Najbardziej niedostatecznie wykorzystana wizualizacja danych [zamknięta]

Wykresy wykorzystujące współrzędne biegunowe są z pewnością nieużywane -- niektórzy powiedzieliby, że nie bez powodu. Myślę, że sytuacje, które uzasadniają ich użycie nie są powszechne; myślę również, że gdy te sytuacje się pojawiają, polarne wykresy mogą ujawnić wzorce w danych, że wykresy liniowe nie mogą.

Myślę, że to dlatego, że czasami Twoje dane są z natury polarne, a nie liniowe-np. są cykliczne (współrzędne x reprezentujące czasy w ciągu 24-godzinnego dnia przez wiele dni), lub dane były wcześniej odwzorowane na przestrzeni biegunowej.

Istnieją dwa sposoby (o których wiem) tworzenia wykresów takich jak ten za pomocą R (stworzyłem wykres powyżej w/ r). Jednym z nich jest kodowanie własnych funkcji w systemach graficznych bazowych lub siatkowych. Innym sposobem, co jest łatwiejsze, jest użycie okrągłego pakietu . Funkcja, której chcesz użyć to "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)

Bardzo lubię dotplots i kiedy polecam je innym za odpowiednie problemy z danymi, są niezmiennie zaskoczeni i zachwyceni. Nie wydają się zbytnio przydatne, i nie mogę zrozumieć dlaczego.

Oto przykład z Quick-R:

Uważam, że Cleveland jest najbardziej odpowiedzialny za rozwój i rozpowszechnianie tych, A przykład w jego książce (w którym wadliwe dane zostały łatwo wykryte za pomocą kropki) jest potężnym argumentem za ich wykorzystaniem. Uwaga że powyższy przykład stawia tylko jedną kropkę na linię, podczas gdy ich prawdziwa moc pochodzi z Ty masz wiele kropek na każdej linii, z legendą wyjaśniającą, które jest które. Na przykład, można użyć różnych symboli lub kolorów dla trzech różnych punktów czasowych, a następnie łatwo uzyskać poczucie wzorców czasu w różnych kategoriach.

W poniższym przykładzie (wykonanym w Excelu wszystkich rzeczy!), możesz wyraźnie zobaczyć, która kategoria mogła ucierpieć z powodu wymiany etykiet.

Jeśli Wykres scatter ma tak wiele punktów, że staje się kompletnym bałaganem, spróbuj wygładzić Wykres scatter. Oto przykład:

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

Pakiet hexbin (sugerowany przez @ Dirk Eddelbuettel) jest używany w tym samym celu, ale smoothScatter() ma tę zaletę, że należy do pakietu graphics i dlatego jest częścią standardowej instalacji R.

Jeśli chodzi o sparkline i inne pomysły Tufte, pakiet YaleToolkitna CRAN zawiera funkcje sparkline i sparklines.

Innym pakietem, który jest przydatny dla większych zbiorów danych jest hexbin , ponieważ sprytnie "przechowuje" dane w wiadrach, aby poradzić sobie z zestawami danych, które mogą być zbyt duże dla naiwnych plam rozpraszających.

Działki skrzypiec (które łączą działki skrzynkowe z gęstością jądra) są stosunkowo egzotyczne i całkiem fajne. Pakiet vioplot W R pozwala na łatwe ich wykonanie.

Oto przykład (link do Wikipedii również pokazuje przykład):

Kolejną miłą wizualizacją serii czasowej, którą właśnie przeglądałem, jest "Wykres uderzeniowy" (jak opisano w ten post na blogu "Learning R" ). Jest to bardzo przydatne do wizualizacji zmian pozycji w czasie.

Możesz przeczytać o tym, jak go utworzyć na http://learnr.wordpress.com / , ale tak to wygląda:

Podobają mi się też modyfikacje boxplotów Tufte ' a, które pozwalają na znacznie łatwiejsze porównywanie małych wielokrotności, ponieważ są one bardzo "cienkie" poziomo i nie zaśmiecają fabuły zbędnym tuszem. Jednak działa to najlepiej z dość dużą liczbą kategorii; jeśli masz tylko kilka na działce, zwykłe (Tukey) boxploty wyglądają lepiej, ponieważ mają trochę więcej heft do nich.

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
  )

Wykresy horyzontalne (pdf), do wizualizacji wielu szeregów czasowych naraz.

Wykres współrzędnych równoległych (pdf), do analizy wielowymiarowej.

Asocjacja i wykresy mozaikowe do wizualizacji tabel interwencyjnych (patrz pakiet VCD)

Nie powinniśmy zapominać o uroczej i (historycznie) ważnej fabule łodygi i liści (którą Tufte też uwielbia!). Otrzymasz bezpośrednio numeryczny przegląd gęstości i kształtu danych (oczywiście, jeśli zestaw danych nie jest większy niż o 200 punktów). W R, funkcja stem powoduje zwichnięcie łodygi i liści (w obszarze roboczym). Wolę użyć funkcji gstemz pakietu fmsb, aby narysować ją bezpośrednio w urządzeniu graficznym. Poniżej znajduje się wariancja temperatury ciała bobra (dane powinny być w domyślnej dataset) w wyświetlaczu stem-by-leaf:

  require(fmsb)
  gstem(beaver1$temp)

Oprócz doskonałej pracy Tufte, polecam książki Williama S. Clevelanda: Wizualizacja danych i Elementy danych Wykresowych. Nie tylko są doskonałe, ale wszystkie zostały wykonane w R, i wierzę, że kod jest publicznie dostępny.

Boxplots! Przykład z pomocy R:

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

Moim zdaniem jest to najbardziej poręczny sposób na szybkie przyjrzenie się danym lub porównanie dystrybucji. Dla bardziej złożonych dystrybucji istnieje rozszerzenie o nazwie vioplot.

Działki mozaiki wydają mi się spełniać wszystkie cztery wymienione kryteria. Są przykłady w r, pod mozaiką.

Zobacz prace Edwarda Tufte ' a, a szczególnie tę książkę

Możesz również spróbować złapać jego podróżniczą prezentację . Jest całkiem dobry i zawiera pakiet czterech jego książek. (przysięgam, że nie jestem właścicielem akcji jego wydawcy!)

Przy okazji, podoba mi się jego technika wizualizacji danych sparkline. Niespodzianka! Google już to napisało i umieściło na Google Code

Streszczenie? Jak wspomniano na tej stronie:

Wizualizacja statystyk podsumowujących i niepewności