看书标记【数据科学：R语言实战 8】

【数据科学：R语言实战】

Chapter 8 数据可视化——绘图

8.1 功能包

• car(Companion to Applied Regression)：回归工具
• lattice：实现高级数据可视化
• gclus：创建散点图
• MASS
• ggplot2

8.2 散点图

plot()

• 参数
  x 自变量
  y 因变量
  type p点、l线、b两者、c指b的直线部分、o两者图形叠加部分、h柱状图垂线、s楼梯阶层、S其他阶层、n无绘图
  main 标题
  sub 副标题
  xlab x轴标记
  ylab y轴标记
  asp 纵横比

data <- read.csv("http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data")  ##iris数据集
colnames(data) <- c("sepal_length", "sepal_width", "petal_length", "petal_width", "species")
summary(data)
plot(data$sepal_length, data$petal_length) ##常规
plot(data$sepal_length, data$petal_length, type="s")  ##s步骤和h柱状图
plot(data$sepal_length, data$petal_length, type="h")

8.2.1 回归线

abline()

• 参数
  a 截距
  b 斜率
  h 画水平线
  v 画垂直线
  coef 仅包含截距和斜率
  reg coef的对象

abline(lm(data$petal_length~data$sepal_length), col="red")

8.2.2 lowess线条

lowess线条是用加权多项式回归进行计算的平滑线。
lowess()

• 参数
  x 待用点向量
  y y轴，默认“NULL”
  f 较平滑跨度越大越平滑，默认2/3
  iter 迭代次数，默认为3，迭代次数越多时间越长
  delta 界定计算数值的密切度，默认值为x范围的1/100

lines(lowess(data$sepal_length,data$petal_length), col="blue")

8.2.3 scatterplot函数

scatterplot()

• 参数
  x、y 坐标向量
  formula y~x 或者 y~x|z（按z分组绘图）
  las "0"创建与坐标轴平行的刻点标记，"1"创建水平标记
  lwd 线宽，默认1
  lty 线类型，默认1
  id.method/id.n/id.cex/id.col 标记点参数
  labels 点标记的向量
  log 是否使用点的标记比例尺
  xlim、ylim 轴限度

library(car)
scatterplot(data$sepal_length, data$petal_length)  ##有内置箱线图、简单回归线、平滑线、平滑抖动范围

8.2.4 Scatterplot矩阵

pairs(data)  ##矩阵数据

1.splom——展示矩阵数据

---

library(lattice);splom(data)
or
library(car);scatterplot.matrix(data) ##含有的数据信息更多

---

2.cpairs——绘图矩阵图

library(gclus)
cpairs(data)  ##cpairs对矩阵数据起辅助作用
df <- subset(data, select = -c(species) )  ##cor函数只以数据点形式运行
df.r <- abs(cor(df))  ##计算相关性
df.col <- dmat.color(df.r)  ##依相关性为每个子图指定颜色，不适用于多类别颜色
df.o <- order.single(df.r) 
cpairs(df, df.o, panel.colors=NULL)

8.2.5 密度散点图

hexbin()提供了一项能够展示两个变量中高度重复的机制

library(hexbin)
bin<-hexbin(data$sepal_length, data$petal_length) 
summary(bin)  ##默认30箱，生成36*31网格的六边形，最低网格1，最高网格1114，传播状况良好，网格计数均值1.38，表明重复度不足
#plot(bin)
bin<-hexbin(data$sepal_length, data$petal_length, xbins=10)   ##改用10个箱子后，密度数量有变好
summary(bin)
plot(bin)

8.3 直方图和条形图

8.3.1 条形图

barplot()

• 参数
  height 主要的数据向量
  width 条宽向量
  space 每条左侧的空间大小
  **names.arg ** 名称向量
  legend.text 绘制图标

library(MASS)
HairEyeColor
summary(HairEyeColor)
counts <- table(HairEyeColor)
barplot(counts)  ##堆叠图
count <- table(Cars93$Cylinders)
barplot(count)
count <- table(Cars93$Cylinders, Cars93$Manufacturer)
barplot(count)

8.3.2 直方图 8.3.3 ggplot2

---

count <- table(Cars93$Cylinders,Cars93$Manufacturer)
barplot(count)
library(ggplot2)
qplot(Cars93$Cylinders)

---

8.3.4 词云

page <- readLines("http://finance.yahoo.com") ##读取文本
corpus = Corpus(VectorSource(page))  ##语料库
corpus <- tm_map(corpus, tolower) ##小写
corpus <- tm_map(corpus, removePunctuation)
corpus <- tm_map(corpus, removeNumbers)
corpus <- tm_map(corpus, removeWords, stopwords("english"))
corpus <- tm_map(corpus, PlainTextDocument)  ##将语料库重新配置为文本文档
dtm = TermDocumentMatrix(corpus)
m = as.matrix(dtm)  ##转换为文本矩阵
v = sort(rowSums(m), decreasing = TRUE)
wordcloud(names(v), v, min.freq = 10)