未被充分利用的数据可视化

直方图和散点图是可视化数据以及变量之间关系的好方法，但是最近我一直在想我缺少什么可视化技术。您认为最未被充分利用的情节类型是什么？

答案应该是：

1. 在实践中不是很常用。
2. 无需大量背景讨论就可以理解。
3. 适用于许多常见情况。
4. 包括可复制的代码以创建示例（最好在R中）。链接的图像会很好。

我非常同意其他海报：Tufte的书很棒，值得一读。

首先，我将为您指出今年年初“看数据”中有关ggplot2和ggobi的非常不错的教程。除此之外，我将只重点介绍R中的一个可视化和两个图形包（它们不如基本图形，点阵图或ggplot广泛使用）：

热图

我非常喜欢可以处理多元数据（特别是时间序列数据）的可视化。 热图可能对此有用。大卫•史密斯（David Smith）在“革命”博客上发表了一个真正整洁的文章。这是Hadley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)

最终看起来像这样：

RGL：交互式3D图形

RGL是另一个值得学习的软件包，它很容易提供创建交互式3D图形的功能。在线上有很多示例（包括rgl文档中）。

R-Wiki有一个很好的示例，说明了如何使用rgl绘制3D散点图。

戈壁

另一个值得一提的软件包是rggobi。有一本有关该主题的Springer书籍，在线上有很多很棒的文档/示例，包括“查找数据”课程。

我非常喜欢dotplot，发现当我将它们推荐给其他人以解决适当的数据问题时，他们总是会感到惊讶和高兴。他们似乎没有多大用处，我也不知道为什么。

这是来自Quick-R的示例：

我相信克利夫兰对这些工具的开发和发布负有最大责任，他书中的示例（使用点图可以很容易地检测出错误数据）是使用它们的有力论据。请注意，上面的示例每行仅放置一个点，而它们的真正力量在于每行具有多个点，并附有图例说明哪个是哪个。例如，您可以对三个不同的时间点使用不同的符号或颜色，因此可以轻松地了解不同类别中的时间模式。

在下面的示例中（在Excel中完成所有操作！），您可以清楚地看到哪个类别可能遭受了标签交换。

使用极坐标的图肯定没有得到充分利用-有些人会说得很好。我认为证明其使用合理的情况并不常见；我还认为，当出现这些情况时，极坐标图可以揭示线性图无法显示的数据模式。

我认为这是因为有时您的数据本来就是极性的，而不是线性的，例如，它是周期性的（x坐标表示几天中24小时内的时间），或者数据先前已映射到极性要素空间。

这是一个例子。该图显示了网站的平均小时流量。注意晚上10点和凌晨1点的两个峰值。对于站点的网络工程师而言，这些意义重大。它们彼此靠近发生也很重要（只是相隔两个小时）也很重要。但是，如果您在传统坐标系上绘制相同的数据，则将完全隐藏该模式-线性绘制，这两个峰值之间相隔20小时，尽管连续几天也相距仅两个小时。上面的极坐标图以简约和直观的方式显示了此信息（不需要图例）。

有两种方法（我知道）可以使用R创建这样的绘图（我在w / R上方创建了绘图）。一种是在基本图形系统或网格图形系统中编写自己的功能。他们更容易的另一种方法是使用圆形包装。您将使用的功能是“ rose.diag ”：

data = c(35, 78, 34, 25, 21, 17, 22, 19, 25, 18, 25, 21, 16, 20, 26, 
                 19, 24, 18, 23, 25, 24, 25, 71, 27)
three_palettes = c(brewer.pal(12, "Set3"), brewer.pal(8, "Accent"), 
                   brewer.pal(9, "Set1"))
rose.diag(data, bins=24, main="Daily Site Traffic by Hour", col=three_palettes)

如果您的散点图有太多的点以至于变得完全混乱，请尝试使用平滑的散点图。这是一个例子：

library(mlbench) ## this package has a smiley function
n <- 1e5 ## number of points
p <- mlbench.smiley(n,sd1 = 0.4, sd2 = 0.4) ## make a smiley :-)
x <- p$x[,1]; y <- p$x[,2]
par(mfrow = c(1,2)) ## plot side by side
plot(x,y) ## left plot, regular scatter plot
smoothScatter(x,y) ## right plot, smoothed scatter plot

该hexbin软件包（由@Dirk Eddelbuettel建议）用于相同的目的，但smoothScatter()优点是它属于该graphics软件包，因此是标准R安装的一部分。

关于迷你图和其他Tufte想法，CRAN上的YaleToolkit软件包提供了功能sparkline和sparklines。

另一个对较大数据集有用的软件包是hexbin，因为它巧妙地将数据“ 绑定 ”到存储桶中，以处理对于天真散点图可能太大的数据集。

小提琴图（将箱形图与内核密度结合在一起）相对奇特，非常酷。R中的vioplot软件包使您可以轻松制作它们。

这是一个示例（Wikipedia链接也显示了一个示例）：

我刚刚查看的另一个不错的时间序列可视化效果是“凹凸图”（如“ Learning R”博客中这篇文章所介绍的）。这对于可视化位置随时间的变化非常有用。

您可以在http://learnr.wordpress.com/上阅读有关如何创建它的信息，但这最终看起来像这样：

我也喜欢Tufte对箱形图的修改，它使您可以更轻松地进行小倍数比较，因为它们在水平方向上非常“薄”，并且不会因多余的墨水而使打印混乱。但是，它在相当多的类别下效果最佳；如果您在地块上只有几个，则常规（Tukey）箱形图看起来会更好，因为它们的重量更大。

library(lattice)
library(taRifx)
compareplot(~weight | Diet * Time * Chick, 
  data.frame=cw , 
  main = "Chick Weights",
  box.show.mean=FALSE,
  box.show.whiskers=FALSE,
  box.show.box=FALSE
  )

在此问题中讨论了制作这些文件的其他方法（包括另一种Tufte箱线图）。

我们不应忘记可爱而（历史上很重要）的茎叶图（图夫特也喜欢！）。您可以直接获得关于数据密度和形状的数字概览（当然，如果您的数据集不大，则大约为200点）。在R中，该函数stem生成您的茎叶布局（在工作空间中）。我更喜欢使用fmsbgstem包中的函数直接在图形设备中绘制它。以下是逐叶显示中的海狸体温变化（数据应在默认数据集中）：

  require(fmsb)
  gstem(beaver1$temp)

地平线图（pdf），用于一次可视化多个时间序列。

平行坐标图（pdf），用于多变量分析。

关联图和镶嵌图，用于可视化列联表（请参阅vcd包）

除了Tufte的出色著作之外，我还推荐William S. Cleveland的书：可视化数据和图形数据的元素。它们不仅非常出色，而且都在R中完成，我相信代码是公开可用的。

箱线图！来自R帮助的示例：

boxplot(count ~ spray, data = InsectSprays, col = "lightgray")

我认为这是快速查看数据或比较分布的最方便的方法。对于更复杂的发行版，有一个扩展名为vioplot。

在我看来，马赛克图符合上述所有四个条件。在r的马赛克图下有示例。

查看Edward Tufte的作品，尤其是这本书

您也可以尝试捕捉他的旅行演示。很好，其中包括他的四本书。（我发誓我没有他的出版商的股票！）

顺便说一句，我喜欢他的迷你图数据可视化技术。惊喜！谷歌已经将其编写并发布在谷歌代码中

摘要地块？就像本页提到的那样：

可视化摘要统计信息和不确定性