有時候數(shù)字確實(shí)需要分享一個美麗的故事分享！

當(dāng)今社會，數(shù)據(jù)可視化是至關(guān)重要的。沒有強(qiáng)大的可視化，幾乎不可能在堆積如山的數(shù)據(jù)中創(chuàng)造或者敘述它的故事。這些故事有助于我們構(gòu)建策略，并做出明智的商業(yè)決策。

R是讓數(shù)據(jù)可視化更加有趣和簡單的很好支持。它已經(jīng)具備了基本的功能，Package提供的外部支持使它成為一個令人開心的工作工具，感謝我們的社區(qū)成員。

在所有的包中，ggplot package已經(jīng)在R中成為了數(shù)據(jù)可視化的同義詞，它可以讓你獲得更多的控制圖，圖表和地圖，也被稱為能創(chuàng)造讓人吃驚的圖形。我要衷心的感謝Hadley Wickam， 這個成就ggplot2 package的父親。

在這篇文章中，通過R用戶用ggplot package工作中，我已經(jīng)回答了的一些最常見的問題，所以，下一次當(dāng)你需要可視化數(shù)據(jù)的時候，你可以選擇下面的任何一個。

注：這篇文章最適合初學(xué)者，和中級的具有數(shù)據(jù)可視化的基本知識的R用戶，您可以參考這個完整的數(shù)據(jù)可視化指南。



現(xiàn)在開始

讓我們快速結(jié)束可視化熱身儀式

數(shù)據(jù)集：在這篇文章中，我們使用了來自大市場預(yù)測的數(shù)據(jù)集。數(shù)據(jù)可供下載。



現(xiàn)在我們可以更好的開始了，對變量類進(jìn)行檢查。這將有助于你決定最適合他們制圖的類型。

Q1如何創(chuàng)建散點(diǎn)圖

使用類型：要看連續(xù)變量之間的關(guān)系時，使用散點(diǎn)圖。


讓我們快速了解ggplot的代碼的結(jié)構(gòu)：

1、 aes-指美學(xué)，它包含用于創(chuàng)建圖的變量的名稱。

2、 geom_point-ggplot提供了很多可以用來代表數(shù)據(jù)的geoms。因?yàn)?，在這里我們用散點(diǎn)圖，我們用gem_points.

3、 Scale_x_continuous-x 變量是連續(xù)的。這個參數(shù)是用來表示在x軸改變的信息。

4、 scale_y_continuous-它在Y軸執(zhí)行與scale_x_continuous相同的任務(wù)。

5、 heme_bw –指設(shè)置情節(jié)的背景。我使用了網(wǎng)格版本。

我們還可以在當(dāng)前的情節(jié)添加一個分類變量(item_type)。檢查數(shù)據(jù)，以熟悉數(shù)據(jù)集中的可用數(shù)據(jù)。



我們甚至可以通過創(chuàng)建單獨(dú)的item_type讓分離散點(diǎn)圖更好。



在結(jié)尾，你需要”縮放”這個圖成為一個清晰的視圖。放大的版本看起來像這個樣子。在這種情況下，參數(shù)facet_wrap搞了鬼。它包括了矩形布局中的面。

Q2：如何創(chuàng)建直方圖？

使用類型：當(dāng)我們要繪制一個連續(xù)的變量，我們就使用直方圖。



Q3：如何創(chuàng)建一個條形圖？

使用類型：當(dāng)我們要繪制一個分類變量或連續(xù)變量和分類變量組合時，就使用條形圖。



你可以刪除coord_flip()參數(shù)得到這個垂直條形圖。正如你所看到的，我對這個圖形嘗試了不同的主題。歡迎你用ggplot package來做實(shí)驗(yàn)。



為了達(dá)到更好的視覺效果，你可以在末端放大這個圖形。在這個圖中，我分別在x和y軸使用了分類和連續(xù)變量。

Q4：如何創(chuàng)建棧條形圖？

什么時候使用：它是一個高級版本的條形圖。當(dāng)我們希望可視化組合分類變量時使用。



Q5：如何創(chuàng)建一個箱線圖？

使用類型：箱線圖被用來繪制分類和連續(xù)變量的組合。此圖有助于我們分辨數(shù)據(jù)分類并檢測異常。

黑點(diǎn)是異常值。異常檢測與排除是成功的數(shù)據(jù)挖掘的一個重要步驟。



Q6：如何創(chuàng)建一個區(qū)域圖？

使用類型：區(qū)域圖是用來顯示一個變量或數(shù)據(jù)集的連續(xù)性。這是非常相似的線形圖。它是常用的時間序列圖。或者，它是用來繪制連續(xù)變量和分析的基本趨勢。



Q7：如何創(chuàng)建一個熱圖？

使用類型：熱圖是用顏色的強(qiáng)度(密度)來顯示兩三個或多個變量在一個二維圖像中的關(guān)系。



為了更好的視覺，你可以最后放大這個圖表。黑暗的部分表示項(xiàng)目MRP接近50.較亮的部分表示項(xiàng)目的MRP是接近250。

熱圖也可以產(chǎn)生于圖像識別的視覺效果。這可以通過添加一個參數(shù)作為插入來完成。



Q8：如何創(chuàng)建一個相關(guān)圖？

使用類型： 相關(guān)圖是用來測試數(shù)據(jù)集的可用變量間的關(guān)聯(lián)程度。創(chuàng)建一個相關(guān)圖，我們用corrgram package代替ggplot。我意識到用專業(yè)軟件包創(chuàng)建相關(guān)圖比ggplot容易多了。



這也很容易解釋。顏色越深，變量間的相關(guān)性越高。藍(lán)色表示正相關(guān)。紅色表示負(fù)相關(guān)。顏色強(qiáng)度表示相關(guān)性的大小。

Q9：如何繪制地理地圖？

使用類型：地圖常被用來可視化某些影響地理位置的一些因素。在R中繪制很容易。

讓我們繪制一個參加2016年的ICC世界杯T20的國家。經(jīng)過研究，我發(fā)現(xiàn)今年有16個國家參加。讓我們來看看這些國家在世界地圖上的位置。

我們會用ggmaps package一起創(chuàng)建這些地圖。





這很容易，是不是？我們還可以美化這個地圖。如果你不熟悉世界地圖，對你來說就很難找出這些國家的名字。讓我們用ggmap package的功能設(shè)計這個地圖。



這樣看起來就更好。ggmap package 是與谷歌地圖連接的，因此提取詳細(xì)的地段直接連接。但是我有一個遺憾。如果你仔細(xì)看這幅地圖，你會發(fā)現(xiàn)這個地圖是不完整的。西印度群島沒有在這個地圖上顯示。我試著從多個源中提取數(shù)據(jù)，但是并沒有成功。如果你們中的任何一個能解決這個謎題，請分享你的解決方案吧。

Q10：如何繪制單個命令中的數(shù)據(jù)集？

我們每個人都在試圖在某個時候做到這一步。我們都在尋找一個命令，使用這個命令讓我們可以將所有的變量的數(shù)據(jù)集一次性畫出來。這是你的答案。

你可以使用tabplot package 來完成這個偉業(yè)。



結(jié)尾注釋：

我們終于結(jié)束一個豐富多彩的旅程！我希望它能讓人們開始幾次新的豐富多彩的旅程。你可以已經(jīng)注意到用ggplot 2會容易很多。大多數(shù)的代碼是重復(fù)的，因此你會很快適應(yīng)它。當(dāng)你用geoms制作圖表的時候要小心，因?yàn)檫@是最主要的設(shè)計元素。當(dāng)我們開始學(xué)習(xí)這個包時，我問了在不同的節(jié)點(diǎn)的所有問題。因此，一篇關(guān)于所有問題的文章出現(xiàn)在我的腦海里。

在這篇文章中，我討論了9種不同的可以用ggplot package繪制的可視化。這些可視化是否能很好的使用取決于提供給它們的變量類型。因此，如果你想畫出來，必須要小心變量的類型。

你覺得這篇文章很有幫助嗎？你能否用其他的軟件包來制作可視化？快快回復(fù)公眾號分享你的建議或者意見。

來源 | 36大數(shù)據(jù)

責(zé)任編輯 | 李佳燕