数据可视化小例子：身高、惯用手和棒球运动员表现的关系

原文地址为 https://github.com/nanli-7/basketball_data_visualization

分析的主要目的是利用数据可视化的方法来观察决定性因素（determinant factors）与棒球运动员的表现

（baseball players’ performanc）之间的关系；数据集包括1157位棒球运动员的数据（performance and biographical information），总共包括五个变量：

• handedness 惯用手
• height 身高
• weight 体重
• batting average （avg） 击球率
• numbers of home runs （HR） 由于很少看棒球，不太明白这个指标是什么含义

avg和HR用来衡量球员表现 （Players performance is measured by the batting average and number of home runs） 惯用手，身高和体重是球员自身的因素 因为身高和体重存在相关性（Since height and weight are positively correlated），所以只用身高和惯用手作为解释变量（explanatory variables），avg和HR作为响应变量（response variables）

身高和体重的关系（散点图）

library(ggplot2)
df<-read.csv("../Desktop/data_analysis_practice/basketball_data_visualization-master/baseball_data.csv",header=T)
dim(df)
colnames(df)

球员身高分布(直方图)

ggplot(df,aes(x=height))+geom_histogram(binwidth = 0.5,fill="darkgreen")+theme_bw()

从上图可以看出球员身高符合正态分布，球员身高主要集中于70~75之间，单位是inches

箱线图（这幅图想要表达的含义不太明白）

ggplot(df,aes(x=handedness,y=HR))+geom_boxplot(fill=c("red","darkgreen","blue"))+theme_bw()

身高和击球率之间的关系

ggplot(data=df,aes(x=height,y=avg))+
 geom_jitter(aes(color=handedness),alpha=0.7,size=1.5)+
 scale_x_continuous(breaks = seq(65,80,1))+
 scale_color_brewer(palette = "Set1")+
 stat_summary(fun.y = "mean",
              geom = "line",
              color = "orange2",
              size = 1.2)+ theme_bw()

由上图可以看出：随着身高的增加，击球率呈现下降的趋势（the mean of batting average decreases over height ）

小遗憾

原文中最漂亮的应该是下面这幅图，但是没有找到相应的代码

参考文章

• https://blog.csdn.net/tanzuozhev/article/details/51106291
• http://www.cnblogs.com/wwxbi/p/6142410.html