今天，隨著數據量的不斷增加，數據可視化成為將數字變成可用的信息的一個重要方式。R語言提供了一系列的已有函數和可調用的庫，通過建立可視化的方式進行數據的呈現。在使用技術的方式實現可視化之前，我們可以先和雷鋒網一起看看如何選擇正確的圖表類型。
作者 Dikesh Jariwala是一個軟體工程師，並且在Tatvic平臺上編寫了一些很酷很有趣的程序。他用API編寫了第一版Price Discovery，雷鋒網(公眾號：雷鋒網)對他所寫的這篇文章做了編譯，未經許可不得轉載。
四種可選擇的基本類型：
1、 比較類圖表
2、 組成類圖表
3、 分布類圖表
4、 關係類圖表
為了選擇最適合分析手中數據的圖表類型，首先考慮以下幾個問題：
針對如何選擇最適宜的圖表，Dr.Andrew Abela 提供了一個很好的方法示意圖：
在使用圖表分析的時候，常用的有7種圖表：
1． 散點圖
2． 直方圖
3． 柱狀圖和條形圖
4． 箱線圖
5． 面積圖
6． 熱點圖
7． 相關圖
我們使用「Big Mart data」作為案例來理解 R 可視化的實現方法，你可以點擊此處下載完整的數據（google doc）。
雷鋒網將在以下篇幅介紹如何利用 R 實現可視化：
使用場景：散點圖通常用於分析兩個連續變量之間的關係。
在上面介紹的超市數據中，如果我們想根據他們的成本數據來可視化商品的知名度，我們可以用散點圖，兩個連續的變量這裡我們命名為Item_Visibility和Item_MRP。
這裡使用R中的ggplot()和geom_point()函數。
library(ggplot2) // ggplot2 是R中的一個函數庫
ggplot(train, aes(Item_Visibility, Item_MRP)) + geom_point() + scale_x_continuous("Item
Visibility", breaks = seq(0,0.35,0.05))+ scale_y_continuous("Item MRP", breaks = seq(0,270,by =
30))+ theme_bw()
下圖中增加了一個新的變量，對產品進行分類的變量，命名為Item_Type，圖中以不同的顏色作為顯示。
R代碼中增加了分組：
ggplot(train, aes(Item_Visibility, Item_MRP)) + geom_point(aes(color = Item_Type)) +
scale_x_continuous("Item Visibility", breaks = seq(0,0.35,0.05))+
scale_y_continuous("Item MRP", breaks = seq(0,270,by = 30))+
theme_bw() + labs(title="Scatterplot")
可以進一步可視化，將散點圖以不同的小圖表的形式呈現，下圖中，每一個小圖表都代表一種不同的產品：
代碼如下：
ggplot(train, aes(Item_Visibility, Item_MRP)) + geom_point(aes(color = Item_Type)) +
scale_x_continuous("Item Visibility", breaks = seq(0,0.35,0.05))+
scale_y_continuous("Item MRP", breaks = seq(0,270,by = 30))+
theme_bw() + labs(title="Scatterplot") + facet_wrap( ~ Item_Type)
代碼中，facet_warp將圖像顯示在長方形圖表中。
使用場景：直方圖用於連續變量的可視化分析。將數據劃分，並用概率的形式呈現數據的規律。我們可以將分類根據需求進行組合和拆分，從而通過這種方式看到數據的變化。
繼續使用上面我們引入的超市數據的例子，如果我們需要知道不同成本段的商品的數量，我們可以將所有數據畫出一個直方圖，Item_MRP作為橫坐標。如下圖所示：
下面是一個簡單的畫直方圖的例子，使用的是R中的ggplot()和geom_histogram()函數。
ggplot(train, aes(Item_MRP)) + geom_histogram(binwidth = 2)+
scale_x_continuous("Item MRP", breaks = seq(0,270,by = 30))+
scale_y_continuous("Count", breaks = seq(0,200,by = 20))+
labs(title = "Histogram")
使用場景：柱狀圖一般用於表現分類的變量或者是連續的分類變量的組合。
在超市數據的例子中，如果我們需要知道在每一年新開的超市的門店數量，那麼柱狀圖就是一個很好的圖形分析的方式。用「年」的信息作為坐標，如下圖所示：
下面是一個簡單的畫柱狀圖的例子，使用的是R中的ggplot()函數。
ggplot(train, aes(Outlet_Establishment_Year)) + geom_bar(fill = "red")+theme_bw()+
scale_x_continuous("Establishment Year", breaks = seq(1985,2010)) +
scale_y_continuous("Count", breaks = seq(0,1500,150)) +
coord_flip()+ labs(title = "Bar Chart") + theme_gray()
去除代碼中的coord_flIP()變量，可以將直方圖以水平直方圖的方法呈現。
為了得到商品重量（連續變量）和折扣店（分類變量）的關係，可使用下面的代碼：
ggplot(train, aes(Item_Type, Item_Weight)) + geom_bar(stat = "identity", fill = "darkblue") +
scale_x_discrete("Outlet Type")+ scale_y_continuous("Item Weight", breaks = seq(0,15000, by =
500))+ theme(axis.text.x = element_text(angle = 90, vjust = 0.5)) + labs(title = "Bar Chart")
堆疊條形圖是柱狀圖的一個高級版本，可以將分類變量組合進行分析。
超市數據的例子中，如果我們想要知道不同分類商品的折扣店數量，包含折扣店種類和折扣店區域，堆疊條形圖就是做這種分析最為有效的圖表分析方法。
下面是一個簡單的畫堆疊條形圖的例子，使用的是R中的ggplot()函數。
ggplot(train, aes(Outlet_Location_Type, fill = Outlet_Type)) + geom_bar()+
labs(title = "Stacked Bar Chart", x = "Outlet Location Type", y = "Count of Outlets")
使用場景：箱線圖一般用於相對複雜的場景，通常是組合分類的連續變量。這種圖表應用於對數據延伸的可視化分析和檢測離值群。主要包含數據的5個重要節點，最小值，25%，50%，75%和最大值。
在我們的案例中，如果我們想要找出每個折扣店每個商品銷售的價格的情況，包括最低價，最高價和中間價，箱線圖就大有用處。除此之外，箱線圖還可以提供非正常價格商品銷售的情況，如下圖所示。
圖中，黑色的點為離值群。離值群的檢測和剔除是數據挖掘中很重要的環節。
下面是一個簡單的畫箱線圖的例子，使用的是R中的ggplot()和geom_boxplot函數。
ggplot(train, aes(Outlet_Identifier, Item_Outlet_Sales)) + geom_boxplot(fill = "red")+
scale_y_continuous("Item Outlet Sales", breaks= seq(0,15000, by=500))+
labs(title = "Box Plot", x = "Outlet Identifier")
使用場景：面積圖通常用於顯示變量和數據的連續性。和線性圖很相近，是常用的時序分析方法。另外，它也被用來繪製連續變量和分析的基本趨勢。
超市案例中，當我們需要知道隨著時間的眼神，折扣店商品的品種走勢，我們可以畫出如下的面積圖，圖中呈現了折扣店商品的成交量的變化。
下面是一個簡單的畫面積圖的例子，用於分析折扣店商品成交數量的走勢，使用的是R中的ggplot()和geom_area函數。
ggplot(train, aes(Item_Outlet_Sales)) + geom_area(stat = "bin", bins = 30, fill = "steelblue") +
scale_x_continuous(breaks = seq(0,11000,1000))+
labs(title = "Area Chart", x = "Item Outlet Sales", y = "Count")
使用場景：熱點圖用顏色的強度（密度）來顯示二維圖像中的兩個或多個變量之間的關係。可對圖表中三個部分的進行信息挖掘，兩個坐標和圖像顏色深度。
超市案例中，如果我們需要知道每個商品在每個折扣店的成本，如下圖中所示，我們可以用三個變量Item_MRP，Outlet_Identifier和Item_type進行分析。
暗的數據表示Item_MRP低於50，亮的數據表示Item_MRP接近250。
下面是R代碼，使用了ggplot()函數做簡單的熱點圖。
ggplot(train, aes(Outlet_Identifier, Item_Type))+
geom_raster(aes(fill = Item_MRP))+
labs(title ="Heat Map", x = "Outlet Identifier", y = "Item Type")+
scale_fill_continuous(name = "Item MRP")
使用場景：關係圖用作表示連續變量之間的關聯性。每個單元可以標註成陰影或顏色來表明關聯的程度。顏色越深，代表關聯程度越高。正相關用藍色表示，負相關用紅色表示。顏色的深度隨著關聯程度的遞增而遞增。
超市案例中，用下圖可以展現成本，重量，知名度與折扣店開業的年份和銷售價格之間的關係。可以發現，成本和售價成正相關，而商品的重量和知名度成負相關。
下面是用作簡單關係圖的R代碼，使用的是corrgram()函數。
install.packages("corrgram")
library(corrgram)
corrgram(train, order=NULL, panel=panel.shade, text.panel=panel.txt,
main="Correlogram")
通過以上的分類介紹和R程序的簡單介紹，相信你可以使用R中的ggplot庫進行自己的數據可視化分析了。 除了可視化分析，你還可以通過我們的網絡課程進一步的學習使用R進行的數據挖掘，歡迎訪問我們的網頁「Google Analytics Data Mining with R」。
Via Tatvic
雷鋒網版權文章，未經授權禁止轉載。詳情見轉載須知。