一行R代码来实现繁琐的可视化

本文作者: 唐源,目前就职于芝加哥一家创业公司,曾参与和创作过多个被广泛使用的 R 和 Python 开源项目,是 ggfortify,lfda,metric-learn 等包的作者,也是 xgboost,caret,pandas 等包的贡献者。(喜欢爬山和烧烤 )

ggfortify 是一个简单易用的R软件包,它可以仅仅使用一行代码来对许多受欢迎的R软件包结果进行二维可视化,这让统计学家以及数据科学家省去了许多繁琐和重复的过程,不用对结果进行任何处理就能以 ggplot 的风格画出好看的图,大大地提高了工作的效率。

ggfortify 已经可以在 CRAN 上下载得到,但是由于最近很多的功能都还在快速增加,因此还是推荐大家从 Github 上下载和安装。

library(devtools)
install_github('sinhrks/ggfortify')
library(ggfortify)

接下来我将简单介绍一下怎么用 ggplot2ggfortify 来很快地对PCA、聚类以及LFDA的结果进行可视化,然后将简单介绍用 ggfortify 来对时间序列进行快速可视化的方法。

PCA (主成分分析)

ggfortify 使 ggplot2 知道怎么诠释PCA对象。加载好 ggfortify 包之后, 你可以对stats::prcompstats::princomp 对象使用 ggplot2::autoplot

library(ggfortify)
df <- iris
autoplot(prcomp(df))

你还可以选择数据中的一列来给画出的点按类别自动分颜色。输入help(autoplot.prcomp) 可以了解到更多的其他选择。

autoplot(prcomp(df), data = iris, colour = 'Species')

比如说给定label = TRUE 可以给每个点加上标识(以rownames为标准),也可以调整标识的大小。

autoplot(prcomp(df), data = iris, colour = 'Species', label = TRUE,
         label.size = 3)

给定 shape = FALSE 可以让所有的点消失,只留下标识,这样可以让图更清晰,辨识度更大。

autoplot(prcomp(df), data = iris, colour = 'Species', shape = FALSE,
         label.size = 3)

给定 loadings = TRUE 可以很快地画出特征向量。

autoplot(prcomp(df), data = iris, colour = 'Species', loadings = TRUE)

同样的,你也可以显示特征向量的标识以及调整他们的大小,更多选择请参考帮助文件。

autoplot(prcomp(df), data = iris, colour = 'Species',
         loadings = TRUE, loadings.colour = 'blue',
         loadings.label = TRUE, loadings.label.size = 3)

因子分析

和PCA类似,ggfortify 也支持 stats::factanal 对象。可调的选择也很广泛。以下给出了简单的例子:

注意 当你使用 factanal 来计算分数的话,你必须给定 scores 的值。

d.factanal <- factanal(state.x77, factors = 3, scores = 'regression')
autoplot(d.factanal, data = state.x77, colour = 'Income')
autoplot(d.factanal, label = TRUE, label.size = 3,
         loadings = TRUE, loadings.label = TRUE, loadings.label.size  = 3)

K-均值聚类

autoplot(kmeans(USArrests, 3), data = USArrests)
autoplot(kmeans(USArrests, 3), data = USArrests, label = TRUE, 
         label.size = 3)

其他聚类

ggfortify 也支持 cluster::clara, cluster::fanny, cluster::pam

library(cluster)
autoplot(clara(iris[-5], 3))

给定 frame = TRUE,可以把 stats::kmeanscluster::* 中的每个类圈出来。

autoplot(fanny(iris[-5], 3), frame = TRUE)

你也可以通过 frame.type 来选择圈的类型。更多选择请参照 ggplot2::stat_ellipse里面的 frame.type type 关键词。

autoplot(pam(iris[-5], 3), frame = TRUE, frame.type = 'norm')

更多关于聚类方面的可视化请参考 Github 上的 Vignette 或者 Rpubs 上的例子。

lfda(Fisher局部判别分析)

lfda 包支持一系列的 Fisher 局部判别分析方法,包括半监督 lfda,非线性 lfda。你也可以使用 ggfortify 来对他们的结果进行可视化。

library(lfda)# Fisher局部判别分析 (LFDA)model <- lfda(iris[-5], iris[, 5], 4, metric="plain")
autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species')
# 非线性核Fisher局部判别分析 (KLFDA)model <- klfda(kmatrixGauss(iris[-5]), iris[, 5], 4, metric="plain")
autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species')

注意iris 数据来说,不同的类之间的关系很显然不是简单的线性,这种情况下非线性的klfda 影响可能太强大而影响了可视化的效果,在使用前请充分理解每个算法的意义以及效果。

# 半监督Fisher局部判别分析 (SELF)model <- self(iris[-5], iris[, 5], beta = 0.1, r = 3, metric="plain")
autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species')

时间序列的可视化

ggfortify 可以使时间序列的可视化变得极其简单。接下来我将给出一些简单的例子。

ts对象

library(ggfortify)
autoplot(AirPassengers)

可以使用 ts.colourts.linetype 来改变线的颜色和形状。更多的选择请参考help(autoplot.ts)

autoplot(AirPassengers, ts.colour = 'red', ts.linetype = 'dashed')

多变量时间序列

library(vars)
data(Canada)
autoplot(Canada)

使用 facets = FALSE 可以把所有变量画在一条轴上。

autoplot(Canada, facets = FALSE)

autoplot 也可以理解其他的时间序列类别。可支持的R包有:

  • zoo::zooreg
  • xts::xts
  • timeSeries::timSeries
  • tseries::irts

一些例子:

library(xts)
autoplot(as.xts(AirPassengers), ts.colour = 'green')
library(timeSeries)
autoplot(as.timeSeries(AirPassengers), ts.colour = ('dodgerblue3'))

你也可以通过 ts.geom 来改变几何形状,目前支持的有 linebarpoint。

autoplot(AirPassengers, ts.geom = 'bar', fill = 'blue')
autoplot(AirPassengers, ts.geom = 'point', shape = 3)

forecast包

library(forecast)
d.arima <- auto.arima(AirPassengers)
d.forecast <- forecast(d.arima, level = c(95), h = 50)
autoplot(d.forecast)

有很多设置可供调整:

autoplot(d.forecast, ts.colour = 'firebrick1', predict.colour = 'red',
         predict.linetype = 'dashed', conf.int = FALSE)

vars包

library(vars)
data(Canada)
d.vselect <- VARselect(Canada, lag.max = 5, type = 'const')$selection[1]
d.var <- VAR(Canada, p = d.vselect, type = 'const')
autoplot(predict(d.var, n.ahead = 50), ts.colour = 'dodgerblue4',
         predict.colour = 'blue', predict.linetype = 'dashed')

changepoint包

library(changepoint)autoplot(cpt.meanvar(AirPassengers))
autoplot(cpt.meanvar(AirPassengers), cpt.colour = 'blue', cpt.linetype = 'solid')

strucchange包

library(strucchange)
autoplot(breakpoints(Nile ~ 1), ts.colour = 'blue', ts.linetype = 'dashed',
         cpt.colour = 'dodgerblue3', cpt.linetype = 'solid')

dlm包

library(dlm)
form <- function(theta){
  dlmModPoly(order = 1, dV = exp(theta[1]), dW = exp(theta[2]))
}

model <- form(dlmMLE(Nile, parm = c(1, 1), form)$par)
filtered <- dlmFilter(Nile, model)

autoplot(filtered)
autoplot(filtered, ts.linetype = 'dashed', fitted.colour = 'blue')
smoothed <- dlmSmooth(filtered)
autoplot(smoothed)
p <- autoplot(filtered)
autoplot(smoothed, ts.colour = 'blue', p = p)

KFAS包

library(KFAS)
model <- SSModel(
  Nile ~ SSMtrend(degree=1, Q=matrix(NA)), H=matrix(NA)
)
 
fit <- fitSSM(model=model, inits=c(log(var(Nile)),log(var(Nile))), 
              method="BFGS")
smoothed <- KFS(fit$model)
autoplot(smoothed)

使用 smoothing='none' 可以画出过滤后的结果。

filtered <- KFS(fit$model, filtering="mean", smoothing='none')autoplot(filtered)
trend <- signal(smoothed, states="trend")
p <- autoplot(filtered)
autoplot(trend, ts.colour = 'blue', p = p)

stats包

可支持的stats包里的对象有:

  • stl, decomposed.ts
  • acf, pacf, ccf
  • spec.ar, spec.pgram
  • cpgram
autoplot(stl(AirPassengers, s.window = 'periodic'), ts.colour = 'blue')
autoplot(acf(AirPassengers, plot = FALSE))
autoplot(acf(AirPassengers, plot = FALSE), conf.int.fill = '#0000FF', 
         conf.int.value = 0.8, conf.int.type = 'ma')
autoplot(spec.ar(AirPassengers, plot = FALSE))
ggcpgram(arima.sim(list(ar = c(0.7, -0.5)), n = 50))
library(forecast)
ggtsdiag(auto.arima(AirPassengers))
gglagplot(AirPassengers, lags = 4)

更多关于时间序列的例子,请参考 Rpubs 上的介绍。

最近又多了许多额外的非常好用的功能,比如说现在已经支持 multiplot 同时画多个不同对象,强烈推荐参考 Rpubs 以及关注我们 Github 上的更新。

祝大家使用愉快!有问题请及时在Github上 报告。(可以使用中文)

给大家推荐《R语言入门到进阶》4天的现场培训课程。

1、回复“数据分析师”查看数据分析师系列文章

2、回复“案例”查看大数据案例系列文章

3、回复“征信”查看相关征信的系列文章

4、回复“可视化”查看可视化专题系列文章

5、回复“SPPS”查看SPSS系列文章

6、回复“答案”查看hadoop面试题题目及答案

7、回复“爱情”查看大数据与爱情的故事

8、回复“笑话”查看大数据系列笑话

9、回复“大数据1、大数据2、大数据3、大数据4”查看大数据历史机遇连载

PPV课大数据ID: ppvke123 (长按可复制)

大数据人才的摇篮!专注大数据行业人才的培养。每日一课,大数据(EXCEL、SAS、SPSS、Hadoop、CDA)视频课程。大数据资讯,每日分享!数据咖—PPV课数据爱好者俱乐部!

原文发布于微信公众号 - PPV课数据科学社区(ppvke123)

原文发表时间:2015-11-24

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

KDnuggets 本月最受欢迎:5 个不容错过的机器学习项目

【新智元导读】受欢迎的机器学习项目很多,它们受欢迎的程度体现在在 GitHub 上获得的星数(Star)。新智元不久前介绍了 GitHub 上星数最多的16个深...

30560
来自专栏鸿的学习笔记

用python讲故事(中)

5. Assemble a corpus of data to validate subjective(human) interpretation

8930
来自专栏数据科学与人工智能

【Python环境】利用 Python、SciKit 和文本分类来实现行为分析

简介 几乎所有人都会购物。从基本的必需品(比如食品)到娱乐产品(比如音乐专辑),我们会购买各种各样的物品。当购物时,我们不仅会寻找在生活中用到的东西,也会在表达...

277100
来自专栏李蔚蓬的专栏

2018.01.28.一周机器学习周记

  4.1 为进一步了解体会机器学习的流程,实践了两个微型精简项目(关于sklear提供的数据集iris)

14720
来自专栏编程

假如让你写一个年会抽奖程序……

刷微博的时候看到一家互联网公司组织年会,在抽奖的环节中,一群程序员觉得这个抽奖程序有猫腻,纷纷提出质疑,于是 CTO 就带头把程序代码显示出来,一个年会变成了一...

74560
来自专栏奇点大数据

神器Pytorch(1)

话说,自从我自己入坑深度学习以来,也是用了不少的框架,什么Tensorflow、Chainer、Theano、Caffe、Torch等等。鉴于赶时髦以及对谷歌老...

46050
来自专栏机器学习算法原理与实践

英文文本挖掘预处理流程总结

    在中文文本挖掘预处理流程总结中,我们总结了中文文本挖掘的预处理流程,这里我们再对英文文本挖掘的预处理流程做一个总结。

15820
来自专栏机器学习算法与Python学习

干货 | 自然语言处理(5)之英文文本挖掘预处理流程

前言 自然语言处理(4)之中文文本挖掘流程详解(小白入门必读) 干货 | 自然语言处理(3)之词频-逆文本词频(TF-IDF)详解 干货 | 自然语言处理(...

881120
来自专栏AI科技评论

学界 | Facebook AI实验室开源相似性搜索库Faiss:性能高于理论峰值55%,提速8.5倍

在用户日常搜索过程中,一个经常出现的问题即大多数返回的网站结果拥有完全相同或者几乎一样的信息。而应用了相似性搜索的相似引擎即可为用户返回最恰当、最合适的结果,同...

536100
来自专栏机器之心

业界 | 谷歌发布自然语言框架语义解析器SLING

399100

扫码关注云+社区

领取腾讯云代金券