Schauen wir uns diese Grafik für eine Sekunde an.,
Diese Visualisierung (ursprünglich mit Tableau erstellt) ist ein großartiges Beispiel dafür, wie Datenvisualisierung Entscheidungsträgern helfen kann. Stellen Sie sich vor, Sie würden diese Informationen einem Investor über eine Tabelle mitteilen. Was denkst du, wie lange es dauern wird, um es zu erklären?
Mit einem ständig wachsenden Datenvolumen in der heutigen Welt, Ohne diese Visualisierungen ist es unmöglich, Geschichten zu erzählen. Es gibt zwar dedizierte Tools wie Tableau, QlikView und d3.js, nichts kann Modellierungswerkzeuge ersetzen / Statistik mit guter Visualisierungsfähigkeit. Es hilft sehr, explorative Datenanalysen durchzuführen, sowie Funktionsengineering. Hier bietet R unglaubliche Hilfe.
R-Programmierung bietet eine zufriedenstellende Reihe von Funktionen und integrierten Bibliotheken (wie ggplot2, Nutzerinformation, Gitter) Visualisierungen erstellen und Daten präsentieren. In diesem Artikel, Ich habe die Schritte zum Erstellen allgemeiner und erweiterter Visualisierungen in der R-Programmierung behandelt. Aber, bevor du sie erreichst, Schauen wir uns kurz die kurze Geschichte der Datenvisualisierung an. Wenn Sie sich nicht für Geschichte interessieren, Sie können sicher mit dem nächsten Abschnitt fortfahren.
Eine kurze Geschichte der Datenvisualisierung:
Historisch, Die Datenvisualisierung hat sich dank der Arbeit führender Fachleute weiterentwickelt. Der Begründer der grafischen Methoden in der Statistik ist William Playfair. William Playfair hat vier Arten von Grafiken erfunden: das LiniendiagrammDas Liniendiagramm ist ein visuelles Werkzeug, das zur Darstellung von Daten im Zeitverlauf verwendet wird. Es besteht aus einer Reihe von Punkten, die durch Linien verbunden sind, die es Ihnen ermöglicht, Trends zu beobachten, Schwankungen und Muster in den Daten. Diese Art von Diagramm ist besonders nützlich in Bereichen wie der Wirtschaft, Meteorologie und wissenschaftliche Forschung, Dies erleichtert den Vergleich verschiedener Datensätze und die Identifizierung von Verhaltensweisen auf breiter Front.., das BalkengrafikDas Balkendiagramm ist eine visuelle Darstellung von Daten, die rechteckige Balken verwendet, um Vergleiche zwischen verschiedenen Kategorien anzuzeigen. Jeder Balken stellt einen Wert dar, und seine Länge ist proportional zu ihm. Diese Art von Diagramm ist nützlich, um Trends zu visualisieren und zu analysieren, Erleichterung der Interpretation quantitativer Informationen. Es ist in verschiedenen Disziplinen weit verbreitet, wie z.B. Statistiken, Marketing und Forschung, Aufgrund seiner Einfachheit und Effektivität.... von Wirtschaftsdaten, das KuchendiagrammDas Tortendiagramm, Auch bekannt als Tortendiagramm, ist eine visuelle Darstellung, die das Verhältnis verschiedener Teile zu einem Ganzen zeigt. Es wird häufig in der Statistik verwendet, um die Verteilung kategorialer Daten zu veranschaulichen. Jeder Abschnitt des Diagramms stellt einen Prozentsatz des Gesamtwerts dar., Erleichterung des Vergleichs zwischen Kategorien. Sein klares und prägnantes Design macht es zu einem effektiven Werkzeug für die Präsentation quantitativer Informationen.... und das Tortendiagramm. Joseph Priestly hatte die Innovation der ersten Zeitachsendiagramme geschaffen, wo einzelne Balken verwendet wurden, um die Lebensdauer einer Person zu visualisieren (1765). So ist es, Zeitleisten wurden vor erfunden 250 Jahre und nicht von Facebook!
Zu den bekanntesten frühen Datenvisualisierungen gehört Napoleons March, wie beschrieben Charles Minard. Die Datenvisualisierung enthält umfangreiche Informationen zum Einfluss der Temperatur auf Napoleons Invasion in Russland sowie Zeitskalen. Der Graph zeichnet sich durch seine zweidimensionale Darstellung von sechs Datentypen aus: die Zahl der Truppen Napoleons; Distanz; Temperatur; Breiten-und Längengrad; Fahrtrichtung; und Ort relativ zu bestimmten Daten
Florence Nightangle war auch ein Pionier in der Datenvisualisierung. Zeichnete Coxcomb-Diagramme, um die Auswirkungen der Krankheit auf die Truppensterblichkeit darzustellen (1858). Die Verwendung von Karten in Grafiken oder räumlichen Analysen wurde von John Snow entwickelt (kein de Game of Thrones!). Es war eine Karte der Todesfälle durch einen Cholera-Ausbruch in London, 1854, in Bezug auf den Standort öffentlicher Wasserpumpen und half bei der Identifizierung des Ausbruchs in einer einzigen Pumpe.
Datenvisualisierung in R:
In diesem Artikel, wir erstellen folgende Visualisierungen:
Einfache Visualisierung
- Histogramm
- Balkengrafik / Linien
- Box-Plot
- StreudiagrammEin Streudiagramm ist eine visuelle Darstellung, die die Beziehung zwischen zwei numerischen Variablen mithilfe von Punkten auf einer kartesischen Ebene zeigt. Jede Achse stellt eine Variable dar, und die Position jedes Punktes gibt seinen Wert in Bezug auf beide an.. Diese Art von Diagramm ist nützlich, um Muster zu erkennen, Korrelationen und Trends in den Daten, Erleichterung der Analyse und Interpretation quantitativer Zusammenhänge....
Erweiterte Visualisierung
- Heatmapein "Heatmap" ist eine grafische Darstellung, die Farben verwendet, um die Dichte von Daten in einem bestimmten Bereich anzuzeigen. Häufig in der Datenanalyse verwendet, Marketing und Verhaltensstudien, Diese Art der Visualisierung ermöglicht es Ihnen, Muster und Trends schnell zu erkennen. Durch chromatische Variationen, Heatmaps erleichtern die Interpretation großer Informationsmengen, dabei helfen, fundierte Entscheidungen zu treffen....
- Mosaikkarte
- Kartenanzeige
- 3D-Grafik
- Korrelogramme
Tipp R: das HistDaten Das Paket bietet eine Sammlung kleiner Datensätze, die für die Geschichte der Statistik und Datenvisualisierung interessant und wichtig sind..
GRUNDDISPLAYS
Schnelle Notizen:
- Einfache Grafiken in R können ganz einfach erstellt werden. das Handlung Befehl ist der zu berücksichtigende Befehl.
- Viel mitnehmen ParameterDas "Parameter" sind Variablen oder Kriterien, die zur Definition von, ein Phänomen oder System zu messen oder zu bewerten. In verschiedenen Bereichen wie z.B. Statistik, Informatik und naturwissenschaftliche Forschung, Parameter sind entscheidend für die Etablierung von Normen und Standards, die die Datenanalyse und -interpretation leiten. Ihre richtige Auswahl und Handhabung sind entscheidend, um genaue und relevante Ergebnisse in jeder Studie oder jedem Projekt zu erhalten.... Daten der X-Achse, y-Achsen-Daten, x-Achsen-Beschriftungen, Y-Achsen-Beschriftungen, Farbe und Titel. Liniendiagramme erstellen, benutze einfach den Parameter, Typ = l.
- Wenn du einen Boxplot willst, Sie können das Wortboxplot verwenden und, für Balkendiagramm, Verwenden Sie die Balkendiagrammfunktion.
1. Histogramm
Das Histogramm ist im Grunde ein Diagramm, das die Daten in Container unterteilt (die Pausen) und zeigt die Häufigkeitsverteilung dieser Container. Sie können auch die Pausen ändern und sehen, welchen Effekt die Datenvisualisierung in Bezug auf die Verständlichkeit hat.
Lassen Sie mich Ihnen ein Beispiel geben.
Notiz: Wir haben den par-Befehl verwendet (mfrow = c (2,5)) um mehrere Grafiken auf derselben Seite unterzubringen, um die Übersichtlichkeit zu gewährleisten (siehe Code unten).
Die folgenden Befehle zeigen dies besser. Im folgenden Code, das Rektor Die Option setzt den Titel des Diagramms und die Säule Aufrufen in der Option FarbpaletteDie Farbpalette ist ein grundlegendes Werkzeug im Grafikdesign und in der Dekoration. Es besteht aus einer Auswahl an Farben, die harmonisch eingesetzt werden, um eine bestimmte Atmosphäre zu schaffen oder Emotionen zu vermitteln. Es gibt mehrere Farbtheorien, die bei der Auswahl effektiver Kombinationen helfen, wie Farbrad und Kontrast. Eine klar definierte Palette kann die Ästhetik und die visuelle Kommunikation eines Projekts verbessern.... So legen Sie die Farben fest.
Bücherei(RColorBrewer)
Daten(VATodesfälle) durch(mfrow=c(2,3)) hist(VATodesfälle,Pausen=10, col=brewer.pal(3,"Set3"),main="Set3 3 Farben") hist(VATodesfälle,Pausen=3 ,col=brewer.pal(3,"Set2"),main="Set2 3 Farben") hist(VATodesfälle,Pausen=7, col=brewer.pal(3,"Set 1"),main="Set 1 3 Farben") hist(VATodesfälle,,Pausen= 2, col=brewer.pal(8,"Set3"),main="Set3 8 Farben") hist(VATodesfälle,col=brewer.pal(8,"Grautöne"),main="Grautöne 8 Farben") hist(VATodesfälle,col=brewer.pal(8,"Grüne"),main="Grüne 8 Farben")
Beachten Sie, dass, wenn die Anzahl der Unterbrechungen geringer ist als die angegebene Anzahl von Farben, die Farben gehen einfach auf Extremwerte wie in der Grafik „Gründen 3 8 Farben“. Wenn die Anzahl der Schnitte größer ist als die Anzahl der Farben, die Farben beginnen sich wie in der ersten Reihe zu wiederholen.
2. Balkengrafik / Linien
Liniendiagramm
Unten ist das Liniendiagramm, das den Anstieg der Flugpassagiere über einen bestimmten Zeitraum zeigt. Liniendiagramme werden häufig bevorzugt, wenn wir einen Trend analysieren möchten, der sich über einen bestimmten Zeitraum erstreckt.. Was ist mehr, Das Liniendiagramm eignet sich auch für Diagramme, in denen wir relative Änderungen der Mengen über einige VariableIn Statistik und Mathematik, ein "Variable" ist ein Symbol, das einen Wert darstellt, der sich ändern oder variieren kann. Es gibt verschiedene Arten von Variablen, und qualitativ, die nicht-numerische Eigenschaften beschreiben, und quantitative, numerische Größen darstellen. Variablen sind grundlegend in Experimenten und Studien, da sie die Analyse von Beziehungen und Mustern zwischen verschiedenen Elementen ermöglichen, das Verständnis komplexer Phänomene zu erleichtern.... (Wie die Zeit). Unten ist der Code:
Handlung(Fluggäste,Typ="l") #Einfaches Liniendiagramm
Balkengrafik
Balkendiagramme eignen sich, um den Vergleich zwischen den laufenden Summen verschiedener Gruppen zu zeigen. Gestapelte Diagramme werden für Balkendiagramme für verschiedene Kategorien verwendet. Hier ist der Code:
Balkendiagramm(iris$Blütenblatt.Länge) #Einfaches Balkendiagramm erstellen Balkendiagramm(iris$Sepal.Länge,col = brewer.pal(3,"Set 1")) Balkendiagramm(Tisch(iris$Spezies,iris$Sepal.Länge),col = brewer.pal(3,"Set 1")) #Gestapeltes Grundstück
3. Box-Plot (inklusive Option zur Gruppierung)
Der Boxplot zeigt 5 statistisch signifikante Zahlen: das Minimum, das Perzentil 25, das MedianDer Median ist ein statistisches Maß, das den zentralen Wert eines Satzes geordneter Daten darstellt. Um es zu berechnen, Die Daten werden von der niedrigsten zur höchsten sortiert und die Zahl in der Mitte wird identifiziert. Wenn es eine gerade Anzahl von Beobachtungen gibt, Die beiden Kernwerte werden gemittelt. Dieser Indikator ist besonders nützlich bei asymmetrischen Verteilungen, da es nicht von Extremwerten beeinflusst wird...., das Perzentil 75 und das Maximum. Deswegen, nützlich, um den Umfang der Daten zu visualisieren und entsprechende Schlussfolgerungen abzuleiten. Hier ist der Basiscode:
Box-Plot(Iris$Blütenblatt.Länge~Iris$Art) #Erstellen eines Boxplots zwischen zwei Variablen
Lassen Sie uns den folgenden Code verstehen:
Im folgenden Beispiel, ich machte 4 Grafiken auf einem Bildschirm. Mit dem Zeichen ~, Ich kann mir vorstellen, wie die Verbreitung ist (Kelchblattlänge) in verschiedenen Kategorien (Spezies). In den letzten beiden Grafiken habe ich das Beispiel von Farbpaletten gezeigt. Eine Farbpalette ist eine Gruppe von Farben, die verwendet wird, um das Diagramm attraktiver zu machen und visuelle Unterschiede in den Daten zu schaffen..
Daten(Iris) durch(mfrow=c(2,2)) Box-Plot(iris$Sepal.Länge,col="rot") Box-Plot(Iris$Sepal.Länge~Iris$Art,col="rot") Oxplot(Iris$Sepal.Länge~Iris$Art,col=heat.colors(3)) Box-Plot(Iris$Sepal.Länge~Iris$Art,col = topo.colors(3))
Weitere Informationen zur Verwendung von Farbpaletten in R, Besuche hier.
4. Streudiagramm (einschließlich 3D und anderen Funktionen)
Streudiagramme helfen bei der einfachen Visualisierung von Daten und zur einfachen Dateninspektion. Hier ist der Code für die AusbreitungsdiagrammDas Streudiagramm ist ein grafisches Werkzeug, das in der Statistik verwendet wird, um die Beziehung zwischen zwei Variablen zu visualisieren. Es besteht aus einer Menge von Punkten in einer kartesischen Ebene, wobei jeder Punkt ein Wertepaar darstellt, das den analysierten Variablen entspricht. Diese Art von Diagramm ermöglicht es Ihnen, Muster zu erkennen, Trends und mögliche Korrelationen, Erleichterung der Dateninterpretation und Entscheidungsfindung auf der Grundlage der präsentierten visuellen Informationen.... Einfach und multivariat:
Handlung(x=iris$Blütenblatt.Länge) #Einfaches Streudiagramm
Handlung(x=iris$Blütenblatt.Länge,y = Iris $ Spezies) #Multivariates Streudiagramm
StreudiagrammEin Streudiagramm ist eine grafische Darstellung, die die Beziehung zwischen zwei Variablen zeigt. Jeder Punkt im Diagramm entspricht einem Wertepaar, die es ermöglicht, Muster zu erkennen, Trends oder Korrelationen. Dieses Tool ist in verschiedenen Disziplinen nützlich, wie Statistik und wissenschaftliche Forschung, Da es die visuelle Analyse von Daten und das Verständnis der Beziehung zwischen den untersuchten Elementen erleichtert.... Matrix kann helfen, mehrere Variablen gegeneinander zu visualisieren.
Handlung(Iris,col=brewer.pal(3,"Set 1"))
Sie denken vielleicht, dass ich keine Tortendiagramme in die Liste der Basisdiagramme aufgenommen habe. Das ist beabsichtigt, Nicht verpassen. Dies liegt daran, dass Datenvisualisierungsexperten die Verwendung von Kreisdiagrammen zur Darstellung von Daten missbilligen.. Dies liegt daran, dass das menschliche Auge kreisförmige Entfernungen nicht so genau wie lineare Entfernungen darstellen kann.. In einer Nussschale, Alles, was in ein Tortendiagramm eingefügt werden kann, lässt sich am besten als Liniendiagramm darstellen. Aber trotzdem, wenn dir das Tortendiagramm gefällt, Vereinigte Staaten von Amerika:
Kuchen(Tisch(iris$Spezies))
Hier ist eine vollständige Liste aller Diagramme, die wir bisher gelernt haben:
Sie haben vielleicht bemerkt, dass in einigen der Diagramme, Die Titel wurden abgeschnitten, weil ich zu viele Grafiken auf demselben Bildschirm platziert habe. Um das zu ändern, Simplemente puede cambiar el parámetro ‚mfrow‘ für das Paar.
Erweiterte Visualisierungen
Was ist Hexbin-Binning??
Wir können das hexbin-Paket verwenden, falls wir mehrere Punkte an derselben Stelle haben (Überplot). Das GruppierungDas "Gruppierung" Es handelt sich um ein Konzept, das sich auf die Organisation von Elementen oder Individuen in Gruppen mit gemeinsamen Merkmalen oder Zielen bezieht. Dieses Verfahren wird in verschiedenen Disziplinen eingesetzt, einschließlich Psychologie, Pädagogik und Biologie, um die Analyse und das Verständnis von Verhaltensweisen oder Phänomenen zu erleichtern. Im Bildungsbereich, zum Beispiel, Gruppenbildung kann die Interaktion und das Lernen unter den Schülern verbessern, indem sie die Arbeit fördert.. Hexagonal ist eine Form des bivariaten Histogramms, das zur Visualisierung der Struktur in großen n Datensätzen nützlich ist. Hier ist der Code:
>Bücherei(hexbin) >a=hexbin(Diamanten$Preis,Diamanten$Karat,xbins=40) >Bücherei(RColorBrewer) >Handlung(ein)
Wir können auch eine Farbpalette erstellen und dann die Plotfunktion von Hexbin für einen besseren visuellen Effekt verwenden. Hier ist der Code:
>Bücherei(RColorBrewer)
>rf <- colorRampPalette(Rev(brauer.pal(40,'Set3')))
>hexbinplot(Diamanten$Preis~Diamanten$Karat, Daten=Diamanten, colramp=rf)
Mosaik-Plot
Ein Mosaik-Plot kann verwendet werden, um kategoriale Daten sehr effektiv darzustellen, wobei der Bereich der Daten die relativen Proportionen zeigt.
> Daten(HaarAugenfarbe) > Mosaikplot(HaarAugenfarbe)
Heatmap
Heatmaps ermöglichen es Ihnen, explorative Datenanalysen mit zwei Dimensionen als Achse und dritter Dimension durchzuführen Abmessungen"Dimension" Es handelt sich um einen Begriff, der in verschiedenen Disziplinen verwendet wird, wie z.B. Physik, Mathematik und Philosophie. Er bezieht sich auf das Ausmaß, in dem ein Objekt oder Phänomen analysiert oder beschrieben werden kann. In der Physik, zum Beispiel, Es ist die Rede von räumlichen und zeitlichen Dimensionen, während es sich in der Mathematik auf die Anzahl der Koordinaten beziehen kann, die notwendig sind, um einen Raum darzustellen. Es zu verstehen, ist grundlegend für das Studium und... dargestellt nach Farbintensität. Aber trotzdem, Sie müssen den Datensatz in ein Array-Format konvertieren. Hier ist der Code:
> Heatmap(als.matrix(mtcars))
Sie können den Bildbefehl verwenden () auch für diese Art der Visualisierung wie:
> Bild(als.matrix(B[2:7]))
So fassen Sie viele Daten zusammen?
Mit der tableplot-Funktion des tabplot-Pakets können Sie schnell große Datenmengen zusammenfassen
Kartenanzeige
Das Neueste in R ist die Datenvisualisierung durch Javascript-Bibliotheken. Nutzerinformation ist eine der beliebtesten Open-Source-JavaScript-Bibliotheken für interaktive Karten. Es basiert auf https://rstudio.github.io/leaflet/
Sie können es direkt von github installieren mit:
Entwicklertools::install_github("rstudio/Broschüre")
Der obige Kartencode ist ganz einfach:
Bücherei(magrittr)
Bücherei(Flugblatt)
m <- Flugblatt() %>%
addTiles() %>% # Add default OpenStreetMap map tiles
addMarkers(Länge = 77.2310, Jahre = 28,6560, Popup="Das köstliche Essen von Chandni Chowk")
m # Drucken der Karte
3D-Grafik
Eine der einfachsten Möglichkeiten, jemanden mit den Fähigkeiten von R zu beeindrucken, besteht darin, ein 3D-Diagramm in R zu erstellen, ohne JEDE Codezeile zu schreiben und einzufügen 3 Protokoll. Ist es zu viel verlangt?
Wir verwenden das R Commander-Paket, das als grafische Benutzeroberfläche fungiert (GUI). Das sind die Schritte:
- Installieren Sie einfach das Rcmdr-Paket
- Verwenden Sie die 3D-Plotoption aus den Diagrammen heraus
Der folgende Code wird nicht vom Benutzer geschrieben, aber es wird automatisch generiert.
Notiz: Wenn wir die Achsen des Graphen vertauschen, Sie sollten die Grafiken mit dem entsprechenden Code sehen, wie wir die Achsenbeschriftungen mit xlab übergeben, ylab, und den Titel des Diagramms mit Main und Farbe mit dem Parameter col.
>Daten(Iris, Paket="Datensätze") >Scatter3d(Blütenblatt.Breite~Blütenblatt.Länge+Sepal.Länge|Spezies, Daten=Iris, fit="linear" >Residuen=WAHR, parallel=FALSCH, bg="Schwarz", axis.scales=TRUE, Raster=WAHR, Ellipsoid=FALSCH)
Sie können mit dem Lattice-Paket auch 3D-Grafiken erstellen. Gitter kann auch für Xyplots verwendet werden. Hier ist der Code:
>anfügen(Iris)# 3d Streudiagramm nach Faktorstufe >Wolke(Kelchblatt.Länge~Sepal.Breite*Blütenblatt.Länge|Spezies, main="3D Streudiagramm nach Spezies") >xyplot(Kelch.Breite ~ Kelch.Länge, Iris, Gruppen = Iris$Spezies, pch= 20)
Korrelogramme (GUI)
Das Korrelogramm hilft uns, die Daten in Korrelationsmatrizen zu visualisieren. Hier ist der Code:
> kor(Iris[1:4])
Sepal.Length Sepal.Width Petal.Length Petal.Width
Sepal.Length 1.0000000 -0.1175698 0.8717538 0.8179411
Kelch.Breite -0.1175698 1.0000000 -0.4284401 -0.3661259
Blütenblatt.Länge 0.8717538 -0.4284401 1.0000000 0.9628654
Blütenblatt.Breite 0.8179411 -0.3661259 0.9628654 1.0000000
> Korrgramm(Iris)
Es gibt drei Haupt-GUI-Pakete in R. RCommander mit KMggplots, Rattle für Data Mining und Deducer für die Datenvisualisierung. Diese helfen, viele Aufgaben zu automatisieren.
Abschließende Anmerkungen
Ich habe es wirklich genossen, über den Artikel zu schreiben und die verschiedenen Möglichkeiten, wie R ihn zur besten Datenvisualisierungssoftware der Welt macht.. Während Python mit Seaborn und ggplot Fortschritte machen kann, nichts geht über die immense Anzahl von Paketen in R für die Anzeige statistischer Daten.
In diesem Artikel, Ich habe verschiedene Visualisierungsformen besprochen, die die grundlegenden bis fortgeschrittenen Ebenen von Tabellen und Grafiken abdecken, die für die Anzeige der Daten mit der R-Programmierung nützlich sind..
Fanden Sie diesen Artikel nützlich?? Teilen Sie mir Ihre Vorschläge im Kommentarbereich unten mit..
