最缺乏使用的数据可视化

Question

直方图和散点图是可视化数据和变量之间关系的好方法，但最近我一直想知道我缺少哪些可视化技术。您认为最不充分利用的情节类型是什么？

答案应该：

1. 不是很常用 实践。
2. 没有太多可以理解 背景讨论。
3. 适用于许多常见情况。
4. 包含可重现的代码以进行创建 一个例子（最好是R）。链接的图像将是 好的。

Answer 1

我真的同意其他海报：Tufte's books are fantastic，非常值得一读。

首先，我会在今年早些时候从“查看数据”中指出a very nice tutorial on ggplot2 and ggobi。除此之外，我只是强调来自R的一个可视化，以及两个图形包（它们不像基本图形，晶格或ggplot那样广泛使用）：

热图

我非常喜欢可以处理多变量数据的可视化，尤其是时间序列数据。 Heat maps对此非常有用。一个非常整洁的一个是David Smith on the Revolutions blog。这是ggplot代码由Hadley提供：

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)

最终看起来有点像这样：

RGL：交互式3D图形

另一个非常值得学习的软件包是RGL，它可以轻松提供创建交互式3D图形的功能。网上有很多例子（包括在rgl文档中）。

The R-Wiki has a nice example如何使用rgl绘制3D散点图。

<强> GGobi

另一个值得了解的包是rggobi。 a Springer book on the subject有许多优秀的文档/示例，包括"Looking at Data"课程。

Answer 2

使用极坐标的情节肯定未被充分利用 - 有些人会说有充分的理由。我认为证明其使用合理性的情况并不常见;我还认为，当这些情况出现时，极坐标图可以揭示线性图不能的数据模式。

我认为这是因为有时您的数据固有极性而非线性 - 例如，它是周期性的（x坐标表示多天24小时内的时间），或者数据是以前映射到极地特征空间。

这是一个例子。此图显示了网站按小时计算的平均流量。请注意晚上10点和凌晨1点的两个尖峰。对于本网站的网络工程师来说，这些是重要的;同样重要的是它们彼此相邻（相隔两个小时）。但是如果你在传统的坐标系上绘制相同的数据，这个模式将被完全隐藏 - 线性绘制，这两个尖峰将相隔<20> 小时，尽管它们也只是两个连续几天相隔几小时。上面的极坐标图以简洁直观的方式显示了这一点（传说不是必需的）。

有两种方法（我知道）使用R创建这样的图（我在上面用w创建了图）。一种是在基本或网格图形系统中编写自己的函数。另一种方法是使用循环包，这更容易。您将使用的功能是“ rose.diag ”：

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)

Answer 3

我非常喜欢dotplots并且发现当我向其他人推荐适当的数据问题时，他们总是感到惊讶和高兴。它们似乎没有多大用处，我无法弄清楚原因。

以下是Quick-R的示例：

我相信克利夫兰对这些的发展和传播负有最大的责任，而他的书中的例子（使用点图可以很容易地检测到错误的数据）是他们使用的有力论据。请注意，上面的示例每行仅放置一个点，而它们的实际功率来自每行上有多个点，并附有一个图例说明哪个是哪个。例如，您可以在三个不同的时间点使用不同的符号或颜色，从而轻松了解不同类别的时间模式。

在以下示例中（在所有内容的Excel中完成！），您可以清楚地看到标签交换可能会遇到哪个类别。

Answer 4

如果您的散点图有太多的点，它会变得完全混乱，请尝试平滑的散点图。这是一个例子：

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包（由@Dirk Eddelbuettel建议）用于相同目的，但smoothScatter()具有属于graphics包的优点，因此属于{{1}}包标准R安装。

Answer 5

关于迷你图和其他Tufte想法，YaleToolkit上的CRAN包提供了函数sparkline和sparklines。

另一个对大型数据集有用的软件包是hexbin，因为它巧妙地将数据“分类”到存储桶中以处理可能对于天真的散点图来说太大的数据集。

Answer 6

Violin plots（将箱形图与核密度结合起来）相对异国情调且非常酷。 R中的vioplot包允许您轻松制作它们。

这是一个例子（维基百科链接也显示了一个例子）：

Answer 7

我正在审核的另一个不错的时间序列可视化是the "bump chart"（如this post on the "Learning R" blog中所述）。这对于可视化位置随时间的变化非常有用。

您可以阅读有关如何在http://learnr.wordpress.com/上创建它的信息，但最终结果如下：

Answer 8

我也喜欢Tufte对箱形图的修改，这使得你可以更容易地进行小倍数比较，因为它们在水平方向非常“薄”并且不会使用多余墨水使图形混乱。但是，它适用于相当多的类别;如果你只有一些情节，那么常规（Tukey）箱图看起来会更好，因为它们对它们有更多的重要性。

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
  )

制作这些内容的其他方式（包括其他类型的Tufte boxplot）是discussed in this question。

Answer 9

Horizon graphs（pdf），用于同时显示多个时间序列。

Parallel coordinates plots（pdf），用于多变量分析。

Association和mosaic图，用于可视化列联表（请参阅vcd包）

Answer 10

我们不应该忘记可爱和（历史上）重要的茎叶情节（Tufte也喜欢！）。您可以直接获得数据密度和形状的数值概览（当然，如果您的数据集不大于约200个点）。在R中，函数stem产生你的茎叶展开（在工作区中）。我更喜欢使用包fmsb中的gstem函数直接在图形设备中绘制它。以下是逐个叶子显示的海狸体温变化（数据应该在您的默认数据集中）：

  require(fmsb)
  gstem(beaver1$temp)

Answer 11

除了Tufte的出色工作之外，我还推荐William S. Cleveland撰写的书籍：可视化数据和图形数据元素。它们不仅非常出色，而且都是在R中完成的，我相信这些代码是公开的。

Answer 12

箱图！ R帮助中的示例：

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

在我看来，快速查看数据或比较分布是最方便的方法。 对于更复杂的分发，有一个名为vioplot的扩展名。

Answer 13

在我看来，马赛克图符合所提到的所有四个标准。 r中有一些例子，在马赛克图下。

Answer 14

查看Edward Tufte的作品，特别是this book

您也可以尝试捕捉his travelling presentation。它非常好，包括他的四本书。 （我发誓，我不拥有他的出版商的股票！）

顺便说一句，我喜欢他的迷你数据可视化技术。惊喜！ Google已将其编写并在Google Code

上发布

Answer 15

摘要图？如本页所述：

Visualizing Summary Statistics and Uncertainty