여러 "히스토그램"시각화 (막 대형 차트)

데이터를 시각화하는 올바른 방법을 선택하는 데 어려움이 있습니다. 하자 우리가 가지고 있다고 서점 판매 책을 , 모든 책은 적어도 하나이 개 범주를 .

서점의 경우 모든 서적 범주를 세면 해당 서점의 특정 범주에 해당하는 서적 수를 보여주는 히스토그램을 얻습니다.

서점 행동을 시각화하고 싶습니다. 다른 카테고리보다 카테고리를 선호하는지 확인하고 싶습니다. 나는 그들이 공상 과학을 모두 선호하는지보고 싶지 않지만 모든 카테고리를 동등하게 취급하는지 여부를보고 싶습니다.

~ 1M 서점이 있습니다.

나는 4 가지 방법을 생각했다.

1. 데이터를 샘플링하고 500 개의 서점 히스토그램 만 표시하십시오. 10x10 격자를 사용하여 5 개의 별도 페이지에 표시하십시오. 4x4 그리드의 예 :

   

2. # 1과 같습니다. 그러나 이번에는 x 축 값을 카운트 디스크에 따라 정렬하므로 선호가 있으면 쉽게 볼 수 있습니다.

3. 히스토그램을 # 2에 데크처럼 모아서 3D로 표시한다고 상상해보십시오. 이 같은:
   

4. 히트 맵 (2D 히스토그램)을 사용하여 색상을 나타내는 데 세 번째 축 색상을 사용하는 대신 :
   일반적으로 서점에서 다른 카테고리를 선호하는 경우 왼쪽에서 오른쪽으로 멋진 그라디언트로 표시됩니다.

여러 히스토그램을 나타내는 다른 시각화 아이디어 / 도구가 있습니까?

알다시피 귀하의 질문에 대한 쉬운 답변이 없습니다!

이상하거나 다른 서점을 찾는 데 관심이 있다고 생각하십니까? 이 경우 PCA 와 같은 것을 시도해 볼 수 있습니다 (자세한 내용은 wikipedia 클러스터 분석 페이지 참조).

아이디어를 얻으려면이 예제를 고려하십시오. 26 개의 서점 (A, B, .. Z)이 있습니다. 모든 서점은 다음을 제외하고 비슷합니다.

1. Z 상점은 몇 권의 역사 서적 만 판매합니다.
2. 상점 OY는 평균보다 많은 로맨스 책을 판매합니다.

주요 구성 요소 플롯은 추가 조사를 위해 이러한 상점을 강조합니다.

샘플 R 코드는 다음과 같습니다.

> d = data.frame(Romance = rpois(26, 50), Horror = rpois(26, 100), 
               Science = rpois(26, 75), History = rpois(26, 125))
> rownames(d) = LETTERS
#Alter a few shops
> d[15:25,][1] = rpois(11,150)
> d[26,][4] = rpois(1, 10)
#look at the data
> head(d, 2)
       Romance Horror Science History
 A      36    107      62     139
 B      47     93      64     118
> books.PC.cov = prcomp(d)
> books.scores.cov = predict(books.PC.cov)
# Plot of PC1 vs PC2
> plot(books.scores.cov[,1],books.scores.cov[,2],
       xlab="PC 1",ylab="PC 2", pch=NA)
> text(books.scores.cov[,1],books.scores.cov[,2],labels=LETTERS)

이것은 다음 플롯을 제공합니다.

PCA 플롯 http://img265.imageshack.us/img265/7263/tmplx.jpg

그것을주의해라:

1. Shop z는 중요한 포인트입니다.
2. 다른 상점들은 두 개의 별개의 그룹을 형성합니다.

다른 가능성

당신은 또한 GGobi를 볼 수 있습니다 , 나는 그것을 사용한 적이 없지만 재미있게 보입니다.

정의 된 이름 (아마도 "병렬 플롯")이없고 다음과 같은 것을 제안합니다.

기본적으로 모든 서점에 대한 모든 수를 x 축에 나열된 범주에 대한 점으로 표시하고 각 서점의 결과를 선으로 연결합니다. 그럼에도 불구하고 이것은 1M 라인에 너무 얽혀있을 수 있습니다. 이 개념은 csgillespie가 이미 언급 한 GGobi에서 나왔습니다.