随着数据量不断增加，抛开可视化技术讲故事是不可能的。数据可视化是一门将数字转化为有用知识的艺术。
R语言编程提供一套建立可视化和展现数据的内置函数和库，让你学习这门艺术。在可视化的技术实现之前，让我们先看看如何选择正确的图表类型。
选择正确的图表类型
基本的展现类型有如下四种：
1.
2.
3.
4.
为了确定哪一种类型的图表适合你的数据，我建议你应该回答一些问题比如，
§
§
§
下图是AndrewAbela博士关于选择正确的图表类型的一个很好的解释。
在你的日常生活中，大部分时间你会接触到以下7种图表。
1.
2.
3.
4.
5.
6.
7.
我们将使用如下图所示的‘大集市数据’样例来展现如何使用R语言创建可视化。
现在让我们一起看如何使用R语言运用这些可视化。
◇◆◇◆◇
散点图 Scatter Plot
什么时候使用：散点图是用来观察两个连续变量之间的关系。
上述的集市数据集中，如果你想根据成本数据可视化商品，那么我们可以使用两个连续变量的散点图，即下图中的Item_Visibility和 Item_MRP。
这是一个使用带有geom_point()的函数ggplot()的简单散点图R语言代码。
library(ggplot2)
ggplot(train,aes(Item_Visibility, Item_MRP)) geom_point() scale_x_continuous("ItemVisibility", breaks = seq(0,0.35,0.05)) scale_y_continuous("ItemMRP", breaks = seq(0,270,by = 30)) theme_bw()
现在我们可以看到第三个变量，一个提供每种数据集特征的类别变量(Item_Type)。下图中，不同的类别通过不同颜色的item_type表示出来。
增加了category的R语言代码：
ggplot(train,aes(Item_Visibility, Item_MRP)) geom_point(aes(color = Item_Type))
scale_x_continuous("ItemVisibility", breaks = seq(0,0.35,0.05))
scale_y_continuous("Item MRP",breaks = seq(0,270,by = 30))
theme_bw() labs(title="Scatterplot")
如下图书所示，我们也可以为每个Item_Type单独创建散点图使其之更加直观清晰。
单个类别的散点图R语言代码：
ggplot(train,aes(Item_Visibility, Item_MRP)) geom_point(aes(color = Item_Type))
scale_x_continuous("ItemVisibility", 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)
这里，facet_wrap将Item_Type包裹在矩阵层中并且发挥了重要作用。
◇◆◇◆◇
柱形图（Histogram）
什么时候使用：柱形图用来绘制连续变量。他将数据分解到箱子中，并且展现这些箱子的分布频率。我们可以不断的改变这些箱子的大小并且观察它对可视化的影响。
我们的集市数据中，如果我们想知道基于成本的商品计数，如下图所示，那么我们可以使用基于连续变量Item_MRP的柱形图。
这是使用带有geom_histogram()的函数ggplot()的简单柱形图R语言代码。
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")
◇◆◇◆◇
条形图和堆积条形图（Bar & Stack Bar Chart）
什么时候使用：当你想绘制一个类别变量或者连续变量和类别变量的一个组合时，建议使用条形图。
我们数据集中，如果我们想知道具体年份创建的商店计数时，如下图所示，那么使用变量EstablishmentYear的条形图将是最佳选择。
这是带有一个连续变量的函数ggplot()的简单条形图R语言代码。
ggplot(train,aes(Outlet_Establishment_Year)) geom_bar(fill = "red") theme_bw()
scale_x_continuous("EstablishmentYear", breaks = seq(1985,2010))
scale_y_continuous("Count", breaks= seq(0,1500,150))
coord_flip() labs(title = "BarChart") theme_gray()
◇◆◇◆◇
竖形条形图（Vertical Bar Chart）
你可以移除参数coord_flip()将其变换成竖形条形图。
为了了解一个条形图中，基于商店类型(类别变量)的商品重量(连续变量)，使用下述代码：
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")
◇◆◇◆◇
堆积条形图（Stacked Bar chart）
堆积条形图是条形图的一种高级版本，用来可视化类别变量的一个组合。
我们的数据集中，如果我们想了解基于类别变量比如种类(OutletType)和位置 (Outlet Location Type)的商店计数，堆积条形图将会是最佳选择。
这是使用函数ggplot()的简单堆积条形图R语言代码。
ggplot(train,aes(Outlet_Location_Type, fill = Outlet_Type)) geom_bar()
labs(title ="Stacked Bar Chart", x = "Outlet Location Type", y ="Count of Outlets")
◇◆◇◆◇
箱线图（Box Plot）
什么时候使用：箱线图用来绘制类别和连续变量的一个组合。它有助于可视化数据的传播和检测异常值。它展示了统计学中五个显著的数值-最小值，值的25%，中位数，值的75%和最大值。
我们的数据集中，如果我们想要确定每个商店具体商品的销售情况，包括最小值，最大值以及中位数，箱线图将会有帮助。此外，如下图所示它还给出了销售商品的商店信息。
这些黑点表示异常值。异常值检测和去除是成功数据探索的重要一步。
这是使用带有geom_boxplot的函数ggplot()的简单箱线图R语言代码。
ggplot(train,aes(Outlet_Identifier, Item_Outlet_Sales)) geom_boxplot(fill ="red")
scale_y_continuous("ItemOutlet Sales", breaks= seq(0,15000, by=500))
labs(title = "BoxPlot", x = "Outlet Identifier")
◇◆◇◆◇
面积图（Area Chart）
什么时候使用：面积图用来显示变量或者数据集的连续性。它和线图非常相似，并且通常用来时间序列绘制。此外，它也被用来绘制连续变量和分析潜在趋势。
我们的数据集中，当我们想分析商店商品的销售趋势时，我们可以绘制如下面积图。它显示了基于销售商品的商店计数。
这是带有geom_area的函数ggplot()的显示商店商品销售连续性的简单面积图R语言代码。
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")
◇◆◇◆◇
热点图（Heat Map）
什么时候使用：热点图使用一张二维图像中颜色的强度(密度)来显示2，3个或者更多变量之间的关系。它允许你探索轴的两个纬度以及颜色密度表示的第三个纬度。
我们的数据集中，如果我们想知道每个商店中每个商品的成本，如下图所示，我们可以使用数据集中的3个变量MRP，OutletIdentifier和Item Type 来绘制热点图。
黑色部分表示商品MRP接近50。亮一些的部分表示商品MRP接近250。
这是一个使用函数ggplot()的简单热点图R语言代码。
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 = "ItemMRP")
◇◆◇◆◇
相关图（Correlogram）
什么时候使用：相关图用来测试数据中可用变量之间的相关程度。矩阵中小方框可以被添加阴影或者着色来表示相关值。
颜色越深，变量间的相关值越高。正的相关值用蓝色表示，负的相关值用红色表示。颜色密度和相关值成正比关系。
我们的数据集中，让我们通过下图来查看商品成本，重量，可见度与商店成立年份和商店销售之间的相关性。数据分析师培训
我们的例子中，我们可以看到商品成本和商店销售正相关，商品重量和可见度负相关。
这是使用函数corrgram()的简单相关图R语言代码。
install.packages("corrgram")
library(corrgram)
corrgram(train,order=NULL, panel=panel.shade, text.panel=panel.txt,
main="Correlogram")
现在我想你使用起来R语言编程中的ggplot2库将会很容易了。
请发表评论