探索新数据集：可视化许多（所有）变量的最简单，最快捷的方法是什么？
理想情况下，输出显示彼此相邻的直方图，且杂乱和最大信息最少。这个问题的关键是处理大型和不同数据集的灵活性和稳定性。我正在使用RStudio，通常会处理大量杂乱的调查数据。
Hmisc框中的一个例子，在这里效果很好：
library(ggplot2)
str(mpg)
library(Hmisc)
hist.data.frame(mpg)
不幸的是，在其他地方我遇到了数据标签的问题（plot.new（）中的错误：数字边距太大）。它还崩溃了一个比mpg更大的数据集，我还没弄明白如何控制分箱。而且，我更喜欢ggplot2中的灵活解决方案。请注意，我刚开始学习R并习惯了商业软件提供的舒适解决方案。
有关此主题的更多问题：
R histogram - too many variables
...
答案 0 :(得分：9)
可能有三种广泛的方法：
hist.data.frame() <强>包
其他可能有用的命令：
library(plyr)
library(psych)
multi.hist(mpg) #error, not numeric
multi.hist(mpg[,sapply(mpg, is.numeric)])
multhist的{p>或plotrix，我还没有探讨过。他们俩都没有提供我想要的灵活性。
<强>循环
作为R初学者，每个人都建议我远离循环。所以我做了，但也许值得一试。任何建议都非常欢迎。也许你可以评论如何将图形组合成一个文件。
<强>堆积
我首先怀疑堆叠变量可能会失控。但是，它可能是一组合理变量的最佳策略。
我提出的一个例子使用melt函数。
library(reshape2)
mpgid <- mutate(mpg, id=as.numeric(rownames(mpg)))
mpgstack <- melt(mpgid, id="id")
pp <- qplot(value, data=mpgstack) + facet_wrap(~variable, scales="free")
# pp + stat_bin(geom="text", aes(label=..count.., vjust=-1))
ggsave("mpg-histograms.pdf", pp, scale=2)
（正如你所看到的那样，我试图在条形图上设置值标签以获得更多信息密度，但这并不是很好.X轴上的标签也不太理想。）
这里没有完美的解决方案，也没有一刀切的命令。但也许我们可以更接近于轻松探索新的数据集。