Questions tagged «data-visualization»

什么是最好的开源数据可视化软件？我需要以下条件： 可以从Microsoft Excel导入数据（从Oracle数据库导入数据也可以，但这不是强制性的）。 该软件生成的图表可以导出到Microsoft PowerPoint（我可以复制和粘贴）。 开源且易于使用。

14 data-visualization  excel  software  open-source 

我试图理解我在下面的图中看到的结果。通常，我倾向于使用Excel并获得线性回归线，但在以下情况下，我使用R并通过以下命令获得多项式回归： ggplot(visual1, aes(ISSUE_DATE,COUNTED)) + geom_point() + geom_smooth() 所以我的问题可以归结为： 蓝色回归线周围的灰色区域（箭头1）是什么？这是多项式回归的标准偏差吗？ 我可以说灰色区域（箭头2）外部的任何东西都是“离群值”，而灰色区域（箭头3）内部的所有东西都在标准偏差之内吗？

14 r  regression  data-visualization  outliers 

我正在尝试在R中绘制一个带有两个约120万个点的数据集的QQ图（使用qqplot，并将数据输入到ggplot2中）。计算很容易，但是由于有很多点，因此生成的图形加载起来非常缓慢。我尝试了线性逼近以将点的数量减少到10000（无论如何，如果您的数据集之一大于另一个，这就是qqplot函数所做的事情），但是您会损失很多细节。 指向中心的大多数数据点基本上是无用的-它们重叠得太多，以致每个像素大概有100个。是否有任何简单的方法可以删除过于紧密的数据，而又不会使稀疏的数据流向尾部呢？

14 r  data-visualization  qq-plot 

我正在尝试绘制小提琴图，并想知道是否存在公认的最佳实践，可以在各个组之间进行缩放。这是我使用R mtcars数据集尝试过的三个选项（1973年的Motor Trend Cars，在此处找到）。 等宽 似乎是原始纸张 *和R的vioplot作用（示例）。适合比较形状。 均等面积 由于每个图都是概率图，因此感觉不错，因此在某个坐标空间中每个图的面积应等于1.0。适用于比较每个组中的密度，但如果将图重叠，则似乎更合适。 加权面积 面积相等，但按观察次数加权。6缸变得相对稀薄，因为这些汽车较少。适用于比较各组的密度。 *小提琴图：箱形图-密度踪迹协同效应（DOI：10.2307 / 2685478）

14 distributions  data-visualization  nonparametric 

假设我有两个分布要详细比较，即以使形状，比例和偏移容易看到的方式比较。做到这一点的一种好方法是绘制每个分布的直方图，将它们放在相同的X比例尺上，然后在另一个下方堆叠。 执行此操作时，应如何进行装箱？即使一个分布比另一个分布更分散，两个直方图是否也应使用​​相同的bin边界，如下面的图像1所示？是否应在缩放之前针对每个直方图分别进行合并，如下面的图像2所示？在这方面是否有很好的经验法则？

14 data-visualization  histogram  pdf  binning 

我想了解更多有关交互式数据可视化的知识（缩放，指向，笔刷，点映射等）。我欢迎任何人： 有关如何使用这种方法进行统计探索的教程/指南/书（？）/视频。 良好/有趣的交互式data-viz包（在R中和外部）的指针 刚开始滚动时，我知道R中有多种获得交互式可视化的方法，例如rggobi，新的googleViz R程序包，动画程序包等。但是，如果还有其他值得探索的软件包（提供R所没有的东西），我将很高兴了解它们（例如jmp，mathlab，spss，sas，excel等）。 ps：这是使用标签“交互式可视化”的第一个问题

14 data-visualization  interactive-visualization 

已锁定。该问题及其答案被锁定，因为该问题是题外话，但具有历史意义。它目前不接受新的答案或互动。 年龄金字塔看起来像这样： 我想做类似的事情，即2个具有相同类别的条形图（不是直方图），它们像金字塔一样垂直旋转并向两侧延伸。 这是在R中执行此操作的简单方法吗？ 控制每个条形的颜色也是很好的。

14 r  data-visualization 

我目前正在整理一篇论文，从昨天开始偶然发现了这个问题，这使我向自己提出了同样的问题。更好地为我的图表提供来自数据的实际标准误差还是由ANOVA估算的误差？ 由于昨天的问题相当具体，我的问题相当具体，我认为提出这个后续问题是适当的。 详细信息： 我已经在某个认知心理学领域（条件推理）中进行了一项实验，将两组（归纳和演绎指令，即受试者之间的操作）与两个受试者内部的操作（问题的类型和问题的内容）进行了比较。两个因素水平）。 结果看起来像这样（左侧面板显示的是ANOVA输出的SE值，右侧面板显示的是根据数据估算的SEs）： 请注意，不同的行代表两个不同的组（即，对象间操作），而内部在x轴（即2x2因子水平）上绘制受试者操作。 在本文中，我提供了方差分析的相应结果，甚至提供了中间关键交叉交互的计划比较。SE在那里为读者提供了有关数据可变性的一些提示。我更倾向于使用SE，而不是标准偏差和置信区间，因为绘制SD并不常见，并且在比较对象之间和对象之间的CI时存在严重问题（因为肯定适用于SE，错误地推断出显着差异的情况并不常见从他们）。 重复我的问题：绘制从ANOVA估计的SE是更好还是我应该绘制从原始数据估计的SE？ 更新： 我认为我应该对SE的估算值更加清楚。SPSS中的ANOVA输出为我estimated marginal means提供了相应的SE和CI。这是在左图中绘制的内容。据我了解，它们应该是残差的标准差。但是，当保存残差时，它们的SD不会以某种方式接近估计的SE。因此，一个次要的（可能是特定于SPSS的问题）将是：这些SE是 什么？ 更新2：我终于设法编写了一个R函数，该函数应该能够像我最终喜欢的那样自行绘制（请参见我接受的答案）。如果有人有时间，如果您可以看一下，我将不胜感激。这里是。

14 data-visualization  anova  mixed-model  standard-error 

已锁定。该问题及其答案被锁定，因为该问题是题外话，但具有历史意义。它目前不接受新的答案或互动。 我想聚集〜22000点。许多聚类算法可以在较高质量的初始猜测下更好地工作。有哪些工具可以使我对数据的大致形状有所了解？ 我确实希望能够选择自己的距离度量标准，因此我可以输入成对距离列表的程序就可以了。我希望能够做一些事情，例如在显示器上突出显示一个区域或群集，并获得该区域中哪些数据点的列表。 首选自由软件，但我已经拥有SAS和MATLAB。

14 data-visualization  clustering  software 

我很好奇是否有特定的或更适合于结构方程建模的图形技术。我猜这可能属于用于协方差分析的探索性工具或用于SEM模型评估的图形诊断的类别。（我在这里实际上并不是在考虑路径/图形图。）

14 sem  data-visualization 

在glmnet内部caret使用搜索最佳lambda和cv.glmnet执行相同任务的比较中似乎有很多困惑。 提出了许多问题，例如： 分类模型train.glmnet与cv.glmnet？ 在插入符号中使用glmnet的正确方法是什么？ 使用`caret`交叉验证`glmnet` 但是没有给出答案，这可能是由于问题的可重复性。在第一个问题之后，我给出了一个非常相似的示例，但确实存在相同的问题：为什么估计的lambda如此不同？ library(caret) library(glmnet) set.seed(849) training <- twoClassSim(50, linearVars = 2) set.seed(849) testing <- twoClassSim(500, linearVars = 2) trainX <- training[, -ncol(training)] testX <- testing[, -ncol(testing)] trainY <- training$Class # Using glmnet to directly perform CV set.seed(849) cvob1=cv.glmnet(x=as.matrix(trainX),y=trainY,family="binomial",alpha=1, type.measure="auc", nfolds = 3,lambda = seq(0.001,0.1,by = 0.001),standardize=FALSE) …

14 r  caret  glmnet  machine-learning  neural-networks  maximum  softmax  probability  distributions  mathematical-statistics  random-variable  cdf  statistical-significance  variance  expected-value  ratio  sample-size  reliability  tolerance-interval  wilcoxon-signed-rank  self-study  variance  sampling  mean  machine-learning  svm  libsvm  self-study  sampling  ranks  data-visualization  histogram  machine-learning  classification  normal-distribution  mathematical-statistics  maximum-likelihood  mixture  predictive-models  prediction  seasonality 

语境：我想提请在不出现参数散点图一条线，所以我使用geom_smooth()的ggplot中R。它会自动返回geom_smooth: method="auto" and size of largest group is >=1000, so using gam with formula: y ~ s(x, bs = "cs"). Use 'method = x' to change the smoothing method.我收集的GAM代表广义加性模型，并使用三次样条曲线。 以下看法正确吗？ 黄土以特定值估算响应。 样条曲线是连接适合数据的不同分段函数（构成广义加性模型）的近似值，三次样条曲线是此处使用的特定样条曲线类型。 最后，何时应使用花键，何时应使用LOESS？

14 r  gam  splines  loess  r  data-visualization  boxplot  mathematical-statistics  theory  sufficient-statistics  machine-learning  classification  correlation  svm  feature-selection  probability  stochastic-processes  machine-learning  reinforcement-learning 

这个极简单的图是否有正式名称，其中的竖线表示范围内某些样本的分布？

14 data-visualization 

直方图可以很好地理解变量的分布。箱形图试图做同样的事情，但是，并不能很好地说明这个变量的分布情况。 我不明白为什么人们使用箱形图。直方图在各个方面都更好。我有理由同时使用它们吗？ 我认为箱形图提供的唯一内容是：离群值！它告诉我们哪些观测值可能是异常值。

13 data-visualization  histogram  boxplot 

我有一个单独的14次小数据集来完成一项任务。但是，我很难找到合适的图形来绘制数据。如果样本较大，我将使用箱形图或直方图，但是如果样本如此小，我不确定在这种情况下是否适合使用。 更新：时间是5.2、3.9、5.6、4.2、3.8、4.1、6.0、5.6、4.4、4.5、4.9、4.5、4.9、4.2

13 data-visualization  descriptive-statistics  small-sample