Самая недооцененная визуализация данных

Я действительно согласен с другими авторами: книги Тафте просто фантастические и их стоит прочитать.

Во-первых, я хотел бы указать вам на очень хороший учебник по ggplot2 и ggobi из «Просмотра данных» ранее в этом году. Кроме того, я бы выделил только одну визуализацию из R и два графических пакета (которые не так широко используются, как базовая графика, решетка или ggplot):

Тепловые карты

Мне очень нравятся визуализации, которые могут обрабатывать многомерные данные, особенно данные временных рядов. Для этого могут быть полезны тепловые карты. Один действительно хороший вариант был представлен Дэвид Смит в блоге Revolutions. Вот код ggplot, любезно предоставленный Хэдли:

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)

Что в итоге выглядит примерно так:

RGL: интерактивная 3D-графика

Еще один пакет, на изучение которого стоит потратить усилия, — это RGL, который легко обеспечивает возможность создания интерактивной 3D-графики. Для этого есть много примеров в Интернете (в том числе в документации rgl).

В R-Wiki есть хороший пример как строить 3D-графики рассеяния с помощью rgl.

GGobi

Еще один пакет, о котором стоит знать, это rggobi. Существует книга Springer по этому вопросу, а также множество отличной документации/примеров в Интернете, в том числе на < курс href="http://lookatdata.com/jsm-2009/" rel="noreferrer">"Изучение данных".

Мне очень нравятся точечные диаграммы, и когда я рекомендую их другим для решения соответствующих проблем с данными, они неизменно удивлен и обрадован. Они, кажется, не получают много пользы, и я не могу понять, почему.

Вот пример из Quick-R:

Я считаю, что Кливленд несет наибольшую ответственность за их разработку и распространение, и пример в его книге (в которой ошибочные данные легко обнаруживаются с помощью точечной диаграммы) является мощным аргументом в пользу их использования. Обратите внимание, что в приведенном выше примере в каждой строке ставится только одна точка, тогда как их реальная сила заключается в том, что у вас есть несколько точек в каждой строке с легендой, объясняющей, какая из них какая. Например, вы можете использовать разные символы или цвета для трех разных моментов времени и, таким образом, легко получить представление о закономерностях времени в разных категориях.

В следующем примере (выполненном в Excel!), вы можете ясно увидеть, какая категория могла пострадать от замены метки.

Графики, использующие полярные координаты, безусловно, используются недостаточно, и некоторые считают, что на то есть веские причины. Я думаю, что ситуации, оправдывающие их использование, не являются обычным явлением; Я также думаю, что когда возникают такие ситуации, полярные графики могут выявить закономерности в данных, которые не могут быть обнаружены линейными графиками.

Я думаю, это потому, что иногда ваши данные по своей сути полярны, а не линейны, например, они цикличны (координаты x представляют время в течение 24-часового дня в течение нескольких дней) или данные были ранее сопоставлены с полярное функциональное пространство.

Вот пример. На этом графике показан средний объем трафика веб-сайта по часам. Обратите внимание на два пика в 22:00 и в 1:00. Для сетевых инженеров Сайта это важно; также важно, что они происходят рядом друг с другом (с интервалом всего два часа). Но если вы нанесете те же данные на традиционную систему координат, эта закономерность будет полностью скрыта — при линейном построении эти два всплеска будут разделены 20 часами, хотя между ними всего два часа. часов друг от друга в последовательные дни. Приведенная выше полярная диаграмма показывает это скупым и интуитивно понятным способом (легенда не нужна).

Есть два способа (о которых я знаю) создать такие графики с помощью R (я создал график выше с помощью R). Один из них заключается в том, чтобы закодировать свою собственную функцию либо в базовой, либо в сеточной графической системе. Другой, более простой способ — использовать circular package. Вы бы использовали функцию '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)

Если на вашем точечном графике так много точек, что он превращается в полный беспорядок, попробуйте сглаженный точечный график. Вот пример:

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

Пакет hexbin (предложенный @Dirk Eddelbuettel) используется для той же цели, но smoothScatter() имеет то преимущество, что он принадлежит пакету graphics и, таким образом, является частью стандартной установки R.

Что касается спарклайна и другой идеи Tufte, пакет YaleToolkit на CRAN предоставляет функции sparkline и sparklines.

Другой пакет, полезный для больших наборов данных, — hexbin, так как он умело «разделяет» данные на сегменты, чтобы иметь дело с наборами данных, которые могут быть слишком большими для наивных диаграмм рассеяния.

Скрипичные сюжеты (которые сочетают в себе коробчатые сюжеты с плотностью ядра) относительно экзотичны и довольно круты. Пакет vioplot в R позволяет создавать их довольно легко.

Вот пример (ссылка на википедию также показывает пример):

Еще одна хорошая визуализация временных рядов, которую я только что рассматривал, — это "диаграмма рельефа" (как показано в эту запись в блоге Learning R). Это очень полезно для визуализации изменений положения с течением времени.

Вы можете прочитать о том, как его создать, на http://learnr.wordpress.com/, но это как это выглядит в итоге:

Мне также нравятся модификации коробчатых диаграмм Тафте, которые позволяют гораздо проще сравнивать небольшие кратные, потому что они очень «тонкие» по горизонтали и не загромождают график лишними чернилами. Однако лучше всего он работает с довольно большим количеством категорий; если у вас есть только несколько на графике, обычные (Тьюки) бокс-плоты выглядят лучше, поскольку они имеют немного больший вес.

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
  )

Другие способы их создания (включая другой тип коробчатого графика Tufte) обсуждаются в этом вопрос.

Мы не должны забывать о милом и (исторически) важном сюжете со стеблями и листьями (который Тафти тоже любит!). Вы получаете прямой численный обзор плотности и формы ваших данных (конечно, если ваш набор данных не превышает 200 точек). В R функция stem создает отображение стебля и листа (в рабочей области). Я предпочитаю использовать функцию gstem из пакета fmsb, чтобы рисовать его напрямую в графическом устройстве. Ниже представлена ​​дисперсия температуры тела бобра (данные должны быть в вашем наборе данных по умолчанию) в отображении «стебель за листом»:

  require(fmsb)
  gstem(beaver1$temp)

Графики горизонта (pdf) для одновременной визуализации множества временных рядов.

Графики с параллельными координатами (pdf) для многомерного анализа.

Ассоциация и мозаичные графики для визуализации таблиц непредвиденных обстоятельств (см. vcd пакет)

В дополнение к прекрасной работе Тафти я рекомендую книги Уильяма С. Кливленда: Visualizing Data и Elements of Graphing Data. Они не только превосходны, но и все они были сделаны на R, и я считаю, что код общедоступен.

Боксплоты! Пример из справки R:

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

На мой взгляд, это самый удобный способ быстро просмотреть данные или сравнить распределения. Для более сложных дистрибутивов есть расширение vioplot.

Мне кажется, что мозаичные сюжеты соответствуют всем четырем упомянутым критериям. Есть примеры в r, под мозаикой.

Ознакомьтесь с работой Эдварда Тафте и особенно с этой книгой.

Вы также можете посмотреть его передвижную презентацию. Он довольно хорош и включает в себя комплект из четырех его книг. (клянусь, я не владею акциями его издателя!)

Кстати, мне нравится его техника визуализации данных спарклайна. Сюрприз! Google уже написал его и разместил в Google Code.

Сводные сюжеты? Как упомянуто на этой странице:

Визуализация сводной статистики и неопределенности