第五章 变量间关系可视化

Author

221527126何隆基

1 解释原始数据

1.1 mtcars

  • mtcars 是R自带的数据集，该数据集摘自 1974年《美国汽车趋势》杂志，包括32款汽车(1973~74款)的油耗、汽车设计和性能等共11个指标。根据该数据集绘制本次练习图形。

  • 指标解释：cyl、vs、am、gear和carb作为因子变量，其余可看作数值变量。

    • mpg: 燃油效率（英里/加仑），数值越高越省油。

    • cyl: 发动机气缸数（4/6/8缸），缸数越多通常动力越强。

    • disp: 发动机排量（立方英寸），排量越大动力越强，油耗越高。

    • hp: 发动机马力（马力），数值越高动力越强。

    • drat: 后轴传动比（比值），影响加速和燃油经济性。

    • wt: 车重（千磅），重量轻的车通常更省油。

    • qsec: 1/4英里加速时间（秒），时间越短动力越强。

    • vs: 发动机类型（0=V型，1=直列），V型多见于高性能车。

    • am: 变速器类型（0=自动，1=手动），手动挡通常更省油。

    • gear: 前进挡位数（3/4/5挡），挡位多可能更平顺省油。

    • carb: 化油器数量（1-8个），数量多可能提升动力。

1.2 diamonds

  • diamonds是R中ggplot2包内置的经典数据集，记录了约 54,000 颗钻石的物理属性和价格信息。数据集包含 10 个变量，4个分类变量，6个数值变量。
  • 指标解释：cut、color、clarity为因子变量，其余可看作数值变量。
    • carat: 钻石重量，单位是克拉（1克拉=0.2克），数值越大钻石越大越贵。
    • cut: 切工质量，分为5个等级：Fair（一般）、Good（良好）、Very Good（很好）、Premium（优质）、Ideal（完美），切工越好钻石光泽越强。
    • color: 颜色等级，从D（无色，最佳）到J（浅黄色），颜色越接近无色价值越高。
    • clarity: 净度等级，分为8级：I1（内含物明显）、SI1-SI2（小内含物）、VS1-VS2（极小内含物）、VVS1-VVS2（极微小内含物）、IF（内部无瑕），净度越高钻石越纯净。
    • depth: 总深度百分比（%），计算公式为z/(x+y)/2*100，影响钻石的光反射效果。
    • table: 台面宽度百分比（%），指钻石顶部平面相对于平均宽度的比例，影响钻石的外观比例。
    • x: 钻石长度（毫米），物理尺寸之一。
    • y: 钻石宽度（毫米），物理尺寸之一。
    • z: 钻石高度（毫米），物理尺寸之一。
    • price: 钻石价格（美元），反映其综合价值，受carat、cut、color、clarity等因素影响。

2 两变量散点图

2.1 绘图要求

  • 利用ggplot(data,aes(x,y))+geom_point()绘制燃油效率(mpg，横轴)和车重(wt，纵轴)两个变量的散点图；

  • 利用geom_rug()为横轴和纵轴绘制地毯图；

  • 利用stat_smooth()为散点图添加拟合直线；

  • 利用geom_point()为散点图添加均值点；

  • 利用ggMarginal(type="densigram") 为散点图添加边际核密度直方图；

  • 利用ggtitle() 将图标题改为散点图+地毯图+线性拟合+边际图 。

2.2 作图代码

2.3 图形观察和代码编写的心得体会

  • 图形观察：mpg集中在20,wt的集中趋势较为明显；散点图：展示了两个变量之间的原始数据点；分布地毯图(Rug Plot)：在坐标轴边缘显示的数据分布密度；线性拟合线：显示两个变量之间的线性趋势关系；际图(Marginal Plot)：在顶部和右侧显示的边缘分布直方图或密度图。

  • 心得：

    1.使用专业可视化库：像Seaborn这样的高级可视化库可以简化这种复合图形的创建；

    2.分层构建：先创建基础散点图，再逐步添加其他元素；

    3.参数调整：需要仔细调整各元素的透明度、颜色等参数以确保可读性；

    4.数据预处理：确保数据格式正确，处理缺失值。

3 散点图矩阵和相关系数矩阵图

3.1 绘图要求

  • 利用GGally::ggpairs(columns)绘制除cyl、vs、am、gear和carb外6个变量的散点图矩阵；

  • 修改参数upper=list(continuous = "density") ，将上三角图形改为二维核密度等高线图；

  • 利用ggiraphExtra::ggCor() 绘制除cyl、vs、am、gear和carb外6个变量的相关系数矩阵图。

3.2 散点图矩阵

3.3 相关系数矩阵图代码

3.4 图形观察和代码编写的心得体会

  • 图形观察：wt与disp的相关性较强，qsec与wt的相关性最弱。ggpairs图形：创建了一个散点图矩阵，展示数据框中各变量间的两两关系；对角线上可能是变量的密度分布图；上三角区域使用密度图展示变量分布；可视化分层构建：先创建基础图形(ggpairs)：再通过+操作符逐步添加主题元素：最后添加相关系数矩阵。

  • 心得体会：

    1.数据准备简洁高效：df <- data |> dplyr::select(-c(“cyl”,“vs”,“am”,“gear”,“carb”)) 使用管道操作符和dplyr的select函数高效地排除了不需要的变量

    2.可视化分层构建：先创建基础图形(ggpairs),再通过+操作符逐步添加主题元素,最后添加相关系数矩阵

    3.主题定制精细：theme(axis.title=element_text(size=8)) + theme(axis.text=element_text(size=6)) 精确控制了坐标轴标签和刻度的字体大小

    4.统计信息完整：ggCor(df, method=1, digits=4, label=3, mode=2, xangle=15) 显示了精确到4位小数的相关系数及p值，提供了丰富的统计信息

4 大数据集的散点图

4.1 绘图要求

  • 利用diamonds数据，绘制carat: 钻石重量和 price: 钻石价格两个变量的散点图；

  • 利用geom_hex(bins=30,size=0.3,color="black")，将散点图转化为六边形分箱散点图；

  • 利用stat_density_2d(geom="raster",aes(fill=..density..),contour=FALSE) ，将散点图转化为二维核密度图；

  • 利用geom_density_2d() ，在散点图上添加核密度等高线；

  • 利用geom_density_2d_filled(alpha=0.8) ，对核密度等高线区域填充颜色。

4.2 六边形分箱散点图

4.3 二维核密度图

4.4 散点图+密度等高线

4.5 散点图+密度等高线带

4.6 图形观察和代码编写的心得体会

  • 图形观察：钻石重量和钻石价格呈现线性分布

  • 心得体会：

    1.模块化编程：p <- ggplot(df,aes(x=carat,y=price)) + theme_bw() + theme(panel.grid=element_blank()) 先创建基础图形对象，后续通过添加图层派生出不同变体，避免代码重复。

    2.专业可视化技术：geom_hex()六边形分箱适合大数据集stat_density_2d()提供灵活的二维密度估计,多种几何对象组合创造丰富可视化

    3.视觉优化：移除网格线减少视觉干扰,设置适当的透明度(alpha=0.8),控制等高线粗细(size=0.25)

5 3D散点图和气泡图

5.1 绘图要求

  • 绘制hp发动机马力、mpg燃油效率和wt车重三个变量的 3D 散点图和气泡图。

  • 采用scatterplot3d(x=hp,y=wt,z=mpg)绘制3D散点图，并添加回归平面。

  • 采用ggplot(df,aes(x=hp,y=mpg,color=wt,size=wt)) 绘制气泡图

5.2 3D散点图代码

                     wt  hp  mpg
Mazda RX4         2.620 110 21.0
Mazda RX4 Wag     2.875 110 21.0
Datsun 710        2.320  93 22.8
Hornet 4 Drive    3.215 110 21.4
Hornet Sportabout 3.440 175 18.7
Valiant           3.460 105 18.1

5.3 气泡图代码

5.4 图形观察和代码编写的心得体会

  • 图形观察：车子越重，燃油效率越高

  • 心得体会：

    1.多维数据编码：aes(x=hp,y=mpg,color=wt)在一个图形中同时展示了四个维度的数据，有效利用了视觉编码的多种渠道

    2.视觉优化技巧：alpha=0.5缓解了重叠点问题scale_size(range=c(1,7))精心控制了气泡大小范围scale_color_binned()使用分箱颜色更易区分

    3.图形注释清晰：r annotate(“text”,x=300,y=30,label=“气泡大小 = 车重”,size=4) 直接说明视觉编码含义，提高图形可读性

    4.``主题定制精细：控制网格线、标题大小、图例文本样式，移除冗余图例(guides(size="none"))。

6 分组散点图

6.1 绘图要求

  • 以气缸数(cy1)为因子，绘制车重(wt)和燃油效率(mpg)的分组散点图，添加回归直线；

  • 利用facet_grid(~cy1,scale="free_x") ，按因子变量分面；

  • 利用ggplot(data=df,aes(x=wt,y=mpg,shape=cyl,color=cyl)) ，按形状和颜色分组

6.2 按因子变量分面代码

  • 注意分组变量cyl需要转化为因子

6.3 按形状和颜色分组代码

6.4 图形观察和代码编写的心得体会

  • 图形观察：车子越重，效率越低。

  • 心得体会：

    1.数据预处理：df <- data |> mutate(cyl=factor(cyl))，将数值变量转化为因子，确保正确分组和颜色映射。

    2.分面技术应用：facet_grid(~cyl,scale=“free_x”)有利于清晰分离不同组别的数据，并且free_x允许各面板x轴自适应数据范围。

    3.统计图层叠加：stat_smooth()函数的运用，可以直接添加回归分析和置信区间，增强图形解读性；

    4.视觉编码多样性：scale_shape_manual（）函数有利于选择不同形状，提高组别辨识度。

    5.主题精细控制：面板间距调整(panel.spacing)；图例位置控制(legend.position)；颜色调板选择(scale_color_brewer)