我想创建一个大小为N
次N
的网格图,其中N
是字段数。我试图得到的网格图有点像Weka中的图:一个多色图,其中每一行都是数据帧的一个字段,每列也是一个字段。诀窍是我想得到一个更广义的矩阵散点图版本。我希望有更多的丰富数据,没有重复数据:例如,对角线值可能有分布。
Weka的。矩阵散点图浪费了大量空间,我们可以丰富这个吗?
基本R解决方案1. plot(iris)
同样存在浪费空间的问题,为什么我们有对角线?
看起来像是用维基百科以某种方式用R基本命令创建的R解决方案2.
R
中的小型演示(计算时间太长)library(gridExtra)
library(grid)
library(ggplot2)
#library(lattice)
data(iris)
p1 <- ggplot(data=iris,aes(x=Sepal.Length, y=Sepal.Length)) + geom_point()
p2 <- ggplot(data=iris,aes(x=Sepal.Length, y=Sepal.Width)) + geom_point()
p3 <- ggplot(data=iris,aes(x=Sepal.Length, y=Petal.Length)) + geom_point()
p4 <- ggplot(data=iris,aes(x=Sepal.Length, y=Petal.Width)) + geom_point()
p5 <- ggplot(data=iris,aes(x=Sepal.Length, y=Species)) + geom_point()
grid.arrange(p1, p2, p3, p4, p5, ncol=length(names(iris)))
#ERROR: In as.list(X): reached elapsed time limit
# https://cran.r-project.org/web/packages/gridExtra/vignettes/arrangeGrob.html
及其会话信息
version 3.4.1 (2017-06-30)
Platform: x86_64-apple-darwin15.6.0 (64-bit)
Running under: macOS High Sierra 10.13.1
Matrix products: default
BLAS: /System/Library/Frameworks/Accelerate.framework/Versions/A/Frameworks/vecLib.framework/Versions/A/libBLAS.dylib
LAPACK: /Library/Frameworks/R.framework/Versions/3.4/Resources/lib/libRlapack.dylib
locale:
[1] C
attached base packages:
[1] grid stats graphics grDevices utils datasets methods base
other attached packages:
[1] lattice_0.20-35 gridExtra_2.3 BAS_1.4.7 statsr_0.0.1 dplyr_0.7.4
[6] ggplot2_2.2.1
loaded via a namespace (and not attached):
[1] Rcpp_0.12.14 knitr_1.17 bindr_0.1 magrittr_1.5
[5] munsell_0.4.3 colorspace_1.3-2 xtable_1.8-2 R6_2.2.2
[9] rlang_0.1.4 plyr_1.8.4 tools_3.4.1 gtable_0.2.0
[13] htmltools_0.3.6 lazyeval_0.2.0 assertthat_0.2.0 digest_0.6.13
[17] tibble_1.3.4 bindrcpp_0.2 shiny_1.0.5 glue_1.2.0
[21] mime_0.5 labeling_0.3 compiler_3.4.1 scales_0.4.1
[25] httpuv_1.3.5 pkgconfig_2.0.1
>
这非常耗时:凭借我的1.3GHz MBA,它甚至没有完成并且需要很长时间来绘制或根本不绘制。我想找到更现代的方法来进行广义散点图。
有趣的附带问题
答案 0 :(得分:4)
关键搜索条件
广义对图,广义散点图矩阵
scatterplot矩阵
哈德利在2012年here讨论过。我们列出了以下替代方案,试图实现与原始矩阵散点图相同的探索性分析。
在撰写本文时,GGally看起来是与ggplot和潮流合作的最佳人选。它是用ggplot2构建的,你可以进一步阅读它here。
<强>替代强>
GGally由Marco Sandri建议
dev.off()
library(GGally)
ggpairs(iris)
对于较大的数据集,您可能需要更改cardinality_threshold
以便
ggpairs(movies[1:15,1:10], cardinality_threshold = 211)
电影数据来自上一个作业here
使用较大的数据集看起来有些难以阅读。
唉!您可以使用颜色并自定义ggpairs图