直方图和散点图是可视化数据和变量之间关系的好方法,但最近我一直想知道我缺少什么可视化技术.你认为最未被充分利用的情节类型是什么?
答案应该是:
- 不常用于
- 无需太多就能理解
- 适用于许多常见情况.
- 包括可复制的代码以创建
直方图和散点图是可视化数据和变量之间关系的好方法,但最近我一直想知道我缺少什么可视化技术.你认为最未被充分利用的情节类型是什么?
答案应该是:
我真的同意其他海报:Tufte's books are fantastic张,非常值得一读.
首先,我想指出今年早些时候"查看数据"中的a very nice tutorial on ggplot2 and ggobi条.除此之外,我将重点介绍R中的一个可视化和两个图形包(它们不像基本图形、晶格或ggplot那样广泛使用):
Heat Maps
我非常喜欢能够处理多元数据的可视化,尤其是时间序列数据.Heat maps可能对这个有用.其中一个非常整洁的是David Smith on the Revolutions blog.以下是哈德利提供的ggplot代码:
stock <- "MSFT"
start.date <- "2006-01-12"
end.date <- Sys.Date()
quote <- paste("http://ichart.finance.yahoo.com/table.csv?s=",
stock, "&a=", substr(start.date,6,7),
"&b=", substr(start.date, 9, 10),
"&c=", substr(start.date, 1,4),
"&d=", substr(end.date,6,7),
"&e=", substr(end.date, 9, 10),
"&f=", substr(end.date, 1,4),
"&g=d&ignore=.csv", sep="")
stock.data <- read.csv(quote, as.is=TRUE)
stock.data <- transform(stock.data,
week = as.POSIXlt(Date)$yday %/% 7 + 1,
wday = as.POSIXlt(Date)$wday,
year = as.POSIXlt(Date)$year + 1900)
library(ggplot2)
ggplot(stock.data, aes(week, wday, fill = Adj.Close)) +
geom_tile(colour = "white") +
scale_fill_gradientn(colours = c("#D61818","#FFAE63","#FFFFBD","#B5E384")) +
facet_wrap(~ year, ncol = 1)
最终看起来有点像这样:
RGL: Interactive 3D Graphics
另一个值得学习的软件包是RGL,它可以轻松地创建交互式3D图形.网上有很多这样的例子(包括rgl文档).
The R-Wiki has a nice example个演示如何使用rgl绘制三维散点图.
GGobi
另一个值得知道的包裹是rggobi.网上有a Springer book on the subject个,还有很多很棒的文档/例子,包括"Looking at Data"课程.