Лекция 5 - В которой очень много картинок
Илья Езепов
16 октября 2015
Введение
Сегодня будет лекция для тех, кого родители не отдали в художественную школу, но кто очень-очень хочет рисовать красивые картинки.
На самом деле визуализация данных – это основа основ любого анализа, так как лучше всего мы воспринимаем информацию именно глазами. И просто больно смотреть на скудные стандартные графики из R или кривые графики из MS Excel в дипломных работах студентов МГУ. Поэтому не расстраивайте меня и рисуйте в важных работах красиво. А сегодня я вас этому научу.
У нас будет один супер-важный пакет, но пользоваться мы будем им только во второй части лекции.
library(ggplot2) # Самый важный пакет для визуализации!Данные для рисования
В искусстве визуализации все начинается не с полотна, но с набора данных. Мы будем исследовать несколько датасетов. Первый – mtcars – данные о характеристиках 32 автомобилей из журнала Motor Trend за 1974.
Хорашая идея в том, чтобы сразу посмотреть на 4 характеристики нашего датасета:
- Размерность (сколько строк и сколько переменных).
- Начало таблицы.
str– тип каждой переменнойsummary– краткая сводка по каждой переменной
dim(mtcars)## [1] 32 11head(mtcars)## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1str(mtcars)## 'data.frame': 32 obs. of 11 variables:
## $ mpg : num 21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
## $ cyl : num 6 6 4 6 8 6 8 4 4 6 ...
## $ disp: num 160 160 108 258 360 ...
## $ hp : num 110 110 93 110 175 105 245 62 95 123 ...
## $ drat: num 3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
## $ wt : num 2.62 2.88 2.32 3.21 3.44 ...
## $ qsec: num 16.5 17 18.6 19.4 17 ...
## $ vs : num 0 0 1 1 0 1 0 1 1 1 ...
## $ am : num 1 1 1 0 0 0 0 0 0 0 ...
## $ gear: num 4 4 4 3 3 3 3 4 4 4 ...
## $ carb: num 4 4 1 1 2 1 4 2 2 4 ...summary(mtcars)## mpg cyl disp hp
## Min. :10.40 Min. :4.000 Min. : 71.1 Min. : 52.0
## 1st Qu.:15.43 1st Qu.:4.000 1st Qu.:120.8 1st Qu.: 96.5
## Median :19.20 Median :6.000 Median :196.3 Median :123.0
## Mean :20.09 Mean :6.188 Mean :230.7 Mean :146.7
## 3rd Qu.:22.80 3rd Qu.:8.000 3rd Qu.:326.0 3rd Qu.:180.0
## Max. :33.90 Max. :8.000 Max. :472.0 Max. :335.0
## drat wt qsec vs
## Min. :2.760 Min. :1.513 Min. :14.50 Min. :0.0000
## 1st Qu.:3.080 1st Qu.:2.581 1st Qu.:16.89 1st Qu.:0.0000
## Median :3.695 Median :3.325 Median :17.71 Median :0.0000
## Mean :3.597 Mean :3.217 Mean :17.85 Mean :0.4375
## 3rd Qu.:3.920 3rd Qu.:3.610 3rd Qu.:18.90 3rd Qu.:1.0000
## Max. :4.930 Max. :5.424 Max. :22.90 Max. :1.0000
## am gear carb
## Min. :0.0000 Min. :3.000 Min. :1.000
## 1st Qu.:0.0000 1st Qu.:3.000 1st Qu.:2.000
## Median :0.0000 Median :4.000 Median :2.000
## Mean :0.4062 Mean :3.688 Mean :2.812
## 3rd Qu.:1.0000 3rd Qu.:4.000 3rd Qu.:4.000
## Max. :1.0000 Max. :5.000 Max. :8.000И по этой причине в лекции будет много фото старых машин :) Все машины будут из нашей выборки данных, так что у меня есть все формальные основания показывать вам фото старых тачек и никто меня не остановит.
Второй – diamonds – из пакета ggplot2, стоимость бриллиантов в зависимости от их цвета, качества огранки, размеров и ясности (clarity):
dim(diamonds)## [1] 53940 10head(diamonds)## carat cut color clarity depth table price x y z
## 1 0.23 Ideal E SI2 61.5 55 326 3.95 3.98 2.43
## 2 0.21 Premium E SI1 59.8 61 326 3.89 3.84 2.31
## 3 0.23 Good E VS1 56.9 65 327 4.05 4.07 2.31
## 4 0.29 Premium I VS2 62.4 58 334 4.20 4.23 2.63
## 5 0.31 Good J SI2 63.3 58 335 4.34 4.35 2.75
## 6 0.24 Very Good J VVS2 62.8 57 336 3.94 3.96 2.48str(diamonds)## 'data.frame': 53940 obs. of 10 variables:
## $ carat : num 0.23 0.21 0.23 0.29 0.31 0.24 0.24 0.26 0.22 0.23 ...
## $ cut : Ord.factor w/ 5 levels "Fair"<"Good"<..: 5 4 2 4 2 3 3 3 1 3 ...
## $ color : Ord.factor w/ 7 levels "D"<"E"<"F"<"G"<..: 2 2 2 6 7 7 6 5 2 5 ...
## $ clarity: Ord.factor w/ 8 levels "I1"<"SI2"<"SI1"<..: 2 3 5 4 2 6 7 3 4 5 ...
## $ depth : num 61.5 59.8 56.9 62.4 63.3 62.8 62.3 61.9 65.1 59.4 ...
## $ table : num 55 61 65 58 58 57 57 55 61 61 ...
## $ price : int 326 326 327 334 335 336 336 337 337 338 ...
## $ x : num 3.95 3.89 4.05 4.2 4.34 3.94 3.95 4.07 3.87 4 ...
## $ y : num 3.98 3.84 4.07 4.23 4.35 3.96 3.98 4.11 3.78 4.05 ...
## $ z : num 2.43 2.31 2.31 2.63 2.75 2.48 2.47 2.53 2.49 2.39 ...summary(diamonds)## carat cut color clarity
## Min. :0.2000 Fair : 1610 D: 6775 SI1 :13065
## 1st Qu.:0.4000 Good : 4906 E: 9797 VS2 :12258
## Median :0.7000 Very Good:12082 F: 9542 SI2 : 9194
## Mean :0.7979 Premium :13791 G:11292 VS1 : 8171
## 3rd Qu.:1.0400 Ideal :21551 H: 8304 VVS2 : 5066
## Max. :5.0100 I: 5422 VVS1 : 3655
## J: 2808 (Other): 2531
## depth table price x
## Min. :43.00 Min. :43.00 Min. : 326 Min. : 0.000
## 1st Qu.:61.00 1st Qu.:56.00 1st Qu.: 950 1st Qu.: 4.710
## Median :61.80 Median :57.00 Median : 2401 Median : 5.700
## Mean :61.75 Mean :57.46 Mean : 3933 Mean : 5.731
## 3rd Qu.:62.50 3rd Qu.:59.00 3rd Qu.: 5324 3rd Qu.: 6.540
## Max. :79.00 Max. :95.00 Max. :18823 Max. :10.740
##
## y z
## Min. : 0.000 Min. : 0.000
## 1st Qu.: 4.720 1st Qu.: 2.910
## Median : 5.710 Median : 3.530
## Mean : 5.735 Mean : 3.539
## 3rd Qu.: 6.540 3rd Qu.: 4.040
## Max. :58.900 Max. :31.800
## Базовая визуализация
Есть несколько супер-базовых видов графиков, которые R поддерживает by default.
Простой график
Он же scatter plot. Когда мы просто рисуем точки на плоскости. Следующий две команды эквивалентны, они рисуют зависимость расхода топлива от объема двигателя:
#plot(mtcars$disp, mtcars$mpg) # plot(x, y)
plot(data=mtcars, mpg ~ disp) # plot(data=тут ваш дата фрейм, y ~ x)
Но пускать такой график в диплом нельзя, нужны стандартные украшательства:
plot(data=mtcars, mpg ~ disp,
main="Расход топлива от объема двигателя",
xlab="Объем, куб. дюьймы",
ylab = "Миль на галлон",
pch=3) # Треугольники!
Похоже, что расход топлива зависит от объема двигателя (внезано!). Добавим прямо сюда линию из линейной МНК-модели?
plot(data=mtcars, mpg ~ disp,
main="Расход топлива от объема двигателя",
xlab="Объем, куб. дюьймы",
ylab = "Миль на галлон",
pch=5) # Ромбики!
abline(lm(data=mtcars, mpg ~ disp))
Как визуализировать еще одно измерение? Нет, трехмерные графики – плохо, так как их очень тяжело читать. Допустим, я хочу на этот же график наложить количество цилиндров, не выходя из 2d. Как? Но сначала небольшой экскурс в дискретные данные.
mtcars$cyl## [1] 6 6 4 6 8 6 8 4 4 6 6 8 8 8 8 8 8 4 4 4 4 8 8 8 8 4 4 4 8 6 8 4as.factor(mtcars$cyl)## [1] 6 6 4 6 8 6 8 4 4 6 6 8 8 8 8 8 8 4 4 4 4 8 8 8 8 4 4 4 8 6 8 4
## Levels: 4 6 8Фактор – это не число, а переменная, принимающая всего три возможных значения: 4, 6 или 8.
А еще глянем на полезную команду subset:
mtcars## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
## Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
## Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
## Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
## Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
## Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
## Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
## Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
## AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
## Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
## Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
## Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
## Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
## Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
## Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
## Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2subset(mtcars, cyl==4)## mpg cyl disp hp drat wt qsec vs am gear carb
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
## Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
## Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
## Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2subset(mtcars, cyl==4 & am==1 & mpg>30 | mpg<11)## mpg cyl disp hp drat wt qsec vs am gear carb
## Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
## Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2Теперь приступим к рисованию.
plot(data=mtcars, mpg ~ disp,
main="Расход топлива от объема двигателя",
xlab="Объем, куб. дюьймы",
ylab = "Миль на галлон",
pch=2,
col=as.factor(cyl)) # Точки разных цветов!
# И свой МНК для каждого класса!
abline(lm(data=subset(mtcars, cyl==4), mpg ~ disp), col=1)
abline(lm(data=subset(mtcars, cyl==6), mpg ~ disp), col=2)
abline(lm(data=subset(mtcars, cyl==8), mpg ~ disp), col=3)
Едем дальше?
Я не знаю, какой график строить!
Стандартная головная боль: у нас есть 11 переменных и нет никакого понятия о том, как они все связаны. Грубое решение – построить все от всего и долго медитировать.
pairs(mtcars, main="Много графиков!")
Boxplot или ящик-с-усами
Как сравнить два распределени. Скажем, потребление топлива для аКПП и ручной коробки. Для этого нам нужен boxplot!
boxplot(data=mtcars, mpg ~ am, main="Ящики с усами", xlab="Ручная коробка?", ylab="MPG")
Очень хорошо бы понять, что скрывается за этими черточками. Обычно, ящик ограничивает 1 и 3 вартиль, черта – медиана. А усы – что-то вроде “доверительного интервала”. Тут такая эвристика: если точка лежит вне уса, то она какая-то очень странная. Ее нужно уделить особое внимание.
Проверим на равенство средних? Мы же не только картинки пришли смотреть, так?
t.test(subset(mtcars, am==0, mpg), subset(mtcars, am==1, mpg))##
## Welch Two Sample t-test
##
## data: subset(mtcars, am == 0, mpg) and subset(mtcars, am == 1, mpg)
## t = -3.7671, df = 18.332, p-value = 0.001374
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## -11.280194 -3.209684
## sample estimates:
## mean of x mean of y
## 17.14737 24.39231Welch – это хороший аналог t-теста, который более устойчив к разным дисперсиям и разным размерам выборок.
Какие выводы?
Пироги
Оговрка: пироги (pie chart) – это плохо. Они не понятны, не наглядны, ничего не характеризуют. Лучше их не использовать. Но они такие популярные. В этом мини-руководстве я приведу только один пример, чтобы никто ничего не запомнил.
Но сначала полезная функция table – возвращает число наблюдений каждого типа:
table(mtcars$cyl)##
## 4 6 8
## 11 7 14pie(table(mtcars$cyl), main = "Пироги настолько плохи,\n что не заслуживают заголовка")
Если кратко, то пирог он… он как этот фиат.
Гистограммы
Вы это уже все знаете.
hist(mtcars$qsec, breaks = 10)
Ну может пара новых фишек – штриховочка и столбцы вручную:
hist(mtcars$qsec, breaks = c(10,18,19,25), density = 10, col="darkgreen")
Хотя я не представляю, зачем вам это может понадобиться.
ggplot2
Знания юнлинга
В чем проблема всех этих графиков? В том, что они некрасивые. Пакет ggplot2 решает эту проблему и проблему недостаточной гибкости и низкого функционала. Его две стандартные функции: qplot и ggplot. Первая более “умная” и может многое сделать за вас, но вторая умеет больше и более гибкая. Ее мы и изучим, тогда в qplot легко можно разобраться.
Команда ggplot создает холст, на котором нет ничего. ее нужно передать датасет и внутри специальной функции aes параметры для рисования: координаты, цвета, заливки и т.д.
# ggplot() # Вот, все падает с ошибкой.
# ggplot(mtcars, aes(x=qsec, y=mpg)) # Даже такДальше ggplot ожидает, что мы скажем, что именно хотим нарисовать. Все возможные варианты начинаются с префикса geom_ и дописываются через знак +:
ggplot(mtcars, aes(x=qsec, y=mpg)) + geom_point()
Хотите линию? Легко:
ggplot(mtcars, aes(x=qsec, y=mpg)) + geom_line()
Кто догадался, как сделать и то, и то?
ggplot(mtcars, aes(x=qsec, y=mpg)) + geom_line() + geom_point()
Нужен боксплот?
ggplot(mtcars, aes(x=factor(cyl), y=mpg)) + geom_boxplot()
Нужна гистограмма?
ggplot(mtcars, aes(x=mpg)) + geom_histogram(binwidth=2)
Знания падавана
Более продвинутые знания освоим на большом датасете diamonds:
ggplot(diamonds, aes(x=carat, y=price)) + geom_point()
Что можно сказать про эти данные?
Что на этом графике плохо? Да почти все.
- Точки слишком плотно, нужно добавить прозрачность.
- Куча измерений, а мы отразили только два.
- Плотная группировка у нуля и странная нелинейная зависимость. Может попробовать логарифмические шкалы?
Добавим все сразу?
ggplot(diamonds, aes(x=carat, y=price, col=color)) +
geom_point(alpha=1/6) + # Прозрачность
scale_x_log10(breaks=1:8) + # Логарифмическая ось x и деления от 1 до 8
scale_y_log10(breaks=c(250,500,1000,2500,5000,10000, 20000)) # И для оси y
Вернемся к обычным осям и разукрасим по качеству огранки. Но добавим немного сглаживающих линий:
ggplot(diamonds, aes(x=carat, y=price, col=cut)) +
geom_point(alpha=0.6) +
geom_smooth(method="lm")
Или даже так:
ggplot(diamonds, aes(x=carat, y=price, col=cut)) +
geom_point(alpha=0.6) +
geom_smooth()
Мы можем даже добавить еще одно измерение! (Это уже плохая визуализация. Рисуем, потому что можем.)
ggplot(diamonds, aes(x=carat, y=price, col=color, shape=cut)) +
geom_point(alpha=0.6)
Знания рыцаря-джедая
Боксплоты:
ggplot(diamonds, aes(x=color, y=price)) + geom_boxplot()
А теперь добавим красоты:
ggplot(diamonds, aes(x=color, y=price, fill=color)) +
geom_boxplot() +
scale_y_log10() +
ggtitle("Красивый боксплот")
И теперь еще круче – добавим точки:
ggplot(diamonds, aes(x=color, y=price, color=color)) +
geom_boxplot() +
geom_point(alpha=1/10)+
scale_y_log10() +
ggtitle("Красивый боксплот - 2")
Проблема: точки слились и ничего не видно. Решение: jitter – эта штука немного раскидывает точки в сторону.
ggplot(diamonds, aes(x=color, y=price, color=color)) +
geom_boxplot() +
geom_point(alpha=1/15, position = position_jitter())+
scale_y_log10() +
ggtitle("Красивый боксплот - 3")
Немного о гистограммах (и барплотах):
ggplot(diamonds, aes(x=price)) +
geom_histogram(binwidth=500)
Цвета!
ggplot(diamonds, aes(x=price, fill=color)) +
geom_histogram(binwidth=500)
Интересно, меняется ли доля каждого цвета по мере роста цены? Нужно добавить нормализацию:
ggplot(diamonds, aes(x=price, fill=color)) +
geom_histogram(binwidth=500, position = 'fill')
Знания мастера-джедая
Боксплоты хороши, но страдают от того, от чего строадает вся наука о риске: патаются в одно число запихнуть всю информацию о распределении. Поэтому вместо ящика можно нарисовать распределение.
ggplot(diamonds, aes(y=price, x=color, fill=color)) +
geom_violin(scale='width', trim=FALSE) +
scale_y_log10()
Сравнить с:
ggplot(diamonds, aes(y=price, x=color, fill=color)) +
geom_violin(scale='count', trim=FALSE) +
scale_y_log10()
Для странных ребят, которы презирают прямоугольные координаты:
ggplot(diamonds, aes(y=price, x=color, fill=color)) +
geom_violin(scale='count') +
scale_y_log10() +
coord_polar()
Бесмысленно? Да! Красиво? Может быть.
Вот еще полезная штука – барплот: считает сумму по заданному полю, это как гистограмма для дискретных переменных.
table(diamonds$color)##
## D E F G H I J
## 6775 9797 9542 11292 8304 5422 2808ggplot(diamonds, aes(x=color)) +
geom_bar()
Собственно, для недискретной переменной барплот и есть гистограмма.
Цвета::
ggplot(diamonds, aes(x=color, fill=cut)) +
geom_bar()
ggplot(diamonds, aes(x=color, fill=cut)) +
geom_bar(position = 'fill')
Или так:
ggplot(diamonds, aes(x=color, fill=cut)) +
geom_bar(position = position_dodge()) 
Удобны бывает подсчитать не количество, а сумму по какому-либо полю. Для этого нужно добавить переменную y и stat='identity'. Скажем, суммарный вес всех бриллиантов каждого цвета из датасета.
ggplot(diamonds, aes(y=carat, x=color)) +
geom_bar(stat='identity')
Или еще один срез?
ggplot(diamonds, aes(y=carat, x=color, fill=cut)) +
geom_bar(stat='identity', position = position_dodge())
Еще пара новых украшательств:
ggplot(diamonds, aes(y=carat, x=color, fill=color)) +
geom_bar(stat='identity', position = position_dodge()) +
coord_flip() + # Вот так легко развернуть оси
scale_fill_brewer(palette="Pastel1") # Для тех, кто устал уже от ярких цветов
Вот ссылка на другие наборы цыетов.
Построим еще один простой график график, но со всеми наворотами? Он будет строится долго и требует еще один дополнительный пакет.
library(ggExtra)
# Сохраним весь график в одну переменную
myplot <- ggplot(diamonds, aes(y=price, x=x, color=color, size=carat)) +
geom_point(alpha=1/2) +
scale_y_log10() +
scale_x_log10(breaks=1:10) +
xlab('Линейный размер по оси x, мм.') +
ylab('Стоимость, $.') +
geom_rug(alpha=0.01)
#ggsave('plot.png', plot=myplot) # Сохранить график на диск
ggMarginal(myplot, type="histogram")
Частные случаи
Корреляционная матрица
Даже не буду ничего писать, все и так знают. Сразу к рисованию.
cor(mtcars)## mpg cyl disp hp drat wt
## mpg 1.0000000 -0.8521620 -0.8475514 -0.7761684 0.68117191 -0.8676594
## cyl -0.8521620 1.0000000 0.9020329 0.8324475 -0.69993811 0.7824958
## disp -0.8475514 0.9020329 1.0000000 0.7909486 -0.71021393 0.8879799
## hp -0.7761684 0.8324475 0.7909486 1.0000000 -0.44875912 0.6587479
## drat 0.6811719 -0.6999381 -0.7102139 -0.4487591 1.00000000 -0.7124406
## wt -0.8676594 0.7824958 0.8879799 0.6587479 -0.71244065 1.0000000
## qsec 0.4186840 -0.5912421 -0.4336979 -0.7082234 0.09120476 -0.1747159
## vs 0.6640389 -0.8108118 -0.7104159 -0.7230967 0.44027846 -0.5549157
## am 0.5998324 -0.5226070 -0.5912270 -0.2432043 0.71271113 -0.6924953
## gear 0.4802848 -0.4926866 -0.5555692 -0.1257043 0.69961013 -0.5832870
## carb -0.5509251 0.5269883 0.3949769 0.7498125 -0.09078980 0.4276059
## qsec vs am gear carb
## mpg 0.41868403 0.6640389 0.59983243 0.4802848 -0.55092507
## cyl -0.59124207 -0.8108118 -0.52260705 -0.4926866 0.52698829
## disp -0.43369788 -0.7104159 -0.59122704 -0.5555692 0.39497686
## hp -0.70822339 -0.7230967 -0.24320426 -0.1257043 0.74981247
## drat 0.09120476 0.4402785 0.71271113 0.6996101 -0.09078980
## wt -0.17471588 -0.5549157 -0.69249526 -0.5832870 0.42760594
## qsec 1.00000000 0.7445354 -0.22986086 -0.2126822 -0.65624923
## vs 0.74453544 1.0000000 0.16834512 0.2060233 -0.56960714
## am -0.22986086 0.1683451 1.00000000 0.7940588 0.05753435
## gear -0.21268223 0.2060233 0.79405876 1.0000000 0.27407284
## carb -0.65624923 -0.5696071 0.05753435 0.2740728 1.00000000library(reshape2)
ggplot(data = melt(cor(mtcars)), aes(x=Var1, y=Var2, fill=value)) +
geom_tile() +
scale_fill_gradient2(low = "blue", high = "red", mid = "white")
Второй вариант (сюда тоже можно добавить цвета):
library(ellipse)
plotcorr(cor(mtcars))
Третий (очень приятный, которы сочетает все):
library(corrplot)
corrplot(cor(mtcars))
corrplot(cor(mtcars), addCoef.col="black", order="AOE", tl.srt=45)
corrplot(cor(mtcars), order="AOE", method = "ellipse")
И еще огромное число параметров в ?corrplot.
Лица Чернова
Плохо:
smallmtcars <- mtcars[1:16, ]
stars(smallmtcars)
Идея:
Хорошо:
library(TeachingDemos)
faces(smallmtcars)
Чтение по теме
- Основная книга по визуализации в R:R graphics cookbook. Там есть все что нужно и еще немного больше.
- R Data Visualization Cookbook
- Не читал, но говорят, что неплохо. На русском. СТАТИСТИЧЕСКИЙ АНАЛИЗ И ВИЗУАЛИЗАЦИЯ ДАННЫХ С ПОМОЩЬЮ R.
Домашнее задание
- Выбрать любой набор данных. С как минимум двумя непрерывными переменными и как минимум двумя категориальными.
- Построить интересные графики, с помощью которых можно найти что-то интересное. Или просто построить красивые графики. Какие? На ваше усмотрение.
- Написать небольшие выводы, почему конкретный график хороший, если он хороший, или почему плохой, если плохой.
Примеры данных:
- Встроенные в R наборы данных
- Данные из пакета ggplot2: неплохо подходит база IMDB (
movies) и статистика снаmsleep - Весь репозиторий данных UCI. Например, качество вина от его характеристик.