# 开发 | 用数据说话，R语言有哪七种可视化应用？

1. 比较类图表

2. 组成类图表

3. 分布类图表

4. 关系类图表

1. 单个图表里，需要几个变量？

2. 单个变量，需要用多少数据点来描述？

3. 数据是随时间的变量，还是离散的，以单体或组的形式？

1. 散点图

2. 直方图

3. 柱状图和条形图

4. 箱线图

5. 面积图

6. 热点图

7. 相关图

AI科技评论将在以下篇幅介绍如何利用 R 实现可视化：

1. 散点图

library(ggplot2) // ggplot2 是R中的一个函数库

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()

R代码中增加了分组：

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")

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)

2. 直方图

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")

3. 柱状图和条形图

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()

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")

ggplot(train, aes(Outlet_Location_Type, fill = Outlet_Type)) + geom_bar()+

labs(title = "Stacked Bar Chart", x = "Outlet Location Type", y = "Count of Outlets")

4. 箱线图

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")

5. 面积图

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")

6. 热点图

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")

7. 关系图

install.packages("corrgram")

library(corrgram)

main="Correlogram")

Via Tatvic

0 条评论

• ### 有生之年，人工智能会给世界带来什么变化？这里是现代机器人之父Rodney Brooks关于未来的预言

AI 科技评论按：新年伊始，世界著名的机器人学家，机器人企业家( iRobot 和Rethink Robotics 两家知名机器人企业的创始人)，澳大利亚科学院...

• ### 视频 | AI实时生成材质，效果直逼好莱坞大片

我们的卷积神经网络可以提供这些图像的实时预测结果，这些预测与真正的渲染图像难以分辨，并且实时生成。

• ### 赛后跟踪：如何在 ImageNet 比赛中获得冠军？

近两个月，国内团队先后在全球权威的人脸检测评测平台 FDDB 和全球自动驾驶算法公开排行榜 KITTI 以及 Cityscapes 上取得非常好的成绩，这在一定...

• ### 锦上添花DataGrid！

我们知道如果datagrid的宽度比较长那么使得我们很难分清楚行数据，也就是很容易 使我们看错行，我想如果当我们的鼠标移动到datagrid的行上，他可以清楚的...

• ### DataGrid删除确认及Item颜色交替

有时候我们需要在删除DataGrid中Item相对应的数据时，需要弹出一个确认对话框来提示使用...

• ### 由旋转画廊，看自定义RecyclerView.LayoutManager

前段时间需要一个旋转木马效果用于展示图片，于是第一时间在github上找了一圈，找了一个还不错的控件，但是使用起来有点麻烦，始终觉得很不爽，所以寻思着自己做一个...

• ### 协同过滤推荐算法在MapReduce与Spark上实现对比

MapReduce为大数据挖掘提供了有力的支持，但是复杂的挖掘算法往往需要多个MapReduce作业才能完成，多个作业之间存在着冗余的磁盘读写开销和多次资源申...

• ### 神盾推荐——特征构造方法

在机器学习建模问题中，合适特征的构造对于模型的性能至关重要，看到很多同学介绍特征工程，包括特征的预处理和特征筛选等。

• ### 【谷歌智能音箱降至19美元】美国黑色星期五最畅销：智能家居、计算机、无人机等

【新智元导读】 美国著名的“黑色星期五”正在进行，网站 deal.kinja 特意整理了线上销售渠道中最畅销和最值得购买的商品列表，我们从中挑出了智能硬件的部分...

• ### LayaAir2.7物理引擎大幅升级并新增cannon物理引擎支持，强化3D光影效果，新增vivo平台引擎共享插件，强化3D插件

今天，LayaAir再次迎来一个大版本的更新，本次2.7.0beta版本的核心在于物理引擎的升级完善，以及考虑到当前有开发者对于物理引擎包体缩减的需求，我们还新...