R語言數(shù)據(jù)可視化綜合指南

編譯|崔浩 校對|高航，姚佳靈

 

讓我們快速瀏覽一下這張圖表：

 

 

這張可視化數(shù)據(jù)圖（最初用Tableau軟件創(chuàng)建 ）是如何利用數(shù)據(jù)可視化來幫助決策者的一個很好的例子。想象一下，如果這些信息通過表格來告訴投資者，你認(rèn)為你會花多長時間來向他解釋？

 

如今的世界里，隨著數(shù)據(jù)量的不斷增長，很難不用可視化的形式來呈現(xiàn)你數(shù)據(jù)里的全部信息。雖然有專門的工具，如Tableau， QlikView 和 d3.js，但沒有任何東西能代替有很好可視化能力的建模/統(tǒng)計工具。尤其是它有助于做若干探索性數(shù)據(jù)分析和特征化工程。這就是R語言，它提供了令人難以置信的幫助。

 

R語言提供了令人滿意的一套內(nèi)置函數(shù)和庫（如 ggplot2， leaflet， lattice）用來建立可視化效果以呈現(xiàn)數(shù)據(jù)。在本文中，我已經(jīng)涉及了用R語言編程來創(chuàng)建既常見又先進的可視化效果的步驟。但是，在介紹那些之前，讓我們快速瀏覽一下數(shù)據(jù)可視化簡史。如果您對歷史不感興趣，沒問題，您可以跳到下一節(jié)。

 

數(shù)據(jù)可視化簡史

 

從歷史來看，數(shù)據(jù)可視化的進化已經(jīng)被著名的從業(yè)者在工作中完成了。威廉.普萊菲(William Playfair)是統(tǒng)計圖形化方法的創(chuàng)始人。威廉.普萊菲發(fā)明了四種類型的圖表：線圖、經(jīng)濟學(xué)數(shù)據(jù)的柱狀圖、餅狀圖和圓圖。約瑟夫·普里斯特利(Joseph Priestly)創(chuàng)建了第一個劃時代的時間線圖，其中的每一個柱形是用來顯示一個人的壽命（1765）。沒錯，時間線圖被發(fā)明于250年前，而不是Facebook發(fā)明的！

 

最著名的早期可視化數(shù)據(jù)是由Charles Minard所描繪的Napoleon’s March（俄法戰(zhàn)爭）?？梢暬瘮?shù)據(jù)中包含了隨著時間的變化，氣溫對拿破侖入侵俄國產(chǎn)生廣泛影響的信息。在圖形中，值得注意的是，在二個維度上的六種類型數(shù)據(jù)，分別表示：拿破侖軍隊的數(shù)量，距離，溫度，緯度和經(jīng)度，行軍方向和跟特定日期有關(guān)的位置。

 

弗洛倫斯·南丁格爾（Florence Nightangle）也是數(shù)據(jù)可視化的先驅(qū)。她用數(shù)據(jù)圖表的方式描述了疾病對軍隊的死亡率的影響（1858）。瓊恩·雪諾（John Snow）（不是《權(quán)力的游戲》里的人物）是把地圖用在圖表和空間分析的先驅(qū)。在1854年的倫敦，用這地圖發(fā)現(xiàn)了霍亂疫情的源頭與公共水泵有關(guān)，信息圖幫助精確定位爆發(fā)源到某一個泵的位置。

 

用R語言進行數(shù)據(jù)可視化

 

在這篇文章中，我們將創(chuàng)建以下可視化效果：

 

基本可視化效果

 

1. 直方圖

2. 條形圖/線型圖

3. 箱式圖

4. 散點圖

 

高級可視化效果

 

1. 熱點圖

2. 影像鑲嵌圖

3. 地圖可視化

4. 3維圖

5. 相關(guān)圖

 

R語言 小竅門：

 

HistData軟件包提供了一個小數(shù)據(jù)集，它很有趣并且在統(tǒng)計和數(shù)據(jù)可視化的歷史上很重要。

 

 

基本可視化效果

 

便簽：

 

1.基本圖形可以很容易地用R語言進行創(chuàng)建。繪圖(plot)命令是要關(guān)注的命令。

 

2. 它的參數(shù)有x軸數(shù)據(jù)、y軸數(shù)據(jù)、x軸標(biāo)簽、y軸標(biāo)簽、顏色和標(biāo)題。要創(chuàng)建線圖，只需簡單地使用參數(shù)，類型選擇為l。

 

3. 如果你想要箱式圖，你可以選用箱式圖(boxplot)，要條形圖就用條形圖函數(shù)。

 

1.直方圖

 

基本上，直方圖是將數(shù)據(jù)分解為一個個的小格子（或間隔），并顯示它們的頻率分布。您可以更改間隔，看看這樣做對數(shù)據(jù)可視化可理解性的影響。

 

給您舉個例子。

 

注意：我們使用的par(mfrow=c(2，5))命令，為的是清晰地把多個圖放在同一頁上（參看下面的代碼）。

 

library(RColorBrewer)

 

data(VADeaths)

 

par(mfrow=c(2，3))

 

hist(VADeaths，breaks=10， col=brewer.pal(3，"Set3")，main="Set3 3 colors")

 

hist(VADeaths，breaks=3 ，col=brewer.pal(3，"Set2")，main="Set2 3 colors")

 

hist(VADeaths，breaks=7， col=brewer.pal(3，"Set1")，main="Set1 3 colors")

 

hist(VADeaths，，breaks= 2， col=brewer.pal(8，"Set3")，main="Set3 8 colors")

 

hist(VADeaths，col=brewer.pal(8，"Greys")，main="Greys 8 colors")

 

hist(VADeaths，col=brewer.pal(8，"Greens")，main="Greens 8 colors")

 

 

請注意，如果間隔數(shù)少于被指定的顏色數(shù)，顏色會變成極值，如上圖中的“Set3 8 colors”圖。如果間隔數(shù)目超過了顏色的數(shù)目，則顏色會開始像在第一行中一樣地重復(fù)出現(xiàn)。

 

2.條形圖/線型圖

 

線型圖

 

下面的折線圖顯示了在給定時間內(nèi)飛機乘客數(shù)的增長情況。折線圖通常是分析一段時間內(nèi)延伸趨勢的首選。此外，當(dāng)我們需要比較數(shù)量隨著某種變量（例如時間）的相對變化時，線型圖也是適用的。下面是代碼：

 

plot(AirPassengers，type="l")  #Simple Line Plot

 

 

條形圖

 

條形圖適用于顯示跨幾個組別的累計匯總之間的比較。層疊圖用于跨類別的條形圖。下面是代碼：

 

barplot(iris$Petal.Length) #Creating simple Bar Graph

 

barplot(iris$Sepal.Length，col  = brewer.pal(3，"Set1"))

 

barplot(table(iris$Species，iris$Sepal.Length)，col  = brewer.pal(3，"Set1")) #Stacked Plot

 

 

3. 箱式圖

 

箱式圖顯示5個有統(tǒng)計學(xué)意義的數(shù)字，分別是最小數(shù)、第一四分?jǐn)?shù)位、中位數(shù)、第三四分位數(shù)和最大數(shù)。因此，它在數(shù)據(jù)延伸的可視化上非常有用，還能得出相應(yīng)的推論。下面是簡單的代碼：

 

boxplot(iris$Petal.Length~iris$Species) #Creating Box Plot between two variable

 

讓我們來理解下面的代碼：

 

在下面的例子中，我在屏幕上顯示了4個圖。通過使用~符號，我可以將（萼片的長度）的伸展是如何跨各種類別（的物種）進行可視化。我在最后的兩個圖中演示了調(diào)色板。調(diào)色板是一組顏色，用來使圖標(biāo)更有吸引力，而且能幫助在數(shù)據(jù)中創(chuàng)建醒目的區(qū)別。

 

data(iris)

 

par(mfrow=c(2，2))

 

boxplot(iris$Sepal.Length，col="red")

 

boxplot(iris$Sepal.Length~iris$Species，col="red")

 

oxplot(iris$Sepal.Length~iris$Species，col=heat.colors(3))

 

boxplot(iris$Sepal.Length~iris$Species，col=topo.colors(3))

 

 

要了解更多關(guān)于R語言中調(diào)色板的使用，請參看http：//decisionstats.com/2011/04/21/using-color-palettes-in-r/

 

4. 散點圖（包括3D等功能）

 

散點圖有助于輕松地把數(shù)據(jù)可視化和進行簡單的數(shù)據(jù)檢查。這里有簡單散點圖和多元散點圖的代碼：

 

plot(x=iris$Petal.Length) #Simple Scatter Plot

 

plot(x=iris$Petal.Length，y=iris$Species) #Multivariate Scatter Plot

 

 

散點圖矩陣可以幫助將彼此交叉的多個變量可視化。

 

plot(iris，col=brewer.pal(3，"Set1"))

 

 

您可能會想，我還沒有把餅圖列表成基本圖形。這不是失誤，而是我故意這么做的。這是因為，數(shù)據(jù)可視化專業(yè)人員不贊成使用餅圖來表示數(shù)據(jù)。因為人的眼睛不能像目測線性距離那樣精確地目測出圓的距離。只需要簡單地把任何可用餅圖表示的東西都用線圖表示。但是，如果你喜歡餅圖，可使用：

 

pie(table(iris$Species))

 

到這里為止，我們已經(jīng)學(xué)過的所有圖表列表如下：

 

 

您可能已經(jīng)注意到，在一些圖表中，他們的標(biāo)題已被截斷，因為我把太多圖表放在同一個屏幕上。要改變這一點，你只需要改變par函數(shù)的‘mfrow’參數(shù)。

 

高級可視化效果

 

什么是Hexbin Binning？

 

如果在同一個地方有很多點（overplotting），我們可以使用Hexbin包。六邊形面元劃分是一種二元直方圖，對大數(shù)量級結(jié)構(gòu)的數(shù)據(jù)集的可視化非常有用。下面是代碼：

 

>library(hexbin)

 

>a=hexbin(diamonds$price，diamonds$carat，xbins=40)

 

>library(RColorBrewer)

 

>plot(a)

 

 

我們也可以創(chuàng)建一個調(diào)色板，然后用Hexbin繪圖功能以獲得更好的視覺效果。下面是代碼：

 

>library(RColorBrewer)

 

>rf <- colorRampPalette(rev(brewer.pal(40，'Set3')))

 

>hexbinplot(diamonds$price~diamonds$carat， data=diamonds， colramp=rf)

 

 

馬賽克拼圖

 

馬賽克拼圖可以通過數(shù)據(jù)所占據(jù)的面積大小來有效地顯示分類數(shù)據(jù)的相對比例。

 

> data(HairEyeColor)

 

> mosaicplot(HairEyeColor)

 

 

熱圖

 

熱圖使你能夠以兩個維度為軸，顏色的強度為第三個維度來進行探索性的數(shù)據(jù)分析。然而，你需要將數(shù)據(jù)集轉(zhuǎn)化成矩陣形式。下面是代碼：

 

> heatmap(as.matrix(mtcars))

 

您也可以使用image()命令做這種類型的可視化：

 

> image(as.matrix(b[2：7]))

 

 

如何匯總大量數(shù)據(jù)？

 

您可以使用tabplot包中的tableplot功能，快速匯總大量數(shù)據(jù)

 

 

地圖可視化

 

R語言中最新的東西是通過Javascript庫來進行數(shù)據(jù)可視化。Leaflet是JavaScript開源庫中最受歡迎的一個庫，用于互動地圖。有關(guān)它的內(nèi)容，請參考https：//rstudio.github.io/leaflet/。

 

您可以用下面的代碼直接從github安裝Leaflet。

 

devtools：：install_github("rstudio/leaflet")

 

 

制作上述地圖的代碼是非常簡單的：

 

library(magrittr)

 

library(leaflet)

 

m <- leaflet() %>%

 

addTiles() %>%  # Add default OpenStreetMap map tiles

 

addMarkers(lng=77.2310， lat=28.6560， popup="The delicious food of chandni chowk")

 

m  # Print the map

 

3維圖

 

用R語言的的功能讓人閃瞎眼的最簡單的方法之一是通過創(chuàng)建一張3維圖，而不需要用R語言寫一行代碼，并且在3分鐘內(nèi)就能完成。這樣要求是不是太過分呢？

 

我們使用R Commander包作為圖形用戶界面（GUI）。操作步驟如下：

 

1. 只需安裝Rcmdr包

 

2. 使用來自圖中的3D繪圖選項

 

下面的代碼不是用戶輸入的，是自動生成的。

 

便簽：當(dāng)我們交換圖的坐標(biāo)軸時，您應(yīng)該看到有著相應(yīng)代碼的圖，我們是如何使用xlab和ylab來傳遞軸標(biāo)簽，圖標(biāo)題用Main函數(shù)，顏色是col參數(shù)。

 

>data(iris， package="datasets")

 

>scatter3d(Petal.Width~Petal.Length+Sepal.Length|Species， data=iris， fit="linear"

 

>residuals=TRUE， parallel=FALSE， bg="black"， axis.scales=TRUE， grid=TRUE， ellipsoid=FALSE)

 

 

您還可以使用Lattice包來做3維圖。Lattice也可以用于xyplot。下面是代碼：

 

>attach(iris)# 3d scatterplot by factor level

 

>cloud(Sepal.Length~Sepal.Width*Petal.Length|Species， main="3D Scatterplot by Species")

 

>xyplot(Sepal.Width ~ Sepal.Length， iris， groups = iris$Species， pch= 20)

 

相關(guān)圖（GUIs）

 

相關(guān)圖幫助我們把相關(guān)矩陣內(nèi)的數(shù)據(jù)可視化。下面是代碼：

 

> cor(iris[1：4])

 

Sepal.Length Sepal.Width Petal.Length Petal.Width

 

Sepal.Length    1.0000000  -0.1175698    0.8717538   0.8179411

 

Sepal.Width    -0.1175698   1.0000000   -0.4284401  -0.3661259

 

Petal.Length    0.8717538  -0.4284401    1.0000000   0.9628654

 

Petal.Width     0.8179411  -0.3661259    0.9628654   1.0000000

 

> corrgram(iris)

 

 

R語言有三個主要的GUI包。RCcommander和KMggplot及Rattle用于數(shù)據(jù)