R语言之数据可视化

数据科学家需要具备哪些知识与技能？

• 计算机技能
• 数学和统计学知识
• 业务能力

数据科学家的分类

• 数据开发者
  1.开学人员
  2.工程师
• 数据研究者
  1.研究人员
  2.科学家
  3.统计学家
• 数据创意
  1.万金油
  2.艺术家
  3.黑客
• 从事数据的商业者
  1.领导者
  2.企业管理者
  3.商业者

不同领域的数据科学家需要的技能是有所侧重的：

完整的数据分析流程

• 定义研究问题
• 定义理想的数据集
• 确定能够获取什么数据
• 获取数据
• 清理数据

---

• 探索性分析（数据可视化）
• 统计分析/建模（机器学习）等

---

• 解释/交流结果（数据可视化）
• 挑战结果（有没有其他可能）
• 书写报告（Reproducible原则）

数据基础

• 观测（observation）
• 变量（variable）
  
  数值型：进行定量分析
  分类型：进行定性分析
• 数据矩阵（data matrix）
  

变量间的关系（对应不同的可视化方法和统计分析方法）
* 两个数值变量
* 两个分类变量
* 一个数值变量、一个分类变量

数值变量的特征和可视化

• 数据集中趋势的测量
  均值、中位数、众数
• 数据分散趋势的测量
  值域、方差、标准差、四分位数
• 稳健统计量
  是：中位数、四分位差（受极端影响小）
  否：均值、标准差、值域（受极端值影响大）
• 一个变量的可视化
  柱状图、点图、箱图（中位数、分位点、极端值）
  
• 两个变量的关系
  散点图：方向、形状、强度、极端值

分类变量的特征和可视化

• 一个分类变量的可视化
  频率表、条形图
• 两个分类变量的关系
  关联表、相对频率表、分段条形图、相对频率分段条形图、马赛克图
• 一个分类变量、一个数值变量的关系
  并排箱图

R的绘图系统

R的三大绘图系统

• 基本绘图系统
  1.艺术家的调色板：绘图始于空白帆布；需要事先计划；直观地实时反映绘图和分析数据的逻辑
  2.基本包含两个步骤：图+修饰/添加=执行一系列函数
  3.适于绘制2D图
• Lattice绘图系统
  1.绘图=使用一次函数调用（一次成图）
  2.特别适用于观测变量之间的交互：在变量z的不同水平，变量Y如何随变量x变化
• ggplot2绘图系统
  1.用语法来作图
  图：动词、名词、形容词等
  数据映射到几何客体（点、线、面）的美学属性（颜色、形状、大小）
  2.基本绘图系统+Lattice绘图系统
  自动处理标题/文字说明/空间等，但也允许通过添加注释进行修改

基本绘图系统

• 绘图函数（在graphics包）
  1.plot、hist（柱状图）、boxplot（箱图）、points（点）、lines（线）、text（在图的指定位置添加文字）、title（命名）、axis（添加坐标轴）
  2.调用函数会启用一个图形设备（如果没有正在运行的图形设备），并在设备上绘图
• plot（）
  plot（x,y,……）
  重要参数：xlab（坐标）、ylab、lwd（线宽）、lty（线的类型）、pch（点的类型）、col（颜色）……
• par（）
  用于设置全局参数：
  bg：背景颜色
  mar：边界边距
  las：坐标轴汉字的排版
  mfrow：将画板分为几行几列，按行填充
  mfcol：将画板分为几行几列，按列填充
  练习：

with(airquality, plot(Wind, Temp, main="Wind and Temp in NYC", type = "n"))
with(subset(airquality, Month == 9), points(Wind, Temp, col = "red"))
with(subset(airquality, Month == 5), points(Wind, Temp, col = "blue"))
with(subset(airquality, Month %in% c(6,7,8)), points(Wind, Temp, col = "black"))
fit <- lm(Temp ~ Wind, airquality)
abline(fit, lwd = 2)
legend("topright", pch = 1, cex = 1,
       col = c("red", "blue", "black"),
       legend = c("sep", "May", "Other"))

结果：

全局参数

• 查看全局参数
  par（”bg“）：背景颜色
  par（”mar“）：边界边距
  par（“las：）：坐标轴汉字的排版
  par（”mfrow“）：将画板分为几行几列，按行填充
  par（”mfcol“）：将画板分为几行几列，按列填充
  例子代码：

par(mfrow=c(1,2))#将画板分为一行两列
hist(airquality$Wind)
hist(airquality$Temp)

结果：

Lattice绘图系统之基础知识

• 绘图函数
  lattice包：
  1.xyplot/bwplot/histgram/stripplot/dotplot/splom/levelplot/contourplot
  2.格式:xyplot(y ~ x|f * g, data)
  3.pannel函数，用于控制每个面板内的绘图
  grid包：
  1.实现了独立于base的绘图系统
  2.lattice包是基于grid创建的，很少直接从grid包调用函数
• lattice和base的重要区别
  1，base绘图函数直接在图形设备上绘图
  2.lattice绘图函数返回trellis类对象
  打印函数真正执行了在设备上绘图
  命令执行时，trellis类对象会被自动打印，所以看起来就像是lattice函数直接完成了绘图
  练习：

library(lattice)#载入包
xyplot(Temp ~ Ozone, data = airquality)
airquality$Month <- factor(airquality$Month)
xyplot(Temp ~ Ozone | Month, data = airquality,
layout = c(5,1))
q <- xyplot(Temp ~ Wind, data = airquality)
print(q)

set.seed(1)
x <- rnorm(100)
f <- rep(0:1, each=50)
y <- x + f - f * x + rnorm(100, sd=0.5)#使用随机数时,切记使用种子,保证后期检查,纠错方便.
f <- factor(f, labels = c("Group1", "Group2"))
xyplot(y ~ x | f, layout = c(2, 1))
xyplot(y ~ x | f, panel = function(x,y){
panel.xyplot(x,y)
panel.abline(v = mean(x), h = mean(y), lty = 2)#在x、Y均值分别画条直线
panel.lmline(x,y, col = "red")#添加回归线，做拟合
})

结果：