数据呈现丨R语言做多变量可视化分析？

笔者邀请您，先思考：

Q

什么是多变量可视化分析？

Q

多变量的常用可视化图形有哪些？适合在什么场景下应用？

多变量可视化分析是一种利用可视化手段探索多个变量之间关系或者模式的一种分析方法。

一、基于不同类型的连续变量的盒箱图

代码：

# R包
library(caret)
# 数据集
data(iris)
x <- iris[,1:4]
y <- iris[,5]

# 不同类型下特征集的可视化
featurePlot(x=x,y=y, plot = "box")

左右滑动查看更多

结果：

二、 连续变量集的相关图

连续变量集相关系数矩阵的可视化

代码：

# R包
library(corrplot)
# 加载数据集
data(iris)
# 计算相关系数
correlations <- cor(iris[,1:4])
# 创建相关图
corrplot(corr = correlations, method = "number")

左右滑动查看更多

结果：

提示：相关图的更多表示，请阅读corrplot()函数的帮助文档 ，help(corrplot)。

三、不同类型下的连续变量的核密度曲线图

代码：

# R包
library(caret)
# 加载数据集
data(iris)
# 不同类别下的变量核密度图
x <- iris[,1:4]
y <- iris[,5]

scales <- list(x=list(relation="free"), y=list(relation="free"))
featurePlot(x=x, y=y, plot = "density", scales=scales)

左右滑动查看更多

结果：

四、多变量集的矩阵散点图

代码：

# 数据集
data(iris)
# 成对的散点图
pairs(iris)

左右滑动查看更多

结果：

五、考虑类别的多变量集矩阵散点图

代码：

data(iris)
pairs(Species ~., data = iris, col = iris$Species)

左右滑动查看更多

结果：

►一周热文

数据Seminar

这里是大数据、分析技术与学术研究的三叉路口

作者：王路情出处：R语言推荐：简华（何年华）编辑：青酱

    欢迎扫描👇二维码添加关注