖用于繪制連續(xù)變量。 它將數(shù)據(jù)分成箱并顯示這些箱的頻率分布。 我們總是可以更改bin大小并查看它對(duì)可視化的影響。

從我們的Smart數(shù)據(jù)集中，如果我們想要根據(jù)成本知道項(xiàng)目的數(shù)量，那么我們可以使用連續(xù)變量繪制直方圖，如下所示。

這是使用函數(shù)（）和（）的簡(jiǎn)單直方圖的R代碼。

1ggplot(train,?aes(Item_MRP))?+?geom_histogram(binwidth?=?2)+
2??scale_x_continuous("Item?MRP",?breaks?=?seq(0,270,by?=?30))+
3??scale_y_continuous("Count",?breaks?=?seq(0,200,by?=?20))+
4??labs(title?=?"Histogram")

3.條形圖和堆棧條形圖

何時(shí)使用：當(dāng)您想要繪制分類(lèi)變量或連續(xù)變量和分類(lèi)變量的組合時(shí)，建議使用條形圖。

從我們的數(shù)據(jù)集中分類(lèi)變量和連續(xù)變量怎么做散點(diǎn)圖分類(lèi)變量和連續(xù)變量怎么做散點(diǎn)圖，如果我們想知道在特定年份建立的市場(chǎng)數(shù)量，那么條形圖將是最合適的選項(xiàng)，使用變量 Year如下所示。

下面是使用函數(shù)（）對(duì)單個(gè)連續(xù)變量進(jìn)行簡(jiǎn)單條形圖的R代碼。

1ggplot(train,?aes(Outlet_Establishment_Year))?+?geom_bar(fill?=?"red")+theme_bw()+
2??scale_x_continuous("Establishment?Year",?breaks?=?seq(1985,2010))?+?
3??scale_y_continuous("Count",?breaks?=?seq(0,1500,150))?+
4??coord_flip()+?labs(title?=?"Bar?Chart")?+?theme_gray()

垂直條形圖：

作為變體，您可以刪除（）參數(shù)以垂直獲取上面的條形圖。

要在單個(gè)條形圖上了解基于出口類(lèi)型（分類(lèi)變量）的項(xiàng)目權(quán)重（連續(xù)變量），請(qǐng)使用以下代碼：

1ggplot(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")

堆積條形圖：

堆積條形圖是條形圖的高級(jí)版本，用于可視化分類(lèi)變量的組合。

從我們的數(shù)據(jù)集中，如果我們想要根據(jù)分類(lèi)變量（如類(lèi)型（出口類(lèi)型）和位置（出口位置類(lèi)型））知道出口數(shù)量，堆棧圖表將以最有用的方式可視化方案。

這是使用函數(shù)（）的簡(jiǎn)單堆積條形圖的R代碼。

1ggplot(train,?aes(Outlet_Location_Type,?fill?=?Outlet_Type))?+?geom_bar()+
2labs(title?=?"Stacked?Bar?Chart",?x?=?"Outlet?Location?Type",?y?=?"Count?of?Outlets")

4.箱形圖

何時(shí)使用：Box Plots用于繪制分類(lèi)和連續(xù)變量的組合。 該圖對(duì)于可視化數(shù)據(jù)的傳播和檢測(cè)異常值非常有用。 它顯示了五個(gè)統(tǒng)計(jì)上顯著的數(shù)字 - 最小值，第25百分位數(shù)，中位數(shù)，第75百分位數(shù)和最大值。

從我們的數(shù)據(jù)集中，如果我們想要識(shí)別每個(gè)商店的詳細(xì)商品銷(xiāo)售，包括最小，最大和中位數(shù)，箱形圖可能會(huì)有所幫助。 此外，它還給出了每個(gè)商店的商品銷(xiāo)售異常值，如下圖所示。

黑點(diǎn)是異常值。 異常檢測(cè)和刪除是成功進(jìn)行數(shù)據(jù)探索的重要步驟。

這是使用函數(shù)（）和的簡(jiǎn)單框圖的R代碼。

1ggplot(train,?aes(Outlet_Identifier,?Item_Outlet_Sales))?+?geom_boxplot(fill?=?"red")+
2scale_y_continuous("Item?Outlet?Sales",?breaks=?seq(0,15000,?by=500))+
3labs(title?=?"Box?Plot",?x?=?"Outlet?Identifier")

5.面積圖

何時(shí)使用：面積圖用于顯示變量或數(shù)據(jù)集的連續(xù)性。 它與折線圖非常相似，通常用于時(shí)間序列圖。 或者，它也用于繪制連續(xù)變量并分析潛在趨勢(shì)。

從我們的數(shù)據(jù)集中，當(dāng)我們想要分析商品銷(xiāo)售額的趨勢(shì)時(shí)，可以繪制面積圖，如下所示。 它顯示了基于銷(xiāo)售額的網(wǎng)點(diǎn)數(shù)量。

這是簡(jiǎn)單區(qū)域圖表的R代碼，顯示使用函數(shù)（）和的Item Sales的連續(xù)性。

1ggplot(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")

6.熱圖

何時(shí)使用：熱圖使用顏色的強(qiáng)度（密度）來(lái)顯示二維圖像中兩個(gè)或三個(gè)或多個(gè)變量之間的關(guān)系。 網(wǎng)站的熱圖分析允許您通過(guò)顏色強(qiáng)度探索兩個(gè)維度作為軸和第三維度。

從我們的數(shù)據(jù)集中，如果我們想知道每個(gè)出口處每個(gè)項(xiàng)目的成本，我們可以使用我們的集市數(shù)據(jù)集中的三個(gè)變量項(xiàng)目MRP, & Item Type來(lái)繪制熱圖，如下所示。

暗部分表示物品MRP接近50.較亮部分表示物品MRP接近250。

這是使用函數(shù)（）的簡(jiǎn)單熱圖的R代碼。

1ggplot(train,?aes(Outlet_Identifier,?Item_Type))+
2??geom_raster(aes(fill?=?Item_MRP))+
3??labs(title?="Heat?Map",?x?=?"Outlet?Identifier",?y?=?"Item?Type")+
4??scale_fill_continuous(name?=?"Item?MRP")

7. 相關(guān)圖

何時(shí)使用：用于測(cè)試數(shù)據(jù)集中可用變量之間的相互關(guān)系水平。 矩陣的單元格可以用陰影或彩色顯示，以顯示相關(guān)值。

顏色越深，變量之間的相關(guān)性越高。 正相關(guān)關(guān)系以藍(lán)色顯示，負(fù)相關(guān)以紅色顯示。 顏色強(qiáng)度與共同關(guān)系值成比例。

從我們的數(shù)據(jù)集中，讓我們檢查項(xiàng)目成本，重量，可見(jiàn)性以及出口建立年份和出口銷(xiāo)售從下面的圖表之間的相互關(guān)系。

在我們的示例中，我們可以看到項(xiàng)目成本和出口銷(xiāo)售正相關(guān)，而項(xiàng)目權(quán)重和可見(jiàn)性負(fù)相關(guān)。

這是使用函數(shù)（）的簡(jiǎn)單相關(guān)圖的R代碼。

1install.packages("corrgram")
2library(corrgram)
3
4corrgram(train,?order=NULL,?panel=panel.shade,?text.panel=panel.txt,
5???????????main="Correlogram")

現(xiàn)在我想你應(yīng)該很容易使用R編程中的庫(kù)來(lái)可視化數(shù)據(jù)。

除了可視化之外，您還可以了解有關(guān)數(shù)據(jù)挖掘以及 Data from intoR的過(guò)程的更多信息。