r语言liftchart_最棒的7种R语言数据可视化

随着数据量不断增加，抛开可视化技术讲故事是不可能的。数据可视化是一门将数字转化为有用知识的艺术。

R语言编程提供一套建立可视化和展现数据的内置函数和库，让你学习这门艺术。在可视化的技术实现之前，让我们先看看如何选择正确的图表类型。

选择正确的图表类型

基本的展现类型有如下四种：

1.   比较

2.   组成

3.   分布

4.   关系

为了确定哪一种类型的图表适合你的数据，我建议你应该回答一些问题比如，

§ 在一个图表中你想展现多少个变量？

§ 每个变量中你会显示多少个数据点？

§ 你将要显示的是一段时间，一些个体还是一些组的数值？

下图是AndrewAbela博士关于选择正确的图表类型的一个很好的解释。

在你的日常生活中，大部分时间你会接触到以下7种图表。

1.   Scattered

Plot(散点图)

2.   Histogram(柱状图)

3.   Bar

& Stack Bar Chart (条形图和堆积条形图)

4.   Box Plot

(箱线图)

5.   Area

Chart(面积图)

6.   Heat

Map(热点图)

7.   Correlogram(相关图)

我们将使用如下图所示的‘大集市数据’样例来展现如何使用R语言创建可视化。

现在让我们一起看如何使用R语言运用这些可视化。

◇◆◇◆◇

散点图 Scatter Plot

什么时候使用：散点图是用来观察两个连续变量之间的关系。

上述的集市数据集中，如果你想根据成本数据可视化商品，那么我们可以使用两个连续变量的散点图，即下图中的Item_Visibility和

Item_MRP。

这是一个使用带有geom_point()的函数ggplot()的简单散点图R语言代码。

library(ggplot2)

// ggplot2 is an R library forvisualizations train.

ggplot(train,aes(Item_Visibility, Item_MRP)) geom_point()

scale_x_continuous("ItemVisibility", breaks = seq(0,0.35,0.05))

scale_y_continuous("ItemMRP", breaks = seq(0,270,by = 30))

theme_bw()

现在我们可以看到第三个变量，一个提供每种数据集特征的类别变量(Item_Type)。下图中，不同的类别通过不同颜色的item_type表示出来。

增加了category的R语言代码：

ggplot(train,aes(Item_Visibility, Item_MRP)) geom_point(aes(color =

Item_Type))

scale_x_continuous("ItemVisibility", breaks = seq(0,0.35,0.05))

scale_y_continuous("Item MRP",breaks = seq(0,270,by =