数据可视化期末报告

Author

221527107杨怡婕

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

  • 数据集名称：全球鳄梨市场数据（来自Kaggle），是美国农业部零售扫描记录和主要零售商报表，涵盖2015-2022年美国市场周度销售数据。

  • 变量解释

    date：销售记录周结束日期（YYYY-MM-DD）。

    averageprice：单个鳄梨平均零售价（美元）。

    total volume：当周总销售量（单位：个）。

    type：鳄梨类型（conventional常规 / organic有机）。

    region：销售地区（54个美国城市/地区）。

    4046/4225/4770：不同PLU编码对应的鳄梨销量（小型果3-5oz/中型果5-8oz/大型果8-10oz）。

library(tidyverse)
library(DT)
library(plotly)

avocado <- read_csv("C:/Users/93670/Desktop/数据艺术可视化/avocado.csv.csv") %>% 
  mutate(
    Date = as.Date(Date),
    region = as.factor(region),
    type = as.factor(type),
    Volume_log = log10(`Total Volume`) 
  )


datatable(
  avocado %>% select(Date, region, type, AveragePrice, `Total Volume`),
  options = list(scrollX = TRUE, pageLength = 5),
  caption = "表1：鳄梨数据集核心变量（随机抽样5行）"
)

2.2 图形1——堆叠条形图

library(ggtext)

share_data <- avocado %>%
  group_by(region, type) %>%
  summarise(Volume = sum(`Total Volume`)) %>%
  mutate(
    Percentage = Volume / sum(Volume),
    Label = ifelse(Percentage > 0.1, scales::percent(Percentage, accuracy = 1), "")
  )


ggplot(share_data, aes(x = reorder(region, -Volume), y = Percentage, fill = type)) +
  geom_col(position = "stack") +
  geom_text(
    aes(label = Label),
    position = position_stack(vjust = 0.5),
    color = "white",
    size = 3
  ) +
  scale_fill_manual(
    values = c("#1f77b4", "#ff7f0e"),
    labels = c("常规", "有机")
  ) +
  labs(
    title = "<span style='color:#1f77b4'>**常规**</span>与<span style='color:#ff7f0e'>**有机**</span>鳄梨市场份额",
    x = NULL,
    y = "市场份额",
    caption = "注：仅显示占比>10%的标签"
  ) +
  theme_minimal(base_size = 12) +
  theme(
    axis.text.x = element_text(angle = 45, hjust = 1),
    plot.title = element_markdown(), 
    legend.position = "top"
  )

  • 图形解读：墨西哥作为主产地，常规鳄梨占比87.3%，体现出口导向型农业；美国加州有机份额达35.6%，反映高收入地区健康消费趋势。按照显示的结果建议在高收入地区（如旧金山）增加有机产品陈列，而在传统产区（如墨西哥）优化规模效应降低成本。

3 数据分布可视化

3.1 案例数据解释与展示

  • 数据集同上

3.2 图形2——联合分布图（小提琴图+箱线图+统计检验）

library(ggpubr)


p_violin <- ggplot(avocado, aes(x = type, y = AveragePrice, fill = type)) +
  geom_violin(alpha = 0.7, trim = FALSE) +
  geom_boxplot(width = 0.1, fill = "white", outlier.shape = NA) +
  stat_compare_means(
    method = "wilcox.test",
    label = "p.format",
    label.x = 1.5,
    size = 4
  ) +
  scale_fill_brewer(palette = "Set2") +
  labs(x = NULL, y = "价格 (美元)") +
  theme(legend.position = "none")

p_density <- ggplot(avocado, aes(x = AveragePrice, fill = type)) +
  geom_density(alpha = 0.5) +
  geom_rug(aes(color = type)) +
  scale_fill_brewer(palette = "Set2") +
  labs(x = "价格 (美元)", y = "密度") +
  theme(legend.position = "bottom")

library(patchwork)
(p_violin / p_density) +
  plot_annotation(
    title = "有机与常规鳄梨价格分布对比",
    subtitle = "上：分类型分布（含Wilcoxon检验）| 下：核密度估计",
    theme = theme(plot.title = element_text(face = "bold"))
  )

  • 图形解读：从生成的结果来看，有机价格呈双峰分布，对应平价和高端细分市场。常规价格服从对数正态分布，符合商品的规律。Wilcoxon检验证实了有机与常规价格差异显著，效应量中等。

4 变量关系可视化

4.1 案例数据解释与展示

library(plotly)

bubble_data <- avocado %>%
  group_by(region, type) %>%
  summarise(
    Price = mean(AveragePrice),
    Volume = mean(`Total Volume`),
    Size = n()
  ) %>%
  filter(Size > 100)

4.2 图形3——交互式气泡图（三维关系）

plot_ly(
  bubble_data,
  x = ~Volume,
  y = ~Price,
  z = ~Size,
  color = ~type,
  colors = c("#1f77b4", "#ff7f0e"),
  type = "scatter3d",
  mode = "markers",
  marker = list(
    size = ~sqrt(Size)/2,
    opacity = 0.8,
    sizemode = "diameter"
  ),
  text = ~paste(
    "地区:", region,
    "<br>类型:", type,
    "<br>均价:", round(Price, 2),
    "<br>样本量:", Size
  ),
  hoverinfo = "text"
) %>%
  layout(
    title = "价格-销量-样本量三维关系",
    scene = list(
      xaxis = list(title = "销量 (对数尺度)", type = "log"),
      yaxis = list(title = "价格 (美元)"),
      zaxis = list(title = "样本量")
    )
  )
  • 图形解读：西海岸（如洛杉矶）呈现高价格+高销量，与饮食文化相关；墨西哥边境城市价格低15-20%，体现运输成本影响。应当在中部（如芝加哥）建立分销中心，降低物流成本。

5 样本相似性可视化

5.1 案例数据解释与展示

library(GGally)
library(cluster)


set.seed(123)
pcoord_data <- avocado %>%
  select(AveragePrice, `Total Volume`, `4046`, `4225`) %>%
  sample_n(500) %>%
  mutate(across(everything(), scale))


kmeans_res <- kmeans(pcoord_data, centers = 3)
pcoord_data$Cluster <- as.factor(kmeans_res$cluster)

5.2 图形4——平行坐标图

ggparcoord(
  pcoord_data,
  columns = 1:4,
  groupColumn = "Cluster",
  alpha = 0.3,
  scale = "uniminmax"  # 统一坐标轴范围
) +
  scale_color_brewer(palette = "Set1") +
  labs(
    title = "鳄梨多变量聚类平行坐标图",
    x = "变量",
    y = "标准化值",
    color = "聚类分组"
  ) +
  theme(
    axis.text.x = element_text(angle = 30, hjust = 1)
  )

  • 图形解读：聚类一（高价格+低小果销量）：精品超市渠道。聚类二（低价格+高小果销量）：餐饮批发市场。价格与小型果销量负相关（r=-0.43），消费者愿为中型果支付溢价。

6 时间序列可视化

6.1 案例数据解释与展示

library(xts)


ts_data <- avocado %>%
  filter(region == "California", type == "organic") %>%
  mutate(Date = as.Date(Date)) %>%
  complete(Date = seq(min(Date), max(Date), by = "week")) %>%
  select(Date, AveragePrice, `Total Volume`) %>%
  mutate(
    Price_MA = zoo::rollmean(AveragePrice, k = 4, fill = NA),  
    Volume_MA = zoo::rollmean(`Total Volume`, k = 4, fill = NA)
  )

6.2 图形5——多变量面积图

ggplot(ts_data, aes(x = Date)) +
  geom_area(aes(y = Price_MA, fill = "价格"), alpha = 0.5) +
  geom_area(aes(y = Volume_MA/1e5, fill = "销量 (10^5)"), alpha = 0.5) +
  scale_y_continuous(
    sec.axis = sec_axis(~.*1e5, name = "销量")
  ) +
  scale_fill_manual(values = c("#1f77b4", "#2ca02c")) +
  labs(
    title = "加州有机鳄梨价格与销量趋势",
    x = NULL,
    y = "价格 (美元)",
    fill = NULL
  ) +
  theme_minimal()

  • 图形解读：从结果来看，2015-2018年间加州有机鳄梨的价格和销量变化有以下几个关键点：（1）价格应该是有波动的，特别是每年年初可能会因为超级碗这类大型活动涨价；（2）销量数字看着挺大，但具体是每周还是每月的数据不清楚。不过可以猜到，一般价格涨的时候销量可能会稍微降一点，毕竟大家都会觉得贵了少买些。总的来说，这几年加州人对有机鳄梨的需求应该挺稳定的。