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

# 加载必要的包
library(ggplot2)
library(DT)
library(dplyr)
library(tidyr)
library(gridExtra)

# 使用内置mtcars数据，将cyl和vs转换为因子
data_mtcars <- mtcars %>%
  mutate(cyl = factor(cyl),
         vs = factor(vs, labels = c("V型", "直列")),
         am = factor(am, labels = c("自动", "手动")))

# 创建两个数据子集用于展示
df1 <- data_mtcars %>%
  count(cyl, vs) %>%
  rename(数量 = n)

df2 <- data_mtcars %>%
  count(cyl, am) %>%
  rename(数量 = n)

# 用datatable展示数据
datatable(df1, 
          rownames = FALSE, 
          options = list(pageLength = 5),
          caption = "表1: 气缸数与发动机类型统计")

datatable(df2, 
          rownames = FALSE, 
          options = list(pageLength = 5),
          caption = "表2: 气缸数与变速器类型统计")

2.2 图形1——多变量条形图

# 图(a) 垂直并列条形图
p1 <- ggplot(df1, aes(x = cyl, y = 数量, fill = vs)) +
  geom_col(width = 0.7, position = position_dodge(0.8), color = "black") +
  scale_fill_manual(values = c("#66c2a5", "#fc8d62")) +
  geom_text(aes(label = 数量), 
            position = position_dodge(0.8), 
            vjust = -0.5, 
            size = 4) +
  labs(title = "(a) 气缸数与发动机类型(垂直并列)",
       x = "气缸数",
       y = "车辆数量",
       fill = "发动机类型") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5))

# 图(b) 水平并列条形图
p2 <- ggplot(df1, aes(x = cyl, y = 数量, fill = vs)) +
  geom_col(width = 0.7, position = position_dodge(0.8), color = "black") +
  scale_fill_manual(values = c("#66c2a5", "#fc8d62")) +
  geom_text(aes(label = 数量), 
            position = position_dodge(0.8), 
            hjust = -0.2, 
            size = 4) +
  coord_flip() +
  labs(title = "(b) 气缸数与发动机类型(水平并列)",
       x = "气缸数",
       y = "车辆数量",
       fill = "发动机类型") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5))

# 图(c) 垂直堆叠条形图
p3 <- ggplot(df2, aes(x = cyl, y = 数量, fill = am)) +
  geom_col(width = 0.7, color = "black") +
  scale_fill_manual(values = c("#8da0cb", "#e78ac3")) +
  geom_text(aes(label = 数量), 
            position = position_stack(vjust = 0.5), 
            size = 4) +
  labs(title = "(c) 气缸数与变速器类型(垂直堆叠)",
       x = "气缸数",
       y = "车辆数量",
       fill = "变速器类型") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5))

# 图(d) 水平堆叠条形图
p4 <- p3 +
  coord_flip() +
  labs(title = "(d) 气缸数与变速器类型(水平堆叠)")

# 组合图形
grid.arrange(p1, p2, p3, p4, ncol = 2)

• 图形解读：(a) 垂直并列条形图（气缸数 vs 发动机类型）

  1. 图形特征

     • 以气缸数（4/6/8缸）为X轴，车辆数量为Y轴

     • 不同颜色柱子并列代表V型/直列发动机

     • 柱子高度可直接比较绝对数量

  2. 关键发现

     • 4缸车：直列发动机占绝对优势（假设图中显示数量更多）

     • 8缸车：可能仅存在V型发动机（若直列对应柱子缺失）

     • 6缸车：两种发动机类型分布较均衡

  3. 业务意义
     → 反映发动机类型与气缸数的技术适配性
     → 直列发动机更倾向小排量（4缸），V型发动机主导大排量（8缸）

  2.2.1 (b) 水平并列条形图（气缸数 vs 发动机类型）

  1. 与(a)图差异

     • 坐标轴翻转，适合类别名称较长或类别较多时

     • 更强调不同气缸数间的比较而非绝对数量

  2. 补充发现

     • 可清晰看到6缸车的发动机类型分布比例（因水平布局更易比较柱宽）

     • 若存在极端值（如某类数量显著高），水平布局能更好展示

  2.2.2 (c) 垂直堆叠条形图（气缸数 vs 变速器类型）

  1. 图形特征

     • 每个气缸数的柱子包含自动/手动变速器的堆叠部分

     • 柱子总高度=该气缸数的总车辆数

  2. 关键发现

     • 4缸车：手动挡占比可能更高（环保车型偏好手动？）

     • 8缸车：自动挡可能占主导（性能车多用自动变速）

     • 整体趋势：随气缸数增加，自动挡比例上升

  3. 业务意义
     → 反映市场对不同动力车型的变速器偏好
     → 指导车企针对不同排量配置变速器类型

  2.2.3 (d) 水平堆叠条形图（气缸数 vs 变速器类型）

  1. 与(c)图差异

     • 更清晰展示各组内比例（手动/自动的堆叠宽度）

     • 适合比较少量类别间的构成比例

  2. 突出优势

     • 可直接观察6缸车中自动/手动挡的近似1:1比例（若存在）

     • 避免柱子过高导致的标签遮挡问题

  2.2.4 (e) 百分比堆叠条形图（气缸数 vs 变速器类型）

  1. 核心特征

     • 所有柱子高度统一为100%

     • 展示各组内自动/手动挡的比例构成

  2. 关键结论

     • 4缸车：手动挡占比可能超70%（假设值）

     • 8缸车：自动挡可能接近90%

     • 技术启示：气缸数与变速器技术存在强相关性

3 数据分布可视化

3.1 案例数据解释与展示

library(vcd)       # 马赛克图核心包
library(DT)        # 交互式表格
library(dplyr)     # 数据处理

# 1. 准备数据
data("Titanic")
titanic_df <- as.data.frame(Titanic)

# 2. 用datatable展示数据
datatable(titanic_df,
          rownames = FALSE,
          filter = "top",
          options = list(
            pageLength = 8,
            autoWidth = TRUE,
            dom = 'Bfrtip',
            buttons = c('copy', 'csv', 'excel')
          ),
          caption = "泰坦尼克号乘客统计数据（Class/Sex/Age/Survived）",
          extensions = 'Buttons')

3.2 图形2——马赛克图

# 3. 创建马赛克图（4个分类变量）
library(mosaic)
mosaic(~ Class + Sex + Age + Survived, 
       data = titanic_df,
       main = "泰坦尼克号乘客生存情况马赛克图",
       sub = "方块面积与人数成正比",
       shade = TRUE,           # 添加颜色深浅表示残差
       labeling = labeling_border(
         rot_labels = c(0, 0, 0, 0),  # 控制标签旋转
         just_labels = c("left", "right", "center", "right"),
         offset_varnames = c(1, 1, 1, 0.5)
       ),
       legend = TRUE)          # 显示残差图例

• 图形解读：主要层级（从左到右）：

  • 船舱等级（1st > 2nd > 3rd > Crew）

  • 性别（Male > Female）

  • 年龄（Child > Adult）

  • 生存状态（No > Yes）

• 关键发现：

  • 头等舱女性生存率最高（深蓝色块显著）

  • 三等舱男性生存率最低（深红色块突出）

  • 儿童整体生存率高于成人

• 统计显著性：

  • 极显著（p-value < 2.22e-16）

  • 颜色深浅反映实际与预期生存率的差异

结论：船舱等级和性别是影响生存的最关键因素。

4 变量关系可视化

4.1 案例数据解释与展示

# 加载必要包
library(corrplot)
library(DT)
library(datasets)

# 使用内置数据集mtcars（数值型数据适合关联分析）
data <- mtcars[, c(1, 3:7)]  # 选择部分变量展示

# 计算相关系数矩阵
cor_matrix <- round(cor(data), 2)

# 用datatable展示相关系数矩阵
datatable(as.data.frame(cor_matrix),
          rownames = TRUE,
          options = list(pageLength = 10),
          caption = "mtcars数据集相关系数矩阵")

4.2 图形3——关联图

# 创建关联图
corrplot(cor_matrix,
         method = "color",        # 颜色方块表示相关强度
         type = "upper",          # 只显示上三角
         order = "hclust",        # 按层次聚类排序
         tl.col = "black",        # 标签颜色
         tl.srt = 45,             # 标签旋转角度
         addCoef.col = "black",   # 系数文本颜色
         number.cex = 0.8,        # 系数文本大小
         col = colorRampPalette(c("#6D9EC1", "white", "#E46726"))(200),
         mar = c(0, 0, 2, 0),     # 边距调整
         title = "mtcars变量关联图")

• 图形解读：最强正相关：

  • disp与wt（0.89）：发动机排量越大，车身重量越重

  • hp与disp（0.79）：马力越大通常排量也越大

• 最强负相关：

  • mpg与wt（-0.87）：车重越重，油耗效率越低

  • mpg与disp（-0.85）：大排量发动机油耗效率低

• 异常关联：

  • qsec（加速时间）与其他变量相关性普遍较弱

  • mpg与hp（-0.78）呈现明显负相关

4.2.1 可视化改进建议代码

5 样本相似性可视化

5.1 案例数据解释与展示

# 加载必要包
library(ggplot2)
library(DT)
library(dplyr)

# 使用内置数据集mtcars（添加行名列）
data <- mtcars %>% 
  tibble::rownames_to_column("car")

# 用datatable展示数据
datatable(data,
          rownames = FALSE,
          extensions = 'Buttons',
          options = list(
            pageLength = 5,
            dom = 'Bfrtip',
            buttons = c('copy', 'csv', 'excel')
          ),
          caption = "mtcars数据集（含车型名称）")

5.2 图形4——点阵图

# 创建点阵图（按马力排序）
ggplot(data, aes(x = reorder(car, hp), y = hp)) +
  geom_point(size = 3, color = "steelblue") +  # 绘制点
  geom_segment(aes(xend = car, yend = 0),      # 添加垂直线
    color = "gray70") +
  coord_flip() +                               # 转为水平布局
  labs(
    title = "车型马力分布点阵图",
    x = "车型",
    y = "马力（hp）"
  ) +
  theme_minimal() +
  theme(
    panel.grid.major.y = element_blank(),      # 隐藏横向网格线
    axis.text.y = element_text(size = 8)       # 调整y轴文字大小
  )

# 进阶版：分面点阵图（按气缸数分组）
ggplot(data, aes(x = reorder(car, mpg), y = mpg)) +
  geom_point(aes(color = factor(cyl)), size = 3) +
  facet_grid(rows = vars(cyl), scales = "free_y", space = "free") +
  coord_flip() +
  scale_color_brewer(palette = "Set1", name = "气缸数") +
  labs(title = "分车型油耗效率（按气缸数分组）")

• 图形解读：分组逻辑：

  • 按气缸数（cyl）分为4组（4缸/6缸/8缸）

  • 每组内部按油耗效率（mpg）从高到低排序

• 关键车型定位：

  • 最佳油耗（4缸组）：

    • Toyota Corolla（最左侧顶点）

    • Honda Civic

  • 最差油耗（8缸组）：

    • Lincoln Continental

    • Cadillac Fleetwood

6 时间序列可视化

6.1 案例数据解释与展示

# 加载必要包
library(ggplot2)
library(DT)
library(dplyr)

# 使用内置数据集iris（取前20行避免过度拥挤）
data <- iris[1:20, ] %>% 
  mutate(flower_id = paste("Flower", 1:20))  # 添加花朵ID

# 用datatable展示数据
datatable(data,
          rownames = FALSE,
          extensions = 'Buttons',
          options = list(
            dom = 'Bfrtip',
            buttons = c('copy', 'csv', 'excel'),
            pageLength = 5
          ),
          caption = "鸢尾花数据集（前20个样本）")

6.2 图形5——热力图

# 创建极坐标条形图（展示花瓣和萼片长度）
ggplot(data, aes(x = flower_id)) +
  geom_col(aes(y = Sepal.Length, fill = "萼片长度"), 
           width = 0.7, color = "white") +
  geom_col(aes(y = Petal.Length, fill = "花瓣长度"), 
           width = 0.4, color = "white", position = "identity") +
  coord_polar(start = -0.2) +  # 极坐标转换（设置起始角度）
  scale_fill_manual(values = c("萼片长度" = "#1f78b4", "花瓣长度" = "#e31a1c")) +
  labs(
    title = "鸢尾花特征极坐标条形图",
    subtitle = "外层：萼片长度 | 内层：花瓣长度",
    fill = "特征类型"
  ) +
  theme_minimal() +
  theme(
    axis.text.x = element_text(size = 8, vjust = 0.5),
    axis.title = element_blank(),
    panel.grid.major.x = element_line(color = "gray90"),
    legend.position = "bottom"
  )

• 图形解读：坐标系特征：

  • 径向轴（半径方向）：表示特征值大小（花瓣/萼片长度）

  • 角度轴：每个角度区间对应一个花朵样本（Flower 1-20）

• 数据层展示：

  • 外层蓝色条：萼片长度（数值更大，范围通常4-7cm）

  • 内层红色条：花瓣长度（数值较小，范围通常1-6cm）

• 关键样本识别：

  • 最大值：Flower 8（最外层的蓝色条突出）

  • 最小值：Flower 15（径向长度最短）

  • 特殊对比：Flower 3（花瓣与萼片长度差异最大）