【Udacity】3,5,19，噪声散点图

1、噪声散点图

install.packages('alr3')
library(alr3)
data("Mitchell")
?Mitchell

> ggplot(aes(x=Month,y=Temp),data=Mitchell)+
+     geom_point()

2、理解数据
似乎这两个变量并不相关，但是X轴是月份，是一个相对离散的变量，且月份是按照1-12一直往上叠加的。这里添加代码，将X轴断开，对应一年。

> ggplot(aes(x=Month,y=Temp),data=Mitchell)+
+     geom_point()+
+     scale_x_continuous(breaks = seq(0,203,12))

3、一个新的视角
当你伸缩上面的图形的时候，你会发现图形呈现正弦或者余弦图形，说明这个城市是四季变换的
说明：

• 要把数据放在具体的背景下
• 图形的比例和标度很重要
  要理解该数据，你还可以将每一年的数据相互叠加，构建出一个清晰的常规正弦曲线图。你可以在代码中使用 R 的模数运算符 %% 来这样做。尝试运行以下代码！

> ggplot(aes(x=(Month%%12),y=Temp),data=Mitchell)+ 
+     geom_point()

数据可视化先驱
John Tukey
William Playfair
William Playfair 和图形心理学

还可以使用其他的关联度量检测这一点。energy 包中的 dcor.ttest() 函数对两个变量的独立性执行非参数检验。尽管 Mitchell 土壤数据集太过粗糙，以至于无法识别“月份”和“温度”之间的显著依赖性。我们可以通过其他例子了解 dcor.ttest 和 cor.test 的区别，例如：

x <- seq(0, 4*pi, pi/20)
y <- cos(x)
qplot(x = x, y = y)
dcor.ttest(x, y)

双变量数据分析