R语言可视化作图笔记（2）感知与可视化预处理

感知与可视化预处理

不同的散点图（ggplot2）

还是以ggplot2里的mpg为例,第一幅只设置x，y，color三个参数。由于displ是numeric类型的数据，所以第一幅图中的colorbar是渐变的（continuous）

library(ggplot2)
data0 <- mpg
ggplot(data0) +
  geom_point(aes(x=hwy, y=cty, color =displ))

我们用cut_interval分割displ为4个不同的区间，此时变量groups就是factor类型，作图会有很大不同，colorbar的呈现为discrete的

【注意！在作图时无论是颜色大小等，一定注意“原”数据的类型！倘若原数据象征不同的地点车型款式等，作图的colorbar却画成了continuous（上图），那么这就是可视化的错误。应将数据先改成factor再作图】

groups <- cut_interval(data0$displ,4)
ggplot(data0) +
  geom_point(aes(x=hwy, y=cty, color =groups))

作为对比，我们也可以通过比较大小，线条的方向（geom_spoke我也不是很懂，以后补充）的方式作图

groups <- cut_interval(data0$displ,4)
ggplot(data0) +
  geom_point(aes(x=hwy, y=cty, size =groups))
  
ggplot(data0,aes(x=hwy, y=cty)) +
  geom_point()+
  geom_spoke(aes(angle=as.numeric(groups), radius = 0.8))

【此图超级丑就是了。。。也就是可视化方法与数据不兼容】


为什么渐变色（亮度），不同色（色调），大小，方向，甚至形状和线的长短给人的感觉不一样呢？因为人的感知对于以上这些东西的变化是不同的，英文上称此为perception metrics（感知量度？）。

当我们的大脑要处理图像时，分preattentive和attentive。preattentive是大脑本能的对图像进行处理，就像对第二张图的红蓝绿紫进行分类一样。大部分人能够同时处理的容量（Channel capacity）为 8 levels = 3 bits

以下是通常人对不同量度的最大容量：

• 线上的点坐标: 10-15 levels (3.25 bits)
• 平面上的大小: 4-5 levels (2.2 bits)
• 颜色: 色调 10 levels, ；亮度: 5 levels (3.1 bits, 2.1 bits)
• 线长: 2.8 bits
• 线的方向: 3 bits
• 线的弯度: 1.6-2.2 bits

另外要注意的，两个不同量度相加（Conjuction）并不能直接增加总量度，例如
色调+饱和度: 3.6 bits
大小+色调+亮度: 4.1 bits
平面上的坐标: 4.6 bits

根据Treisman’s theory，在preattentive时，每一个感知量度都可以看作有一个独立的feature map，图像会在这样的数个map中并行处理。但是处理复合量度（Conjuction）时，由于需要在其他map中串联搜索，通常更加耗时。
【总之就是复合的和单一的其实毛关系都没有=。=】

这是一幅笔者作业中的图，就有很多多余的图像处理

饼图（plotly）

下面来说明一个可视化中经常出现的错误。此例，我们统计了所有mpg中所有车的牌子，用饼图查看其比例。我们还用textinfo="none"隐去了图上的标签。

library(plotly)
names <- as.character(unique(mpg$manufacturer))
num <- rep(0, length(names))
for(i in 1: length(num)){
  idx <- mpg$manufacturer==names[i]
  num[i] <- sum(idx)
}
ncyl=num/sum(num)*100
df <- as.data.frame(cbind(names,ncyl))
df[,2] <- as.numeric(as.character(df[,2]))
plot_ly(df, labels=~names, values=~ncyl, textinfo="none") %>% 
  add_pie()

图上蓝色为15.8%，橙色为14.5%，绿色为11.5%，紫色为10.7%，但由于人对角度的感知非常弱，很多人会觉得绿色与橙色蓝色相当，且远大于紫色。这就是可视化选图中的误导（misleading）。
【倘若做成斜视的饼图，问题就更大了】

相较之下，柱状图会是更好的选择。由于画柱状图的x会默认按照字母表或者factor的levels排序，需要给df的第一列设置新的levels

t <- df[order(df[,2], decreasing = TRUE),]    #按照第二列降序排第一列
ord <- as.character(t[,1])                    #得到第一列的 字符向量
t[,1] <- factor(t[,1],levels = ord)         #将此向量设为新的levels
plot_ly(t, x=~names, y=~ncyl) %>% 
  add_bars()

2D密度图（ggplot2）

2D密度图的缺点主要两点：

1. 高密度地区对整图的影响过大，使得低密度地区不可视。热度图也有这种问题。可以用数据预处理解决，例如用scale将数据标准化
2. “山脊”部分会有误导，使得读者误以为此处有很多点分布

ggplot(data0, aes(x= hwy, y= cty))+
  stat_density_2d(aes(fill = ..level..), 
                  geom = "polygon", 
                  color="white", alpha=0.5 )+
  geom_point()

散点图（plotly）

用plotly画散点图，model在作图中没有提到，可用hovertext添加所选点的信息

plot_ly(mpg[1:74,], x=~hwy, y=~cty,
        type="scatter", hovertext=~paste0(model), 
        color= ~manufacturer)

用ggplot2::facet_wrap画并列图

a<-ggplot(mpg[1:74,],aes(x=hwy, y=cty,color= manufacturer))+
  geom_point()+
  facet_wrap(~manufacturer)
ggplotly(a)