R語言數據可視化之數據分布圖(直方圖、密度曲線、箱線圖、等高線、2D密度圖)

數據分布圖簡介

中醫上講看病四診法為：望聞問切。而數據分析師分析數據的過程也有點相似，我們需要望：看看數據長什么樣;聞：仔細分析數據是否合理;問：針對前兩步工作搜集到的問題與業務方交流;切：結合業務方反饋的結果和項目需求進行數據分析。

“望”的方法可以認為就是制作數據可視化圖表的過程，而數據分布圖無疑是非常能反映數據特征(用戶癥狀)的。R語言提供了多種圖表對數據分布進行描述，本文接下來將逐一講解。

繪制基本直方圖

本例選用如下測試集：

直方圖的橫軸為綁定變量區間分隔的取值范圍，縱軸則表示變量在不同變量區間上的頻數。繪制時只需將基函數的美學特征集中配置好需要分析的變量，然后創建新的直方圖圖層即可。R語言示例代碼如下：

運行結果：

基于分組的直方圖

本例選用如下測試集：

直方圖的分組圖和本系列前面一些博文中講的一些分組圖不同，它不能進行水平方向的堆積 – 這樣看不出頻數變化趨勢;也不能進行垂直方向的堆積 – 這樣同樣看不出趨勢。這里采用一種新的堆積方法：重疊堆積，R語言實現代碼如下：

運行結果：

也可以采用分面的方法，R語言實現代碼如下：

運行結果：

繪制密度曲線

本例選用如下測試集：

密度曲線表達的意思和直方圖很相似，因此密度曲線的繪制方法和直方圖也幾乎是相同的。區別僅在于密度曲線的橫軸要綁定到連續型變量，另外繪制函數的名字不同。R語言示例代碼如下：

運行結果：

繪制基本箱線圖

本例選用如下測試集：

箱線圖是一種常用數據分布圖，下圖表示了這種圖中各元素的意義：

繪制方法是在基函數中將變量分組綁定到橫軸，變量本身綁定到縱軸。此外，為了美觀也可以將分組綁定到fill變量并設置調色板。R語言示例代碼如下：

運行結果：

往箱線圖添加槽口和均值

在上一節繪制的基本箱線圖之上，還能進一步繪制以展示更多信息。

其中最常見的是為箱子添加槽口，它能更清晰的表示中位數的位置。R語言實現代碼如下：

運行結果：

通過stat_summary()函數，還可以在箱線圖中標記均值點。R語言實現代碼如下：

運行結果：

繪制2D等高線

本例選用如下測試集：

繪制2D等高線主要是調用stat_density()函數。這個函數會給出一個基于數據的二維核密度估計，然后我們可基于這個估計值來判斷各樣本點的”等高”性。接下來首先給出各數據點及等高線的繪制方法，R語言實現代碼如下：

運行結果：

也可以通過設置密度函數美學特征集中的colour參數來給不同密度的等高線著色，R語言實現代碼如下：

運行結果：

繪制2D密度圖

本例選用如下測試集：

等高線圖也是密度圖的一種，因此繪制密度圖和等高線圖用的是同一個函數：stat_density()，只是它們傳入的參數不同。首先繪制經典柵格密度圖，R語言實現代碼如下：

運行結果：

也可以將密度變量映射到透明度來渲染，R語言實現代碼如下：

運行結果：