가장 많이 사용되지 않는 데이터 시각화 [닫기]

히스토그램과 산점도는 데이터와 변수 간의 관계를 시각화하는 훌륭한 방법이지만 최근에 어떤 시각화 기술이 누락되었는지 궁금합니다. 가장 많이 사용되지 않는 줄거리 유형은 무엇이라고 생각하십니까?

답변은 :

1. 실제로는 일반적으로 사용되지 않습니다.
2. 많은 배경 토론없이 이해할 수 있습니다.
3. 많은 일반적인 상황에 적용 할 수 있습니다.
4. 예제를 만들기 위해 재현 가능한 코드를 포함하십시오 (바람직하게는 R). 연결된 이미지가 좋을 것입니다.

나는 다른 포스터에 정말 동의합니다 : Tufte의 책은 환상 적이고 읽을만한 가치가 있습니다.

먼저, 올해 초 "데이터 찾기"의 ggplot2 및 ggobi에 대한 유용한 자습서를 소개하겠습니다 . 그 외에도 R에서 하나의 시각화와 두 개의 그래픽 패키지 (기본 그래픽, 격자 또는 ggplot만큼 널리 사용되지 않는)를 강조하겠습니다.

히트 맵

다변량 데이터, 특히 시계열 데이터를 처리 할 수있는 시각화가 정말 좋습니다. 히트 맵 이 유용 할 수 있습니다. 정말 깔끔한 하나는 David Smith가 Revolutions 블로그에 소개했습니다 . Hadley가 제공 한 ggplot 코드는 다음과 같습니다.

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)

어느 쪽이 다음과 같이 보입니다.

RGL : 대화식 3D 그래픽

배우려는 노력의 가치가있는 또 다른 패키지는 대화식 3D 그래픽을 쉽게 만들 수있는 RGL 입니다. 온라인에 대한 많은 예제가 있습니다 (rgl 문서 포함).

R-Wiki에는 rgl을 사용하여 3D 산점도를 그리는 방법에 대한 좋은 예가 있습니다.

고비

알아야 할 또 다른 패키지는 rggobi 입니다. 이 주제에 스프링 책은 훌륭한 많은 문서 / 예는에 포함, 온라인 및 "데이터를 보면" 물론.

나는 도트 플롯을 정말로 좋아 하며 적절한 데이터 문제에 대해 다른 사람들에게 추천 할 때 항상 놀라고 기뻐합니다. 그들은 많이 사용하지 않는 것 같아서 이유를 알 수 없습니다.

다음은 Quick-R의 예입니다.

나는 클리블랜드가 이들의 개발과 공포에 가장 큰 책임을지고 있다고 생각하며, 그의 책 (예 : 결함이있는 데이터가 도트 플롯으로 쉽게 감지 된)의 예가 그들의 사용에 대한 강력한 논증이다. 위의 예는 한 줄에 하나의 점만 넣는 반면 실제 출력은 각 줄에 여러 개의 점이 있으며 어느 쪽이 어느 것인지 설명하는 범례가 있습니다. 예를 들어, 세 가지 다른 시점에 다른 심볼이나 색상을 사용할 수 있으며, 따라서 다른 카테고리에서 쉽게 시간 패턴을 얻을 수 있습니다.

다음 예제 (모든 일을 Excel에서 완료했습니다!)에서 레이블 교환으로 인해 어떤 범주가 발생했는지 명확하게 확인할 수 있습니다.

극좌표를 사용하는 플롯은 확실히 사용되지 않습니다. 일부는 정당한 이유가 있습니다. 나는 그들의 사용을 정당화하는 상황은 일반적이지 않다고 생각한다. 또한 이러한 상황이 발생하면 극좌표는 선형 도표로는 불가능한 데이터 패턴을 나타낼 수 있다고 생각합니다.

때로는 데이터가 선형이 아니라 본질적으로 극좌표 이기 때문에 데이터가 주기적이거나 (24 일 동안 24 시간 동안 여러 시간 동안 시간을 ​​나타내는 x 좌표) 데이터가 이전에 극좌표 형상 공간에 매핑 되었기 때문이라고 생각합니다 .

다음은 예입니다. 이 그림은 시간별 웹 사이트의 평균 트래픽 양을 보여줍니다. 오후 10시와 오전 1시에 두 개의 급등에 주목하십시오. 사이트의 네트워크 엔지니어에게는 중요한 역할을합니다. 또한 서로 가까이 ( 두 시간 간격으로) 발생한다는 점도 중요합니다 . 그러나 기존 좌표계에서 동일한 데이터를 플로팅하면이 패턴이 완전히 숨겨져 선형으로 표시됩니다.이 두 스파이크는 20 시간 간격으로 연속 날짜에 2 시간 간격으로 표시됩니다. 위의 극좌표 차트는이 내용을 포용적이고 직관적 인 방식으로 보여줍니다 (전설은 필요하지 않음).

R을 사용하여 이와 같은 플롯을 만드는 방법에는 두 가지가 있습니다 (알고 있습니다). 하나는 기본 또는 그리드 그래픽 시스템에서 자신의 기능을 코딩하는 것입니다. 더 쉬운 다른 방법은 순환 패키지 를 사용하는 것 입니다. 사용할 함수는 ' rose.diag '입니다.

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)

산점도에 점이 너무 많아 완전히 엉망이되면 부드러운 산점도를 사용해보십시오. 예를 들면 다음과 같습니다.

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

hexbin(@Dirk Eddelbuettel 제안) 패키지는 동일한 목적으로 사용되지만, smoothScatter()그것이 속한 이점 갖는 graphics패키지, 따라서 표준 R 설치 부분이다.

스파크 라인 및 기타 Tufte 아이디어와 관련 하여 CRAN 의 YaleToolkit 패키지 는 기능 및을 제공합니다 . sparklinesparklines

대용량 데이터 세트에 유용한 또 다른 패키지는 데이터를 버킷에 영리하게 '고정'하여 순진 산점도에 비해 너무 큰 데이터 세트를 처리하므로 헥사 빈입니다.

바이올린 플롯 (상자 플롯과 커널 밀도를 결합한)은 비교적 이국적이고 매우 시원합니다. R 의 vioplot 패키지를 사용하면 쉽게 만들 수 있습니다.

다음은 예제입니다 (wikipedia 링크도 예제를 보여줍니다).

방금 검토 한 또 다른 멋진 시계열 시각화 는 "범프 차트"입니다 ( 이 게시물의 "Learning R"블로그에 나와 있음 ). 시간이 지남에 따라 위치 변화를 시각화하는 데 매우 유용합니다.

http://learnr.wordpress.com/ 에서 작성하는 방법에 대해 읽을 수 있지만 다음과 같이 보입니다.

또한 Tufte의 boxplots 수정을 좋아합니다. 작은 배수는 가로가 매우 "얇고"중복 잉크로 줄거리를 작성하지 않기 때문에 훨씬 쉽게 비교할 수 있습니다. 그러나 상당히 많은 수의 범주에서 가장 잘 작동합니다. 줄거리에 몇 개만 있다면 정규 (Tukey) 상자 그림은 조금 더 무겁기 때문에 더 좋아 보입니다.

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
  )

이것들을 만드는 다른 방법들 (다른 종류의 Tufte boxplot 포함) 이이 질문에서 논의됩니다 .

우리는 귀엽고 (역사적으로) 중요한 줄기-잎 그림 (Tufte가 좋아하는)을 잊지 말아야합니다. 데이터 밀도와 모양에 대한 직접적인 수치 개요를 얻을 수 있습니다 (물론 데이터 세트가 약 200 포인트보다 크지 않은 경우). R에서 함수 stem는 줄기 및 잎 디 레이를 생성합니다 (작업 공간에서). fmsbgstem 패키지의 함수 를 사용 하여 그래픽 장치에 직접 그리는 것을 선호합니다 . 다음은 줄기 별 표시에서 비버 체온 변화 (데이터는 기본 데이터 세트에 있어야 함)입니다.

  require(fmsb)
  gstem(beaver1$temp)

호라이즌 그래프한 번에 많은 시계열을 시각화하기위한 (pdf).

평행 좌표 플롯다변량 분석을위한 (pdf).

우발 사태 테이블을 시각화하기위한 연관 및 모자이크 플롯 ( vcd 패키지 참조 )

Tufte의 훌륭한 작품 외에도 William S. Cleveland의 책 : 데이터 시각화 및 데이터 요소 . 그들은 우수 할뿐만 아니라 R에서 모두 완료되었으며 코드가 공개적으로 사용 가능하다고 생각합니다.

박스 플롯! R 도움말의 예 :

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

제 생각에는 데이터를 빠르게 보거나 분포를 비교하는 가장 편리한 방법입니다. 보다 복잡한 배포를 위해이라는 확장자가 vioplot있습니다.

모자이크 플롯은 언급 한 네 가지 기준을 모두 충족시키는 것 같습니다. r의 mosaicplot 아래에 예가 있습니다.

Edward Tufte의 작품과 특히이 책을 확인하십시오

당신은 또한 그의 여행 프리젠 테이션을 시도하고 잡을 수 있습니다 . 그것은 꽤 좋고 그의 4 권의 책 묶음을 포함하고 있습니다. (저는 그의 출판사의 주식을 가지고 있지 않다고 맹세합니다!)

그건 그렇고, 나는 그의 스파크 라인 데이터 시각화 기술을 좋아합니다. 놀라다! 구글은 이미 그것을 작성하고 구글 코드 에 넣어

요약 플롯? 이 페이지에서 언급 한 것처럼 :

요약 통계 및 불확실성 시각화