【資料科學筆記】第四章 資料可視化

前言

🆓資源鏈接 （PDF格式）：【資料科學筆記】第四章 資料可視化.pdf 983KB

🆓資源鏈接 （HTML格式）：【資料科學筆記】第四章 資料可視化rstudio.html 1.68MB

資料可視化是指將結構的或非結構的資料轉換成適當的可視化圖表，可視化能夠將資料更加直接的方式展示出來，使得資料從客觀更有說服力，
R語言有自己的基礎圖形系統，如 graphics 包、 grid 包或者 lattice 包，相比于R語言自帶的基礎作圖函式，如 plot() 能表現出更加豐富化、 多樣化，

4.1 高階繪圖工具————ggplot2

ggplot2 包是一個有著一套完整圖形語法支持的軟體包，該繪圖包的特點在于定義各種底層組件來合成復雜的圖形，而不是直接定義的圖形，

通常 ggplot2 生成圖形的必須步驟如下：

1. 定義和出土資料，采用 ggplot2 生成一個空的繪圖物件，
2. 確定圖形形狀，
3. 采用 aes() 函式指定用來表示資料值的形狀特征，

4.1.1 快速繪圖

ggplot2 中的函式 qplot() 和傳統繪圖中的 plot() 功能類似，

（一）散點圖
基本的散點圖繪制可以用 qplot() ，

library(ggplot2)
data(mpg)
# qplot(displ , cty , data = mpg) 
# qplot(displ, cty, data = mpg, colour=class)
# qplot(displ,cty, data = mpg,shape= fl)
qplot( displ , cty , data = mpg , colour = class , shape = fl )

mpg資料集，發動機排量（升）和每加侖英里數的散點圖

（二）條形圖和箱線圖

對于離散型變數，頻數一般使用條形圖來繪制，這里直接使用 geom = 'bar' 即可，
例如，汽車氣缸數目的條形圖：

qplot(cyl , data = mpg , geom = 'bar')

汽車氣缸數目的條形圖

如果想要描述持續變數在不同類別下的變化情況可以使用箱線圖，只需要設定引數 geom = 'boxplot'，

qplot(as.factor(cyl), displ, data = mpg, geom = 'boxplot')

不同氣缸數目下發動機排量箱線圖

對于連續型資料，我們最常見的是直方圖和密度曲線圖，只需要修改引數 geom = 'histogram 和 geom = 'density' 在此不做舉例說明，

（三）時間序列圖

對于時間序列的資料所繪制的圖形稱為線條圖， 它只通過添加引數 geom = 'line' ，

# 使用economics 資料集繪制一個關于個人存盤的時間序列圖
qplot (date , psavert , data = economics , geom = 'line')

4.1.2 使用圖層構建影像

上面介紹了使用 qplot() 函式繪制基礎圖形， 但是 qplot() 有它的局限性，因為它只能使用一個資料集和一組圖形屬性映射，可以使用圖層來解決這個問題，每個圖層都可以有自己的資料集和圖形屬性映射，附加的資料元素可以通過圖層添加到圖形中，

一個圖層由五個部分組成：
（1）資料，必須是一個資料框 （dataframe） ，在繪圖結束后可以修改，
（2）圖形屬性映射，設定資料集中變數如何映射到改圖層的影像屬性，
（3）幾何物件，指定使用那種幾何來繪圖，
（4）統計變換，對原資料做一些有用的統計變換，
（5）位置調整，通過調整元素位置避免影像重合，
主要講解前三個部分

（一） 資料
ggplot2 對于資料集的邀請是必須是一個資料框， ggplot2 會從我們指定的資料框中提取繪圖所需變數，生成新的資料集，用 mpg 資料集為例，

（二） 圖形屬性映射
1. 創建繪圖物件
當我們呼叫 ggplot2 函式時，可以手動創建圖層物件，主需將圖層屬性和變數放到 aes() 函式的括號里，

# 設定了默認映射， 但這個圖層未添加圖層，
p <- ggplot ( mpg , aes ( displ , cty , colour = class ) )

2. 圖形屬性
aes() 函式用來將資料變數映射到圖形中，在上面例子中 aes ( displ , cty , colour = class ) 將 x 坐標映射到 displ ， y 坐標映射到 cty， colour 映射到class ，這和 qplot() 用法一致，

3. 圖和圖層
默認的圖層屬性映射可以在圖形物件初始化的時候設定，后可以通過 + 進行修改，

>>>p <- ggplot( mpg )
>>>summary( p )
data: manufacturer, model, displ, year, cyl, trans, drv, cty,
  hwy, fl, class [234x11]
  
  
>>>p <- p + aes ( displ , hwy )
>>>summary( p )
data: manufacturer, model, displ, year, cyl, trans, drv, cty,
  hwy, fl, class [234x11]
mapping:  x = ~displ, y = ~hwy
faceting: <ggproto object: Class FacetNull, Facet, gg>

4. 設定和映射
我們還可以在圖層引數里設定一個單一值， 如 colour = 'green' ， 下面舉例用圖層里的 colour 引數設定顏色，

p <- ggplot( mpg , aes(displ, hwy))
p + geom_point( colour = 'green')

這里將 colour 映射到 green ，實際上首先創建了只有green 字符的變數，然后將colour 映射到新的變數上， 因為這個新變數的值是離散的，所以默認的顏色標度將使用色輪上等距的顏色，并且此處新變數就一個值，因此這個顏色就是桃紅色，

p + geom_point( aes(colour = 'green'))

（三） 幾何物件
幾何圖形物件（ 簡稱geom ），它決定了生成的影像型別，
有些幾何物件主要在它們引數化的方式上有所不同，例如，矩陣幾何物件（ rect geom ）， 設定的是它的上（ ymax ）、 下（ ymin ）、 左（ xmin ）、 右（ xmax ）位置，
下面列出部分常用幾何物件的圖形屬性，

4.1.3 分面

分面能夠幫我們快速分析出資料各子集模式的異同，ggplot2 提供兩種分面型別，網格型（ facet_grid ） 和封裝型（ facet_wrap ） ，
分面生成一個二維的網格面板， 面板的行與列通過變數來定義，本小結使用 mpg 資料集的子集來進行展示，

（一）網格分面
1. 不分面
這里因為 mpg 資料集中氣缸數目 cyl 的值為 5 的觀測數目極少，暫時舍去， 將其余的資料作為進行分析的子集

submpg <- subset( mpg , cyl != 5 )
qplot (cty , hwy , data = submpg ) + facet_null() # 不進行分面

2. 一行多列

qplot (cty , hwy , data = submpg ) + facet_grid( . ~ cyl)

3. 一列多行

qplot(cty , data = submpg, geom = 'histogram' , binwidth = 2 ) + facet_grid(cyl ~. ) # 一列多行

4. 多行多列

qplot( cty , hwy , data = submpg ) + facet_grid( drv ~ cyl ) # 多行多列

（二） 封裝分面
facet_wrap 首先生成一個唱的面板條塊，然后將它封裝在二維面板中，

ggplot(mpg ,aes(displ , cty )) + geom_point() + facet_wrap( ~ cyl , nrow = 2)

總結

有的知識點比較抽象，需要多看、多試、多動手才能更好的理解代碼的含義，