数据可视化期末报告

1 报告要求

• 期末实验报告由5章节5个图形组成，每个章节需要作一个图形。

• 每个章节选择作什么图自主选择，作图前补充完整图形标题名称，例如：图形1——多变量条形图。

• 案例数据自主收集，不同章节可以公用一个数据集。但同学间不允许使用相同数据集。

• 每个章节的数据集合需要通过datatable 函数展示，并简要解释数据来源和变量意义。

• 每个输出图形后需要对图形作简要解读，最少需针对图形提出一个观点。

• 渲染html文件保留代码展示，6月22日前将发布网址提交至共享文档“8、期末报告” 列中。

• 评分标准：

  • 每章节图形各20分

  • 能有效输出图形和合理解释75%

  • 数据独特性强10%

  • 图形个性化强15%

2 类别数据可视化

2.1 案例数据解释与展示

2.1.0.1 数据来源与变量解释

• 数据来源：大众点评网餐厅口碑数据，包含广州粤菜餐厅的详细信息，如行政区、评论数、评分和人均消费等。因原始数据过多仅展示选取后用于绘图的数据。

• 变量说明：

  • Type：菜系类型（如粤菜、川菜等）

  • District：餐厅所在行政区（如天河区、越秀区等）

  • FlavorScore：口味评分（0-10 分）

  • EnvironmentScore：环境评分（0-10 分）

  • ServiceScore：服务评分（0-10 分）

library(dplyr)
library(DT)  # 用于交互式表格展示
library(ggplot2)  # 用于绘图
library(readxl)             # 加载包
library(xts)
# 读取数据并计算平均评分
plot_data <- read.csv("大众点评网餐厅口碑数据.csv", fileEncoding = "GB18030") %>%
  select(Type, District, FlavorScore, EnvironmentScore, ServiceScore) %>%
  group_by(Type, District) %>%
  summarise(
    across(c(FlavorScore, EnvironmentScore, ServiceScore), ~ mean(.x, na.rm = TRUE)),
    .groups = "drop"
  )
# 使用 DT 包展示数据
datatable(plot_data,rownames = FALSE)

2.2 图形1——可互动多变量条形图

library(dplyr)
library(tidyr)
library(ggplot2)
library(plotly)

# 数据处理
plot_data_long <- plot_data %>%
  group_by(Type, District) %>%
  summarise(
    across(c(FlavorScore, EnvironmentScore, ServiceScore), 
           ~mean(., na.rm = TRUE)),
    OverallScore = (FlavorScore + EnvironmentScore + ServiceScore)/3,
    .groups = "drop"
  ) %>%
  arrange(District, desc(OverallScore)) %>%
  mutate(Type = factor(Type, levels = unique(Type))) %>%
  pivot_longer(
    cols = ends_with("Score") & !OverallScore,
    names_to = "Metric",
    values_to = "Score"
  ) %>%
  mutate(Metric = case_when(
    Metric == "FlavorScore" ~ "口味评分",
    Metric == "EnvironmentScore" ~ "环境评分",
    Metric == "ServiceScore" ~ "服务评分",
    TRUE ~ Metric
  )) %>%
  filter(District %in% {
    district_rank <- . %>%
      group_by(District) %>%
      summarise(MeanScore = mean(Score, na.rm = TRUE)) %>%
      arrange(desc(MeanScore)) %>%
      slice_head(n = 6) %>%
      pull(District)
    district_rank(.)
  })

# 绘制分面图
p <- ggplot(
  plot_data_long,
  aes(
    x = Type,
    y = Score,
    fill = Metric,
    text = paste(
      "菜系:", Type, "\n",
      "行政区:", District, "\n",
      "指标:", Metric, "\n",
      "评分:", round(Score, 1)
    )
  )
) +  
  geom_col(width = 0.7,                 # 设置条形宽度
           position = position_dodge(width = 0.8),  # 绘制并列条形图
           color = "gray50") +          # 为条形图添加灰色边框
  geom_text(aes(label = round(Score, 1)),  # 添加数据标签
           position = position_dodge(0.8),
           size = 2.5,                   # 设置标签字体大小
           color = "black",              # 设置标签颜色
           vjust = -0.5) +              # 垂直位置调整
  facet_wrap(~ District, ncol = 2) +
  scale_fill_manual(
    values = c("#66C2A5", "#FC8D62", "#8DA0CB"),  # 自定义颜色
    name = "评分指标"  # 图例标题
  ) +
  scale_y_continuous(limits = c(0, 1.1 * max(plot_data_long$Score))) +  # 设置y轴范围
  labs(
    title = "广州各菜系评分对比（TOP6行政区）",
    x = NULL,
    y = "平均评分"
  ) +
  theme_minimal(base_size = 12) +
  theme(
    axis.text.x = element_text(angle = 45, hjust = 1, size = 10),
    strip.text = element_text(face = "bold"),
    legend.position = "top",
    plot.title = element_text(hjust = 0.5, face = "bold")
  )

# 交互式优化
ggplotly(p, tooltip = "text") %>%
  layout(
    hoverlabel = list(
      bgcolor = "white",
      font = list(size = 12, family = "Microsoft YaHei")
    ),
    margin = list(l = 50, r = 50, b = 80, t = 80),
    font = list(family = "Microsoft YaHei")
  )

• 图形解读：

• 1. 区域餐饮品质梯度明显

  • 第一梯队（天河区、海珠区、萝岗区）：综合评分均超过7.8分，其中萝岗区环境评分表现尤为突出（均值8.4分），但服务评分普遍低于环境分0.3-0.5分，显示硬件设施优势与服务软实力不匹配。

  • 第二梯队（番禺区、白云区、增城区）：综合评分7.5-7.7分，服务评分成为主要短板（如白云区川菜服务分7.6 vs 环境分7.7），需优先改进服务流程。

  2.2.0.1 2. 菜系表现两极分化

  • 高端菜系：在核心行政区（天河、萝岗）环境与服务评分均超8分，但外围区域（如增城）评分骤降0.8分，反映高端餐饮对区位依赖性极强。

  • 平价菜系：所有行政区评分均低于7.5分，且环境评分最低（白云区仅7.2分），需提升用餐环境基础配置。

3 数据分布可视化

3.1 案例数据解释与展示

• 数据来源：大众点评网餐厅口碑数据，包含广州粤菜餐厅的详细信息，如行政区、评论数、评分和人均消费等。其中只选取数据量大于200的行政区。

• 变量意义：

  • PerConsumption：数值变量，表示餐厅人均消费金额（单位：元），反映定价水平和市场定位。

  • District：分类变量，表示行政区，用作分面变量，筛选出6个数据量>200的区域。

# 加载数据
df <- read.csv("大众点评网餐厅口碑数据.csv", stringsAsFactors = FALSE,fileEncoding = "GB18030")

# 数据预处理
df2 <- df |> 
  select(District, PerConsumption, ReviewNum, Level, Type) |> 
  filter(!is.na(PerConsumption), !is.na(ReviewNum), !is.na(Level)) |> 
  group_by(District) |> 
  filter(n() > 200) |> #选取大于200数据量的行政区
  ungroup()


datatable(df2,rownames = FALSE)

3.2 图形2——小提琴图

# 加载所需包
library(tidyr)
library(ggplot2)
library(dplyr)
library(forcats)


# 数据预处理
df <- df |> 
  select(District, PerConsumption) |> 
  filter(!is.na(PerConsumption)) |>  # 移除NA值
  mutate(District = fct_inorder(District))  # 转为有序因子

# 限制价格范围以避免极端值
df2$PerConsumption[df2$PerConsumption >500] <- 500

# 绘制分组小提琴图
ggplot(df2, aes(x = District, y = PerConsumption, fill = District)) +
  geom_violin(scale = "width", trim = FALSE, alpha = 0.6) +  # trim=FALSE保留尾部
  geom_boxplot(width = 0.1, fill = "white", outlier.shape = NA) +  # 添加箱线图
  scale_fill_brewer(palette = "Blues") +  # 使用蓝色调色板
  labs(title = "广州不同行政区餐厅人均消费分布",
       x = "行政区",
       y = "人均消费（元）") +
  theme_minimal() +
  theme(legend.position = "none",  # 移除图例，x轴已显示类别
        axis.text.x = element_text(angle = 45, hjust = 1)) +  # 旋转x轴标签
  coord_flip()  # 旋转坐标轴，便于阅读

• 图形解读：

  • 图形描述：分组小提琴图展示了12个行政区餐厅人均消费的分布。小提琴宽度反映消费密度的分布，内部箱线图显示中位数和四分位距。coord_flip()使行政区标签更易阅读。

  • 分布特征： 样本量大的行政区（如天河区910个、越秀区653个）的小提琴图较宽，分布右偏（底部宽，顶部细），表明大多数消费集中在较低值（例如100-300元），少数高端餐厅拉高尾部。

  • 观点：天河区和越秀区的消费分布较宽且中位数较高，表明这些区域的餐饮市场多样化，涵盖了从大众消费（100-200元）到高端消费（500元）的餐厅，这与它们作为广州商业和文化中心的地位相符。

4 变量关系可视化

4.1 案例数据解释与展示

• 变量意义：

• 数据来源：大众点评网餐厅口碑数据，包含广州粤菜餐厅的详细信息，如行政区、评论数、评分和人均消费等。其中只选取数据量大于200的行政区。

  • PerConsumption：数值变量，表示餐厅人均消费金额（单位：元），用作x轴，反映定价水平。

  • ReviewNum：数值变量，表示评论总数，用作y轴，反映受欢迎程度。

  • Type:分类变量，表示菜品种类，用作分面变量。

  • District：分类变量，表示行政区，用作分面变量，筛选出6个数据量>200的区域。

# 加载数据
df <- read.csv("大众点评网餐厅口碑数据.csv", stringsAsFactors = FALSE,fileEncoding = "GB18030")
# 数据预处理
df3 <- df |> 
  select(District, PerConsumption, ReviewNum, Type) |> 
  filter(!is.na(PerConsumption), !is.na(ReviewNum)) |> 
  group_by(District) |> 
  filter(n() > 200) |> #选取大于200数据量的行政区
  ungroup()


datatable(df3,rownames = FALSE)

4.2 图形3——分面散点图

# 加载所需包
library(ggplot2)
library(dplyr)
library(forcats)
library(gridExtra)

# 限制评论数范围以避免极端值
df3$ReviewNum[df3$ReviewNum > 8000] <- 8000
# 限制价格范围以避免极端值
df3$PerConsumption[df3$PerConsumption > 300] <- 300

# 绘制分面散点图
ggplot(data = df3, aes(x = PerConsumption, y = ReviewNum, color = District)) +
  geom_point(size = 1.5, na.rm = TRUE) +
  stat_smooth(method = "lm", color = "red", fill = "deepskyblue", size = 0.7, na.rm = TRUE) +
  labs(title = "广州不同行政区餐厅人均消费与评论数分布",
       x = "人均消费（元）",
       y = "评论数") +
  theme(
    legend.position = "none",
    panel.spacing.x = unit(0.2, "lines"),
    panel.spacing.y = unit(0.2, "lines"),
    axis.text.x = element_text(angle = 45, hjust = 1)
  ) +
facet_grid(District ~ Type, scales = "fixed") +
scale_x_continuous(breaks = seq(0, 500, by = 100))

• 图形解读：
• 粤菜餐厅分布特征：
  • 天河区和越秀区的粤菜餐厅呈现明显的”高消费-高评论”聚集现象，表明这两个区域的高端粤菜餐厅更受消费者关注和评价
• 价格与关注度的正相关：
  • 在川菜类别中，几乎所有行政区都显示出人均消费与评论数呈正相关趋势(红色趋势线向上倾斜)
• 粥粉面类别的特殊性：

  • 粥粉面作为平民餐饮，在各区都集中在低消费区间(人均<50元)

  • 评论数分布相对均匀，没有明显随价格增长的趋势，说明这类基础餐饮的关注度与价格关联不大

• 观点：高端餐饮(特别是日料和西餐)本身就具有较高消费者评价和社交分享，川菜的价格提升可能带来更多的消费者评价和社交分享，而大众餐饮如粥粉面的评价行为则与价格无关。天河区作为广州商业中心，其高端餐饮获得了不成比例的高关注度。

5 样本相似性可视化

5.1 案例数据解释与展示

• 数据来源：大众点评网餐厅口碑数据，包含广州粤菜餐厅的详细信息，如行政区、评论数、评分和人均消费等。其中只选取数据量大于200的行政区。

  • PerConsumption：数值变量，表示餐厅人均消费金额（单位：元），用作x轴，反映定价水平。

  • Type:分类变量，表示菜品种类，用作分面变量。

  • District：分类变量，表示行政区，用作分面变量，筛选出6个数据量>200的区域。

# 加载数据
df <- read.csv("大众点评网餐厅口碑数据.csv", stringsAsFactors = FALSE,fileEncoding = "GB18030")
# 数据预处理
df4 <- df |> 
  select(District, PerConsumption, Type) |> 
  filter(!is.na(PerConsumption)) |> 
  group_by(District) |> 
  filter(n() > 200) |> #选取大于200数据量的行政区
  ungroup()


datatable(df4,rownames = FALSE)

5.2 图形4——热图

library(pheatmap)

# 创建矩阵 - 各区不同类型餐厅的人均消费
mat <- with(df4, tapply(PerConsumption, list(District, Type), mean, na.rm=TRUE))

# 绘制热图
pheatmap(mat,
         color = colorRampPalette(c("navy","white","firebrick3"))(100),
         display_numbers=TRUE,
         cellheight_row=6,
         fontsize=12,
         angle_col=0,
         treeheight_row=50,
         treeheight_col=35,
         cluster_col=FALSE,
         cutree_row=3)

• 图形解读：
• 日式料理价格区间最广且最高端：

  • 日式料理的最高消费达到129.98元，是所有菜系中最高的

  • 但同时也有68.24元的中等价位，价格跨度达61.74元

  • 这表明日式料理在不同餐厅可能有完全不同的定位(高端日料vs平价日料)

• 消费层次结构明显：

  • 价格排序：日式料理(129.98) > 粤菜(114.59) > 西餐(103.63) > 川菜(70.19) > 粥粉面(26.72)

  • 符合大众对这几类餐饮的价格认知，日料和粤菜定位较高端，粥粉面最平价

• 观点：高端餐饮（日料/西餐）的天然社交溢价，数据中日式料理（最高129.98元）和西餐（103.63元）价格显著高于其他品类，其消费场景往往伴随社交分享需求（如打卡、仪式感）。高价本身可能通过”凡勃伦效应”（Veblen Effect）刺激消费者更主动评价和传播，形成正向循环。

6 时间序列可视化

6.1 案例数据解释与展示

• 数据来源：中国宏观经济数据库-月度（主要城市），统计了2011年1月至2025年4月各城市二手住宅销售价格指数（上年同月=100）。

• 变量意义：

  • 北京/上海/深圳等列：价格指数，数值表示当年某月价格与上年同月的百分比变化

  • 时间：显示2011-2025年月份时间

#读取数据
df5.0 <- read_xlsx("中国宏观经济数据库-月度（主要城市）.xlsx", skip = 1)
# 转换时间格式，"%m-%Y" -> 日期格式，默认为该月1号
df5 <- df5.0 %>%
  mutate(时间 = as.Date(paste0("01-", 时间), format = "%d-%m-%Y")) %>%
  arrange(时间)
# 转xts时间序列对象，只选北京 上海 深圳列
dts <- xts(df5 %>% select(北京, 上海, 深圳), order.by = df5$时间)

datatable(df5.0,rownames = FALSE)

6.2 图形5——时间序列动态交互图

library(readxl)
library(lubridate)
library(dplyr)
library(dygraphs)
library(xts)
dygraph(data=dts[,c(1,2,3)],xlab="时间",ylab="价格指数（上年同月=100）",main="2011-2025年主要城市二手住宅销售价格指数动态交互图")%>%
  dyAxis("y", label = "价格指数（上年同月=100）", valueRange = c(80, 165)) %>%
  dyOptions(drawPoints = FALSE, pointSize = 2)%>%  # 不显示数据点，点大小为2
  dyRangeSelector(height = 30)  # 添加时间滑动条

• 图形解读：
• 核心趋势：

  • 深圳波动最大：2015-2016年快速上涨（最高达160），2017年后显著回落，反映政策调控（如限购）的影响。

  • 北京与上海趋同：两者长期走势相似，但北京在2016-2017年跌幅更深，可能与首都政策敏感性更高有关。

• 关键发现：
  • 2020年拐点：三城市指数在2020年初短暂下跌（疫情冲击），但下半年迅速反弹，深圳反弹力度最强（政策宽松+需求释放）。