最未充分利用的数据可视化

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。您认为最未被充分利用的情节类型是什么？

答案应该：

1. 不太常用 实践。
2. 无需太多内容即可理解 的背景讨论。
3. 适用于许多常见情况。
4. 包含可重现的代码来创建 一个例子（最好是R语言）。链接图像将是 好的。

Answer 1

我非常同意其他海报：Tufte 的书非常棒并且非常值得一读。

首先，我会向您指出一个非常好的教程ggplot2 和 ggobi 来自今年早些时候的“Looking at Data”。除此之外，我只想重点介绍 R 中的一种可视化效果和两个图形包（它们不像基础图形、点阵或 ggplot 那样广泛使用）：

热图

我真的很喜欢可以处理多元数据的可视化效果，尤其是时间序列数据。 热图对此很有用。 大卫·史密斯在革命博客上。这是 Hadley 提供的 ggplot 代码：

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

另一个非常值得努力学习的包是 RGL，它可以轻松提供创建交互式 3D 图形的能力。网上有很多这方面的例子（包括在 rgl 文档中）。

R-Wiki 有一个很好的示例如何使用 rgl 绘制 3D 散点图。

GGobi

另一个值得了解的软件包是 rggobi。有一本关于该主题的 Springer 书籍，以及许多很棒的在线文档/示例，包括在 < href="http://lookingatdata.com/jsm-2009/" rel="noreferrer">“查看数据” 课程。

Answer 2

我真的很喜欢 dotplots 并且发现当我向其他人推荐它们来解决适当的数据问题时，它们总是惊讶又高兴。它们似乎没有多大用处，我不明白为什么。

以下是 Quick-R 中的示例：

我相信克利夫兰对这些的开发和颁布负有最大的责任，以及他书中的例子（在使用点图可以轻松检测到错误数据）是其使用的有力论据。请注意，上面的示例每行仅放置一个点，而它们的真正威力在于每行上有多个点，并有一个图例解释哪个是哪个。例如，您可以对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。

在下面的示例中（所有事情都是在 Excel 中完成的！），您可以清楚地看到哪个类别可能受到标签交换的影响。

Answer 3

使用极坐标的绘图肯定没有得到充分利用——有些人会说这是有充分理由的。我认为证明它们的使用合理的情况并不常见；我还认为，当出现这些情况时，极坐标图可以揭示线性图无法揭示的数据模式。

我认为这是因为有时您的数据本质上是极性的而不是线性的 - 例如，它是循环的（x 坐标表示多天 24 小时内的时间），或者数据之前已映射到极地特征空间。

这是一个例子。该图显示了网站每小时的平均流量。请注意晚上 10 点和凌晨 1 点的两个峰值。对于站点的网络工程师来说，这些意义重大；同样重要的是，它们发生的时间彼此很近（仅相隔两个小时）。但是，如果您在传统坐标系上绘制相同的数据，则该模式将被完全隐藏 - 线性绘制，这两个峰值将相距 20 小时，事实确实如此，尽管它们也只是两个小时连续几天相隔数小时。上面的极坐标图以简洁直观的方式显示了这一点（不需要图例）。

有两种方法（据我所知）可以使用 R 创建这样的图（我使用 R 创建了上面的图）。一种是在基本或网格图形系统中编写您自己的函数。另一种更简单的方法是使用圆形封装。您将使用的函数是“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 4

如果您的散点图有太多点以致变得一团糟，请尝试平滑散点图。下面是一个示例：

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() 的优点是它属于 >graphics 包，因此是标准 R 安装的一部分。

Answer 5

关于迷你图和其他 Tufte 想法，YaleToolkit 包位于 CRAN 提供函数 sparkline 和 sparklines。

另一个对较大数据集有用的包是 hexbin 因为它巧妙地将数据“存储”到存储桶中，以处理对于朴素散点图来说可能太大的数据集。

Answer 6

小提琴图（将箱线图与核密度结合起来）相对奇特且非常酷。 R 中的 vioplot 包让您可以轻松制作它们。

这是一个示例（维基百科链接也显示了一个示例）：

Answer 7

我刚刚回顾的另一个不错的时间序列可视化是“凹凸图”（如“学习 R”博客上的这篇文章）。这对于可视化位置随时间的变化非常有用。

您可以在 http://learnr.wordpress.com/ 上阅读有关如何创建它的信息，但这是它最终看起来像什么：

Answer 8

我还喜欢 Tufte 对箱线图的修改，它可以让您更轻松地进行小倍数比较，因为它们水平非常“薄”，并且不会用多余的墨水弄乱绘图。然而，它最适用于相当多的类别；如果你在一个图上只有一些，那么常规（Tukey）箱线图看起来更好，因为它们有更多的分量。

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
  )

制作这些图的其他方法（包括其他类型的 Tufte 箱线图）是 在此问题中讨论。

Answer 9

我们不应该忘记可爱且（历史上）重要的茎叶情节（塔夫特也喜欢！）。您可以直接获得数据密度和形状的数字概览（当然，如果您的数据集不大于大约 200 个点）。在 R 中，函数 stem 生成茎叶显示（在工作区中）。我更喜欢使用包 fmsb< 中的 gstem 函数/a> 直接在图形设备中绘制它。以下是逐叶显示的海狸体温变化（数据应位于默认数据集中）：

  require(fmsb)
  gstem(beaver1$temp)

Answer 10

除了 Tufte 的出色工作之外，我还推荐 William S. Cleveland 的书籍：可视化数据 和图形数据元素。它们不仅非常优秀，而且都是用 R 完成的，而且我相信代码是公开的。

Answer 11

地平线图 (pdf)，用于同时可视化多个时间序列。

平行坐标图 (pdf)，用于多变量分析。

协会和马赛克 图，用于可视化列联表（请参阅 vcd 包）

Answer 12

箱线图！ R 帮助中的示例：

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

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

Answer 13

在我看来，马赛克图满足提到的所有四个标准。 r中有一些例子，在mosaicplot下。

Answer 14

查看 Edward Tufte 的作品，尤其是这本书

您还可以尝试并抓住他的旅行演讲。这本书非常好，包含他的四本书。 （我发誓我不拥有他出版商的股票！）

顺便说一句，我喜欢他的迷你数据可视化技术。惊喜！ Google 已经编写了该代码并将其发布在 Google 代码上

Answer 15

概要图？如本页所述：

可视化摘要统计数据和不确定性