Діаграми, що використовують полярні координати, звичайно, недостатньо використовуються - дехто би сказав з вагомою причиною. Я думаю, що ситуації, які виправдовують їх використання, не є загальними; Я також думаю, що коли виникають такі ситуації, полярні графіки можуть виявити закономірності в даних, які лінійні ділянки не можуть.
Я думаю, що це тому, що іноді ваші дані є по суті полярними, а не лінійними - наприклад, це циклічно (x-координати, що представляють рази протягом 24-годинного дня протягом декількох днів), або дані були попередньо відображені на просторі полярних функцій.
Ось приклад. Цей графік показує середній обсяг відвідування веб-сайту за годиною. Помітьте два шипи о 10 вечорі та о 1 годині ранку. Для мережевих інженерів Сайту це важливо; також важливо, що вони трапляються поблизу один від одного (всього дві години один від одного). Але якщо нанести ті самі дані на традиційну систему координат, ця закономірність була б повністю прихована - лінійно побудована, ці два шипи будуть за 20 годин один від одного, що вони є, хоча вони також мають лише дві години один від одного в наступні дні. Полярна діаграма вище показує це в парсимонізованому та інтуїтивно зрозумілому вигляді (легенда не потрібна).
Є два способи (про які я знаю) створити подібні сюжети за допомогою R (я створив сюжет вище w / R). Перший - кодувати власну функцію в базовій або сітковій графічній системі. Іншим способом, який простіше, є використання кругової упаковки . Функція, яку ви використовуєте, - ' 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)