@Ondrej та @Michelle надали тут хорошу інформацію. Цікаво, чи можу я зробити свій внесок, звернувшись до деяких пунктів, які не згадуються в інших місцях. Я б не збивав себе з приводу того, що не в змозі отримати багато інформації з табличної форми, таблиці, як правило, не дуже вдалий спосіб подання інформації (пор., Gelman et al., Перетворення таблиць у графіки ). З іншого боку, просити інструмент, який автоматично генерує всі потрібні графіки, які допоможуть вам вивчити новий набір даних, це майже як запит інструменту, який зробить ваше мислення для вас. (Не сприймайте це неправильним шляхом. Я визнаю, що ваше запитання дає зрозуміти, що ви не йдете так далеко; я просто маю на увазі, що такого інструменту дійсно ніколи не буде.) Гарна дискусія, пов’язана з цим, може бути знайдена тут .
Якщо говорити про це, я хотів трохи поговорити про види сюжетів, які ви можете використати для вивчення своїх даних. Сюжети, перелічені у запитанні, були б гарним початком, але ми могли б трохи оптимізувати це. Для початку, створення "великої кількості сюжетів", що співвідносять пари змінних, може бути не ідеальним. Скейтплот відображає лише граничну залежність між двома змінними. Важливі відносини часто можна приховати в якійсь комбінації декількох змінних. Отже, перший спосіб покращити цей підхід - це зробити матрицю розсіюванняякий відображає всі парні розсіювачі одночасно. Матриці розсіювання можуть бути розширені різними способами: Наприклад, вони можуть поєднуватися з однофакторними графіками щільності ядра розподілу кожної змінної, різні маркери / кольори можуть бути використані для побудови різних груп, а можливі нелінійні зв’язки можна оцінити, накладаючи льосовий пристрій. scatterplot.matrixФункція в пакеті автомобіля в R може робити всі ці речі красиво (приклад можна побачити на півдорозі вниз сторінки пов'язані вище).
Однак, хоча матриці розсіювання є гарним початком, вони все ще відображають лише граничні проекції. Є кілька способів спробувати вийти за рамки цього. Перший полягає у дослідженні тривимірних графіків за допомогою пакету rgl у Р. Інший підхід - використання умовних графіків; коплети можуть допомогти одночасно з 3 або 4 змінними. Особливо корисним підходом є використання матриці розсіювача в інтерактивному режимі(хоч для цього знадобиться більше зусиль, щоб навчитися), наприклад, «чищенням». Кисть дозволяє виділити точку або точки в одному кадрі матриці, і ці точки будуть одночасно виділятися у всіх інших кадрах. Пересуваючи пензлик, ви можете бачити, як всі змінні змінюються разом. ОНОВЛЕННЯ: Ще одна можливість, яку я забув згадати, - використовувати графік паралельних координат . Це має недолік у тому, що не робить вашу змінну відповіді різною, але може бути корисною, наприклад, при вивченні взаємозв'язків між вашими X змінними.
Я також хочу подякувати вам за вивчення ваших даних, відсортованих за зібраною датою. Хоча дані завжди збираються з часом, люди не завжди роблять це. Складання лінійного графіка приємно, але я б запропонував вам доповнити це графіками автокореляцій та часткових автокореляцій . У R функції для них є acfі pacfвідповідно.
Я усвідомлюю, що все це не зовсім відповідає на ваше запитання в сенсі надання вам інструменту, який зробить всі сюжети для вас автоматично, але одне значення - це, що вам насправді не доведеться робити стільки сюжетів, скільки ви боїтесь , наприклад, матриця розсіювання - це лише один рядок коду. Крім того, у R має бути можливість написати функцію / якийсь код для багаторазового використання для себе, який би частково автоматизував частину цього (наприклад, я можу уявити функцію, яка містить список змінних та упорядкування дат, сортує їх , з'являється нове вікно для кожного з графіків рядків, acf та pacf).