Більшість невикористаних візуалізації даних [закрито]

Гістограми та розсіювачі - це чудові методи візуалізації даних та взаємозв'язку між змінними, але останнім часом я замислювався про те, які методи візуалізації мені не вистачають. Як ви вважаєте, що це найбільш невживаний тип сюжету?

Відповіді повинні:

1. Не дуже часто використовується на практиці.
2. Будьте зрозумілі без великої дискусії.
3. Будьте застосовні у багатьох поширених ситуаціях.
4. Включіть відтворюваний код для створення прикладу (бажано в R). Зв'язане зображення було б непогано.

Я дійсно згоден з іншими плакатами: книги Туфте є фантастичними і їх варто прочитати.

По-перше, я хотів би вказати вам на дуже хороший підручник з ggplot2 та ggobi з "Дивлячись на дані" на початку цього року. Крім того, я б лише виділив одну візуалізацію з R та два графічні пакети (які не настільки широко використовуються, як базова графіка, решітка чи ggplot):

Теплові карти

Мені дуже подобаються візуалізації, які можуть обробляти багатоваріантні дані, особливо дані часових рядів. Теплові карти можуть бути корисні для цього. Один із дійсно охайних був представлений Девідом Смітом у блозі Revolutions . Ось код ggplot з люб’язності Хедлі:

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)

Що в кінцевому підсумку виглядає приблизно так:

RGL: Інтерактивна 3D-графіка

Ще один пакет, який варто докласти зусиль для вивчення - це RGL , який легко забезпечує можливість створення інтерактивної 3D графіки. Для цього в Інтернеті є багато прикладів (включаючи документацію на rgl).

У R-Wiki є хороший приклад того, як побудувати графіки 3D-розсіяння за допомогою rgl.

GGobi

Ще один пакунок, який варто знати - це rggobi . На цю тему є книга Спрингера , і багато чудової документації / прикладів в Інтернеті, в тому числі на курсі "Дивлячись на дані" .

Мені дуже подобаються dotplots і знаходжу, коли рекомендую їх іншим для відповідних проблем з даними, вони незмінно здивовані та в захваті. Вони, здається, не отримують великої користі, і я не можу зрозуміти, чому.

Ось приклад із Quick-R:

Я вважаю, що Клівленд найбільше відповідає за розробку та оприлюднення їх, і приклад у його книзі (в якій несправні дані були легко виявлені за допомогою дотплоту) є вагомим аргументом для їх використання. Зауважте, що приклад вище містить лише одну крапку на рядок, тоді як їх реальна потужність має у вас кілька точок на кожному рядку, легенда пояснює, яка саме. Наприклад, ви можете використовувати різні символи або кольори для трьох різних часових точок, і звідси легко отримати уявлення про часові візерунки в різних категоріях.

У наступному прикладі (зроблено в Excel для всіх речей!) Ви можете чітко побачити, яка категорія могла постраждати від заміни міток.

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)

Якщо на вашому сюжетному ділянці є стільки точок, що він стає повним безладом, спробуйте розгладити сюжет. Ось приклад:

library(mlbench) ## this package has a smiley function
n <- 1e5 ## number of points
p <- mlbench.smiley(n,sd1 = 0.4, sd2 = 0.4) ## make a smiley :-)
x <- p$x[,1]; y <- p$x[,2]
par(mfrow = c(1,2)) ## plot side by side
plot(x,y) ## left plot, regular scatter plot
smoothScatter(x,y) ## right plot, smoothed scatter plot

hexbinПакет (запропонований @Dirk Eddelbuettel) використовується для тих же цілей, але smoothScatter()має ту перевагу , що вона належить до graphicsпакету, і, таким чином , частина стандартної установки R.

Що стосується Міні-діаграми та інших Tufte ідеї, YaleToolkit пакет на CRAN забезпечує функцію sparklineі sparklines.

Інший пакет, який корисний для більших наборів даних, - це гексабін, оскільки він вміло « перебиває » дані у відра для роботи з наборами даних, які можуть бути занадто великими для наївних розсіювачів.

Скрипкові сюжети (які поєднують сюжетні коробки з щільністю ядра) відносно екзотичні та досить круті. Пакет vioplot в R дозволяє зробити їх досить легко.

Ось приклад (посилання Вікіпедії також показує приклад):

Ще одна приємна візуалізація часових рядів, яку я щойно рецензував, - це "нерівна діаграма" (про що йдеться у цій публікації в блозі "Навчання R" ). Це дуже корисно для візуалізації змін положення в часі.

Про те, як його створити, можна прочитати на http://learnr.wordpress.com/ , але ось так воно виглядає так:

Мені також подобаються модифікації коробних планок Tufte, які дозволяють вам робити порівняння невеликих множин набагато легше, оскільки вони дуже "тонкі" по горизонталі і не захаращують сюжет зайвими чорнилами. Однак він найкраще працює з досить великою кількістю категорій; якщо у вас на ділянці є лише кілька, звичайні боксерки (Tukey) виглядають краще, оскільки у них трохи більше прихильності.

library(lattice)
library(taRifx)
compareplot(~weight | Diet * Time * Chick, 
  data.frame=cw , 
  main = "Chick Weights",
  box.show.mean=FALSE,
  box.show.whiskers=FALSE,
  box.show.box=FALSE
  )

У цьому питанні обговорюються й інші способи їх виготовлення (в тому числі інший вид коробки "Tufte") .

Ми не повинні забувати про милий та (історично) важливий сюжет із стебла та листя (який теж любить Туфте!). Ви отримуєте безпосередньо числовий огляд густини та форми даних (звичайно, якщо ваш набір даних не більший, ніж приблизно 200 балів). У R функція stemстворює ваш стебло-листовий запуск (у робочій області). Я вважаю за краще використовувати gstemфункцію з пакету fmsb, щоб намалювати її безпосередньо у графічному пристрої. Нижче наведено різницю температури тіла бобра (дані повинні бути у вашому наборі даних за замовчуванням) на дисплеї, що відповідає стволу:

  require(fmsb)
  gstem(beaver1$temp)

Графіки горизонталі (pdf), для візуалізації одразу багатьох часових рядів.

Графіки паралельних координат (pdf) для багатоваріантного аналізу.

Діаграми асоціацій та мозаїки для візуалізації таблиць на випадок надзвичайних ситуацій (див. Пакет vcd )

Окрім чудової роботи Туфте, я рекомендую книги Вільяма С. Клівленда: Візуалізація даних та елементи графічних даних . Вони не тільки чудові, але все це було зроблено в R, і я вважаю, що код є загальнодоступним.

Boxplots! Приклад з довідки R:

boxplot(count ~ spray, data = InsectSprays, col = "lightgray")

На мою думку, це найзручніший спосіб швидкого перегляду даних або порівняння розподілів. Для більш складних розподілів існує розширення, яке називається vioplot.

Мозаїчні сюжети, здається, відповідають усім згаданим чотирма критеріям. Є приклади в r, під mosaicplot.

Ознайомтеся з роботою Едварда Туфте та особливо з цією книгою

Ви також можете спробувати зловити його подорож . Це досить добре і включає в себе пакет із чотирьох його книг. (Клянусь, я не маю акцій його видавця!)

До речі, мені подобається його техніка візуалізації даних із закрутки. Сюрприз! Google це вже написав і виклав у Google Code

Підсумкові сюжети? Як згадується на цій сторінці:

Візуалізація підсумкової статистики та невизначеності