百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 热门文章 > 正文

R语言数据可视化系列(7)高密度散点图和三维散点图

bigegpt 2024-09-17 12:33 3 浏览

高密度散点图主要是用来解决当大数据集又有很多点可能重合的数据可视化问题,基本上就是大家常说的热力图

三维散点图主要是解决需要可视化的数据维度大于2维的情况,当然当数据大于2维时三维图并不是唯一的解决办法,还有气泡图以及分系列的散点图等,有时候我甚至觉得三维散点图虽然看上去炫一点,但是信息的呈现方式并不如气泡图和分系列散点图直观。

生成数据

set.seed(1234)
n=10000
c1=matrix(rnorm(n,mean=0,sd=0.5),ncol=2)
# 生成均值为0,方差为0.5的10000个数据点,设置矩阵的列数为2,也就是5000 × 2
c2=matrix(rnorm(n,mean=3,sd=2),ncol=2)
data=rbind(c1,c2)
# 将c1和c2按列合并
data=as.data.frame(data)
names(data)=c("x","y")
# 合并后明显可以看到如果作出x和y的分布图,应该是主要分为两大块,因为c1和c2均值和方差存着明显差异
dim(data)

一般散点图

with(data,plot(x,y,main="一般散点图"))

一般散点图

平滑密度估计散点图

其实根据一般散点图我们也大致可以看出来,点大致可以分为两堆,其中一堆值较小较聚集另一堆值较大也较分散

为了更直观地观察x和y之间的关系,我们可以利用封箱颜色透明度来设置图中重合点的表现方式,使数据点的密度易读性更强

smoothScatter( )函数

with(data,smoothScatter(x,y,main="平滑密度估计的散点图"))

平滑密度估计的散点图

六边形封箱散点图

利用hexbin包中的hexbin( )函数将二元变量封箱放到六边形单元格中来展示高密度的数据点

六边形越黑的地方表示这个分箱内点的数目越多

library(hexbin)
with(data,{bin=hexbin(x,y,xbins=50);plot(bin,main="六边形封箱散点图")})
#xbins=50,设置x轴的分箱数目为50

六边形封箱散点图

颜色标识散点图

IDPmisc包中的iplot( )函数通过颜色来展示点的密度,使得数据集中度很容易辨识。

library(IDPmisc)
with(data,iplot(x,y,main="颜色标识的散点图"))

颜色标识的散点图

简单三维散点图

假设我们需要同时观察汽车英里数mpg车重wt排量间disp的关系,则需要用到三维散点图

scatterplot3d(x,y,z)

library(scatterplot3d)
attach(mtcars)
scatterplot3d(wt,disp,mpg,main="简单三维散点图")

简单三维散点图

  • pch=16,设置绘制点时使用的符号为序号“16”所对应的符号

  • highlight.3d=TRUE,突出显示,增强纵深感

  • type="h",添加连接点与水平面的垂直线

library(scatterplot3d)
attach(mtcars)
scatterplot3d(wt,disp,mpg,pch=16,highlight.3d=TRUE,type="h",main="添加垂直线的三维散点图")

添加垂直线的三维散点图

在之前的图形的基础上,添加一个回归面

s3d=scatterplot3d(wt,disp,mpg,pch=16,highlight.3d=TRUE,type="h",main="添加回归面的三维散点图")
fit=lm(mpg~wt+disp)
s3d$plane3d(fit)

添加回归面的三维散点图

旋转三维散点图

旋转三维散点图主要是添加了交互式操作,你可以用鼠标使整个图形进行旋转,从多个角度观测绘制的数据点。

  • rgl包中的plot3d( )函数,plot3d(x,y,z)

  • Rcmdr包中的scatter3d( )函数, scatter3d(x,y,z)

library(rgl)
attach(mtcars)
plot3d(wt,disp,mpg,col="red",size=5)

旋转三维散点图

library(Rcmdr)
attach(mtcars)
scatter3d(wt,disp,mpg)

旋转三维散点图

scatter3d( )函数可包含各种回归曲面,比如线性二次平滑附加等类型。图形默认添加线性平面。另外,函数中还有可用于交互式识别点的选项。

相关推荐

方差分析简介(方差分析通俗理解)

介绍方差分析(ANOVA,AnalysisofVariance)是一种广泛使用的统计方法,用于比较两个或多个组之间的均值。单因素方差分析是方差分析的一种变体,旨在检测三个或更多分类组的均值是否存在...

正如404页面所预示,猴子正成为断网元凶--吧嗒吧嗒真好吃

吧嗒吧嗒,绘图:MakiNaro你可以通过加热、冰冻、水淹、模塑、甚至压溃压力来使网络光缆硬化。但用猴子显然是不行的。光缆那新挤压成型的塑料外皮太尼玛诱人了,无法阻挡一场试吃盛宴的举行。印度政府正...

Python数据可视化:箱线图多种库画法

概念箱线图通过数据的四分位数来展示数据的分布情况。例如:数据的中心位置,数据间的离散程度,是否有异常值等。把数据从小到大进行排列并等分成四份,第一分位数(Q1),第二分位数(Q2)和第三分位数(Q3)...

多组独立(完全随机设计)样本秩和检验的SPSS操作教程及结果解读

作者/风仕在上一期,我们已经讲完了两组独立样本秩和检验的SPSS操作教程及结果解读,这期开始讲多组独立样本秩和检验,我们主要从多组独立样本秩和检验介绍、两组独立样本秩和检验使用条件及案例的SPSS操作...

方差分析 in R语言 and Excel(方差分析r语言例题)

今天来写一篇实际中比较实用的分析方法,方差分析。通过方差分析,我们可以确定组别之间的差异是否超出了由于随机因素引起的差异范围。方差分析分为单因素方差分析和多因素方差分析,这一篇先介绍一下单因素方差分析...

可视化:前端数据可视化插件大盘点 图表/图谱/地图/关系图

前端数据可视化插件大盘点图表/图谱/地图/关系图全有在大数据时代,很多时候我们需要在网页中显示数据统计报表,从而能很直观地了解数据的走向,开发人员很多时候需要使用图表来表现一些数据。随着Web技术的...

matplotlib 必知的 15 个图(matplotlib各种图)

施工专题,我已完成20篇,施工系列几乎覆盖Python完整技术栈,目标只总结实践中最实用的东西,直击问题本质,快速帮助读者们入门和进阶:1我的施工计划2数字专题3字符串专题4列表专题5流程控制专题6编...

R ggplot2常用图表绘制指南(ggplot2绘制折线图)

ggplot2是R语言中强大的数据可视化包,基于“图形语法”(GrammarofGraphics),通过分层方式构建图表。以下是常用图表命令的详细指南,涵盖基本语法、常见图表类型及示例,适合...

Python数据可视化:从Pandas基础到Seaborn高级应用

数据可视化是数据分析中不可或缺的一环,它能帮助我们直观理解数据模式和趋势。本文将全面介绍Python中最常用的三种可视化方法。Pandas内置绘图功能Pandas基于Matplotlib提供了简洁的绘...

Python 数据可视化常用命令备忘录

本文提供了一个全面的Python数据可视化备忘单,适用于探索性数据分析(EDA)。该备忘单涵盖了单变量分析、双变量分析、多变量分析、时间序列分析、文本数据分析、可视化定制以及保存与显示等内容。所...

统计图的种类(统计图的种类及特点图片)

统计图是利用几何图形或具体事物的形象和地图等形式来表现社会经济现象数量特征和数量关系的图形。以下是几种常见的统计图类型及其适用场景:1.条形图(BarChart)条形图是用矩形条的高度或长度来表示...

实测,大模型谁更懂数据可视化?(数据可视化和可视化分析的主要模型)

大家好,我是Ai学习的老章看论文时,经常看到漂亮的图表,很多不知道是用什么工具绘制的,或者很想复刻类似图表。实测,大模型LaTeX公式识别,出乎预料前文,我用Kimi、Qwen-3-235B...

通过AI提示词让Deepseek快速生成各种类型的图表制作

在数据分析和可视化领域,图表是传达信息的重要工具。然而,传统图表制作往往需要专业的软件和一定的技术知识。本文将介绍如何通过AI提示词,利用Deepseek快速生成各种类型的图表,包括柱状图、折线图、饼...

数据可视化:解析箱线图(box plot)

箱线图/盒须图(boxplot)是数据分布的图形表示,由五个摘要组成:最小值、第一四分位数(25th百分位数)、中位数、第三四分位数(75th百分位数)和最大值。箱子代表四分位距(IQR)。IQR是...

[seaborn] seaborn学习笔记1-箱形图Boxplot

1箱形图Boxplot(代码下载)Boxplot可能是最常见的图形类型之一。它能够很好表示数据中的分布规律。箱型图方框的末尾显示了上下四分位数。极线显示最高和最低值,不包括异常值。seaborn中...