R语言中值得学习的7个可视化，附代码段-u0026案例数据集（r语言数据分析及可视化案例）

更多精彩内容参见云栖社区大数据频道：https://yq.aliyun.com/big-data

R编程允许开发者通过一组内置的函数和库来构建可视化以描绘数据。 在分享可视化的技术实现之前，首先着眼如何选择合适的图表类型。

选择合适的图表类型

基本呈现类型有四种：

• Comparison

• Composition

• Distribution

• Relationship

为了确定哪一种与数据匹配，不妨先从以下几个方面考虑：

• 在一个图表中显示多少变量？

• 每个变量显示多少数据点？

• 基于时间显示值，还是在项目或组之间显示值？

下图恰到好处地描述了如何选择合适的图表类型，出自Andrew Abela博士之手。

在日常工作中，大多数会遇到下面列出的7张图表。

• Scatter Plot

• Histogram

• Bar & Stack Bar Chart

• Box Plot

• Area Chart

• Heat Map

• Correlogram

下面将通过“Big Mart data”示例来了解如何在R中创建可视化，完整数据集可以从这里下载。

下面来了解如何在R中使用这些可视化

1. Scatter Plot

使用场景：Scatter Plot用于查看两个连续变量之间的关系。

在Mart data中，如果想根据它们的成本数据来可视化项目，那么可以使用两个连续变量的散点图，即Item_Visibility和Item_MRP，如下所示。

这里是使用函数ggplot（）和geom_point（）的简单散点图的R代码。

library(ggplot2) // ggplot2 is an R library for visualizations train.ggplot(train, aes(Item_Visibility, Item_MRP)) geom_point() scale_x_continuous(\”Item Visibility\”, breaks = seq(0,0.35,0.05)) scale_y_continuous(\”Item MRP\”, breaks = seq(0,270,by = 30)) theme_bw()

现在，可以在同一个图表中查看第三个变量，比如一个分类变量（Item_Type），它将给出每个数据集的特征（item_type）。 在下面的图表中，item_type的不同颜色表示不同的类别。

R代码加上类别：

ggplot(train, aes(Item_Visibility, Item_MRP)) geom_point(aes(color = Item_Type)) scale_x_continuous(\”Item Visibility\”, breaks = seq(0,0.35,0.05)) scale_y_continuous(\”Item MRP\”, breaks = seq(0,270,by = 30)) theme_bw() labs(title=\”Scatterplot\”)

这里甚至可以通过为每个单独的Item_Type创建单独的散点图，使其更加直观清晰，如下所示。

单独类别图表的R代码：

ggplot(train, aes(Item_Visibility, Item_MRP)) geom_point(aes(color = Item_Type)) scale_x_continuous(\”Item Visibility\”, breaks = seq(0,0.35,0.05)) scale_y_continuous(\”Item MRP\”, breaks = seq(0,270,by = 30)) theme_bw() labs(title=\”Scatterplot\”) facet_wrap( ~ Item_Type)

在这里，facet_wrap在矩形布局中展示Item_Type。

2. Histogram

使用场景：Histogram用于绘制连续变量。它将数据分成数据仓，并显示这些数据仓的频率分布。这里可以随时改变bin的大小，看看它对可视化的效果。

从Mart data中，如果想了解项目成本计数，那么可以绘制直方图使用连续变量Item_MRP如下所示。

这里是使用函数ggplot（）和geom_histogram（）的简单直方图的R代码。

ggplot(train, aes(Item_MRP)) geom_histogram(binwidth = 2) scale_x_continuous(\”Item MRP\”, breaks = seq(0,270,by = 30)) scale_y_continuous(\”Count\”, breaks = seq(0,200,by = 20)) labs(title = \”Histogram\”)

3. Bar & Stack Bar Chart

使用场景：当您想要绘制分类变量或连续变量和分类变量的组合时，建议使用Bar Charts。

从这个数据集中，如果想知道在特定年份建立的货币数量，那么条形图将是最合适的选择，如下所示使用变量成立年份。

下面是使用函数ggplot（）的单个连续变量的简单条形图的R代码。

ggplot(train, aes(Outlet_Establishment_Year)) geom_bar(fill = \”red\”) theme_bw() scale_x_continuous(\”Establishment Year\”, breaks = seq(1985,2010)) scale_y_continuous(\”Count\”, breaks = seq(0,1500,150)) coord_flip() labs(title = \”Bar Chart\”) theme_gray()

Vertical Bar Chart：

作为变体，可以删除coord_flip（）参数以获取上述垂直条形图。

要根据单个条形图上的出口类型（分类变量）知道项目权重（连续变量），请使用以下代码：

ggplot(train, aes(Item_Type, Item_Weight)) geom_bar(stat = \”identity\”, fill = \”darkblue\”) scale_x_discrete(\”Outlet Type\”) scale_y_continuous(\”Item Weight\”, breaks = seq(0,15000, by = 500)) theme(axis.text.x = element_text(angle = 90, vjust = 0.5)) labs(title = \”Bar Chart\”)

Stacked Bar chart：

Stacked Bar chart是条形图的高级版本，用于可视化分类变量的组合。

在这个数据集中，如果想知道基于分类变量如类型（Outlet Type）和位置（Outlet Location Type）的outlet数，堆栈图将以最有用的方式显示该场景。

下面是通过ggplot（）函数实现简单堆叠条形图的R代码。

gplot(train, aes(Outlet_Location_Type, fill = Outlet_Type)) geom_bar() labs(title = \”Stacked Bar Chart\”, x = \”Outlet Location Type\”, y = \”Count of Outlets\”)

4. Box Plot

使用场景：Box Plot用于绘制分类和连续变量的组合。 此图用于可视化数据的扩展和检测异常值。 它显示五个统计上显著的数字——最小值，第25百分位数，中值，第75百分位数和最大值。

从数据集中，如果期望确定每个出口的详细项目销售包括最小，最大和中间数字，Box Plot是可行的。 此外，它还给出了每个出口的项目销售的异常值的值，如下图所示。

黑点是离群值。 异常值检测和删除是成功数据探索的关键步骤。下面是使用函数ggplot（）和geom_boxplot的简单框图的R代码。

ggplot(train, aes(Outlet_Identifier, Item_Outlet_Sales)) geom_boxplot(fill = \”red\”) scale_y_continuous(\”Item Outlet Sales\”, breaks= seq(0,15000, by=500)) labs(title = \”Box Plot\”, x = \”Outlet Identifier\”)

5. Area Chart

使用场景：Area Chart用于显示变量或数据集的连续性。它与折线图非常相似，通常用于时间序列图。或者，它也用于绘制连续变量并分析潜在趋势。

在数据集中，当分析项目销售额的趋势时，面积图可以如下图所示。 它显示销售额的销售点数。

这里是简单区域图的R代码，显示项目出口销售的连续性，使用函数ggplot（）和geom_area。

ggplot(train, aes(Item_Outlet_Sales)) geom_area(stat = \”bin\”, bins = 30, fill = \”steelblue\”) scale_x_continuous(breaks = seq(0,11000,1000)) labs(title = \”Area Chart\”, x = \”Item Outlet Sales\”, y = \”Count\”)

6. Heat Map

使用场景：Heat Map使用颜色的强度（密度）来显示二维图像中的两个、三个或多个变量之间的关系。 它允许使用两个维度作为轴和第三个维度用作颜色的强度。

在这个数据集中，如果想知道每个出口的每个项目的成本，就可以使用Heat Map，如下所示使用从mart数据集中的三个变量项目MRP，出口标识符和项目类型。

暗部分表示项目MRP接近50.较亮部分指示项目MRP接近250。这里是使用函数ggplot（）的简单热图的R代码。

ggplot(train, aes(Outlet_Identifier, Item_Type)) geom_raster(aes(fill = Item_MRP)) labs(title =\”Heat Map\”, x = \”Outlet Identifier\”, y = \”Item Type\”) scale_fill_continuous(name = \”Item MRP\”)

7. Correlogram

使用场景：Correlogram用于测试数据集中可用变量之间的关联程度。矩阵的单元可以被着阴影或着彩色以显示共同关系值。

颜色越深，变量之间的相关性越高。 正相关以蓝色显示，负相关以红色显示。 颜色强度与相关值成正比。

如果检查项目成本、重量、可见性与出口建立年份和出口销售之间的共同关系，如下图所示。

在这个例子中可以看到，物品成本和销售量是正相关的，而物品重量和它的可见度是负相关的。

这里是使用functioncorrgram（）的简单自相关图的R代码。

install.packages(\”corrgram\”)library(corrgram)corrgram(train, order=NULL, panel=panel.shade, text.panel=panel.txt, main=\”Correlogram\”)

通过这个教程，相信大家对R编程中使用gplot2库来对数据进行可视化已经有所理解。

原文链接：7 Visualizations You Should Learn in R （作者/Dikesh Jariwala）

更多深度文章，欢迎关注云栖社区：https://yq.aliyun.com/cloud