1. 全栈程序员必看首页

数据可视化编程实战_大数据可视化

全栈程序员-用户IM • • 未分类

数据可视化编程实战_大数据可视化以R可视化为桥梁经常有对比R，Python和Julia之间的讨论，似乎R语言在这三者之中是最为逊色的，实则不可一概而论。R语言在常规数据分析的场景下，如数据读入，预处理，整理，以及单机可视化方面表现出的优势，无论从用户体验，还是代码流畅度，令另两种语言略逊一筹。本文将从统计学中最基本的密度曲线的绘制，来串讲一下题目中所涉及的R语言可视化中三个强大的可视化包的用法，以及之间的联系。以此为基础，进阶高段，可以自然过渡到Python，Julia等语言的可视化实践活动中。首先引入本次实践使用的数

大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全家桶1年46，售后保障稳定

以R可视化为桥梁

经常有对比R，Python和Julia之间的讨论，似乎R语言在这三者之中是最为逊色的，实则不可一概而论。

R语言在常规数据分析的场景下，如数据读入，预处理，整理，以及单机可视化方面表现出的优势，无论从用户体验，还是代码流畅度，令另两种语言略逊一筹。

本文将从统计学中最基本的密度曲线的绘制，来串讲一下题目中所涉及的R语言可视化中三个强大的可视化包的用法，以及之间的联系。

以此为基础，进阶高段，可以自然过渡到Python，Julia等语言的可视化实践活动中。

首先引入本次实践使用的数据集SENIC，该数据集描述了在不同的美国医院测量的结果。具体说明如下：

 

数据可视化编程实战_大数据可视化

大家参考一下即可，本文着重具体操作。

 

数据集可在这里下载：

http://stu-docx.hismartlab.club/public/data/SENIC.txt

Jetbrains全家桶1年46，售后保障稳定

本文的代码部分，用Rmarkdown来实现，我们一起来做。

 

1 准备可能用到的包

```{r setup, include=FALSE}knitr::opts_chunk$set(echo=TRUE)library(tidyverse)library(plotly)library(shiny)library(griidExtra)library(DT)```

这里介绍一下tidyverse，这个包是Rstudio开发的数据分析功能包的合集，已经成为一种生态体系，本文需要用到ggplot2就在其中，每次载入tidyverse，相关的包会显示出来，

 

如下图所示，足见其完备，其中dplyr也是一个非常实用的数据处理的包，在本文中也会有所使用。

数据可视化编程实战_大数据可视化

 

plotly和shiny也是本文的重点，自然要载入。

 

其他显示在图，并未于此提及的包会在后续步骤中用到时再做介绍。

 

2 读取数据，简单展示

2.1  根据数据集描述整理变量标签

variable_labels <- c("ID", "Length of Stay", "Age", "Infection Risk","Routine Culturing Ratio", "Routine Chest X-ray Ratio", "Number of Beds", "Medical School Affiliation", "Region","Average Daily Census", "Number of Nurses", "Available Facilities & Services"

2.2  读取数据

senic <- read.table("senic.txt")

 

2.3  根据数据集描述更改列名

colnames(senic) <- c("ID", paste("X", seq(1:11), sep = ""))

 

这里改列名的时候，用的是X1-X12, 因为变量全名过长，仅用作标签。

 

2.4 对读入数据进行简单展示

senic %>% DT::datatable(colnames = variable_labels, options = list(pageLength = 5))

这里面的 %>%是tidyverse的工作流（pipeline）符号，用于衔接目的相近或功能相似的代码块。展示的用的是DT，专门用于显示表格数据，如下图所示：

 

数据可视化编程实战_大数据可视化

 

3 创建离群值函数

目的在于返回一些离群值，用在后续的可视化内容中。这里对函数的规定如下：

  • 1 分位数函数quantile()计算第一和第三个四分位数Q1和Q3。

  • 2 返回离群值的索引，即x值大于的观测值的Q3+1.5(Q3-Q1)，或小于Q1-1.5(Q3-Q1)

这里也可以熟悉一下R语言函数的创建方法，如下：

get_outliers <- function(X){  q <- quantile(X, c(0.25, 0.75))  quant_diff <- 1.5 * (q[2] - q[1])   indx <- which(X < q[1] - quant_diff | X > q[2] + quant_diff)    return(indx)  

从上述代码中，希望大家好好理解which的用法。

函数创建完成，测试一下，

如下所示：

```{r echo=FALSE}
get_outliiers<-function(x){
  
  q<-quantile(X, c(0.25, 0.75))quantdiff<-1.5*(q[2]-q[1])indx<-which(X<q[q]-quant_diff|X>q[2]+quant_diiff)return(indx)}get_outliiers(senic$X1) ```

[1]  47 104 112

 

4 绘制单一变量的密度曲线

 

这里还有一个额外要求，就是把该变量的离群值也要表现出来。

终于，可以引出第一个可视化包ggplot2了，这个包在统计学界名气很大，功能也极为成熟，是R语言可视化中不可回避的内容。

在这里，这个变量选取X3,对应变量标签中的Infection Risk

代码如下：

infection_ggplot <- ggplot(senic, aes(X3)) + stat_density(geom = "line") + geom_point(data = senic[get_outliers(senic$X3), ], aes(y = 0), shape = 5) +  xlab("Infection risk") + ylab("Density") + theme_minimal() +  theme(panel.grid = element_blank())
infection_ggplot

可见，

第1行中，进行 数据集和变量的确认；

第2行，利用stat_density绘制密度曲线，

第3,4行，利用geom_point将离群值添加，并设置了点的形状；

第5行，为x，y轴添加名称；

第6行，设置极简的主题；

最后一行，显示该图，

如下所示：

 

数据可视化编程实战_大数据可视化

 

5 绘制多变量的密度曲线

 

这里的图形内容要求同上，但要求所有图排列一起。

 

可以这样想，在上一题中，实现了一个变量的图，而批量出图应该用循环语句就可以解决，而把所有的图排列的一起，

 

R语言中也有相应包（gridExtra）可以完成。

 

  •  
ggcol <- function(col){  outlier_data <- senic %>% slice(get_outliers(senic[, col]))  x_label_col <- variable_labels[which(colnames(senic) == col)]  p <- ggplot(senic, aes_string(col)) + stat_density(geom = "line") +     ylab("Density") + xlab(x_label_col)  if(nrow(outlier_data) != 0){    p <- p + geom_point(data = outlier_data, aes_string(y = 0), shape = 5)  }  return(p)}list_of_plots <- lapply(colnames(senic), ggcol)grid.arrange(arrangeGrob(grobs = list_of_plots))

 

 

在如上代码实现中，对于上一段的思路又作了进一步的优化。

第1-10行，创建绘图函数参数是列名；

第2行，获取该列的离群值；

第3行，为后续作图时的x轴名称赋值；

第4-5行，绘制密度曲线图，请注意string_aes是专门用于批量出图的功能；

第6-8行，用判断语句对没有离群值的列进行处理；

第12行，利用lapply函数进行向量化计算，相当于一个手写循环，只不过效率更高，代码也更优雅，得到是所有变量图像对象的列表；

最后一行，利用图像排版函数讲多图列出

 

出图如下：

数据可视化编程实战_大数据可视化

 

做到这里，是否已经对ggplot2和R语言可视化功能有些认识了？

 

实际上，就本题而言，还有其他方法，比如string_aes是可以不用的，这一点读者朋友可以再多想想。

 

6 观察相关性​​​​​​​

ggplot(senic, aes(X10, X3, color = X6)) + geom_point() +  xlab("Number of nurses") + ylab("Infection risk") +  theme_minimal() + theme(panel.grid = element_blank()) + labs(color = "Number of beds")

数据可视化编程实战_大数据可视化

 

7 plotly来了

 

一般而言，ggplot2属于学院派，安静而严密，而plotly对比而言，表现出明显的动态特征，使可视化感染力倍增。

 

7.1 与ggplot2的衔接

 

ggplotly函数可将ggplot2的图转化为plotly

 

  •  
ggplotly(infection_ggplot, message=FALSE)

 

 

数据可视化编程实战_大数据可视化

7.2 直方图与离群值

 

我们做个直方图再把离群值附上。​​​​​​​

senic %>%   select(X3) %>%   plot_ly(x=~X3) %>%     add_fun(function(plot_ly){
  
      plot_ly %>%       slice(get_outliers(X3)) %>%       add_markers(x = ~X3, y = 0, symbol = ~1, symbols = "diamond",                  name = "outlier")  }) %>%   add_histogram(nbinsx = 30, showlegend=FALSE) %>%   layout(    xaxis = list(title = "Infection Risk"),    yaxis = list(title = "Count")  )

可见，

第1-3行中，选定基本数据；

第4-9行，增加了一个嵌套函数，点出离群值，希望大家对这段代码好好思考一下；

第10行，绘制直方图。

建议出图之后，大家好好把玩一下plotly的图像。

 

数据可视化编程实战_大数据可视化

 

8 利用shiny生成 交互式可视化

 

shiny是R生态系统中一个准企业级的交互式可视化工具，在用户界面体验方面有极佳的表现。

 

在这里我们把上边第五题的内容，用shiny展示一下：用选择框来动态选择出图。最后你会发现，一点都不难。​​​​​​​

ui <- fluidPage( checkboxGroupInput(inputId = "variables", label = "Select variables to plot", choiceNames = variable_labels[-c(1, 8, 9)], choiceValues = colnames(senic)[-c(1, 8, 9)], inline = TRUE), sliderInput(inputId = "bw", label = "Select bandwidth", min = 0.1, max = 10, value = 1), plotOutput("plt"))
server <- function(input, output) {

output$plt <- renderPlot({
 validate( need( input$variables, "Select at least one variable." ) ) ggcol <- function(col){
 outlier_data <- senic %>% slice(get_outliers(senic[, col])) x_label_col <- variable_labels[which(colnames(senic) == col)] p <- ggplot(senic, aes_string(col)) + stat_density(geom = "line", bw = input$bw) + ylab("Density") + xlab(x_label_col) if(nrow(outlier_data) != 0){
 p <- p + geom_point(data = outlier_data, aes_string(y = 0), shape = 5) } return(p) }
list_of_plots <- lapply(colnames(senic)[-c(1, 8, 9)], ggcol) names(list_of_plots) <- colnames(senic)[-c(1, 8, 9)] grid.arrange(arrangeGrob(grobs = list_of_plots[input$variables])) })}
shinyApp(ui, server)

 

可见，

第1-9行中，设定用户界面以及输入数据样式；

第11-37行，设置输出样式，读入输入值，整理之前的功能代码，调用。

 

效果如下。

 

数据可视化编程实战_大数据可视化

 

大家应该有如此的感觉了吧，按照本文，一步一步下来，到最后看似复杂的交互式应用时，写起代码来已经成顺水推舟之势。

更多内容请关注公众号或小程序海数据在线

我们有大量免费的精品在线实验课、

视频课、直播课、公开课

还有为你量身打造的学习路线

快来加入我们吧！

数据可视化编程实战_大数据可视化

欢迎关注，海数据在线

添加微信”xiaohaima360“，邀你进学习交流群

有机会获得技术大咖的指导

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。

发布者：全栈程序员-用户IM，转载请注明出处：https://javaforall.cn/222942.html原文链接：https://javaforall.cn

【正版授权，激活自己账号】： Jetbrains全家桶Ide使用，1年售后保障，每天仅需1毛

【官方授权 正版激活】： 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

赞 (0)
全栈程序员-用户IM全栈程序员-用户IM
0 0


相关推荐

  • tidb数据库隔离级别剖析

    tidb数据库隔离级别剖析

    tidb数据库隔离级别剖析本文章来源于：https://github.com/Zeb-D/my-review，请star强力支持，你的支持，就是我的动力。[TOC]前言在线应用业务中，数据库是一个非常重要的组成部分，特别是现在的微服务架构为了获得水平扩展能力，我们倾向于将状态都存储在数据库中，这要求数据库能够正确、高性能处理请求，但这是一个几乎不可能达到的要求，所以数据库的设计者们定义了隔离级别这一个概念，在高…

    全栈程序员-用户IM 全栈程序员-用户IM
    2022年5月25日
  • Mysql慢查询_mysql并发查询慢

    Mysql慢查询_mysql并发查询慢

    Mysql慢查询_mysql并发查询慢慢查询日志概念MySQL的慢查询日志是MySQL提供的一种日志记录，它用来记录在MySQL中响应时间超过阀值的语句，具体指运行时间超过long_query_time值的SQL，则会被记录到慢查询日志中。long_query_time的默认值为10，意思是运行10S以上的语句。默认情况下，Mysql数据库并不启动慢查询日志，需要我们手动来设置这个参数，当然，如果不是调优需要的话，一般不建议启动该参数…

    全栈程序员-用户IM 全栈程序员-用户IM
    2022年10月9日
  • 经典游戏—贪吃蛇从C++代码实现[通俗易懂]

    经典游戏—贪吃蛇从C++代码实现[通俗易懂]

    经典游戏—贪吃蛇从C++代码实现[通俗易懂]小时候都玩过贪吃蛇这个经典的小游戏，在我们的普通手机里似乎都是必备的。它伴随着我们的童年，经历了好多好多时光。它带给我们了许多的乐趣。学习了c++这门编程语言后，我就想着能不能把它做出来，在我查看了相关知识后，明白了其中的道理，就尝试着自己写出这个小游戏来，而且加入了许多可玩性的东西，包括等级选择，暂停/继续和分数制。整个程序采用了类和数组的相关知识实现。//=====================================

    全栈程序员-用户IM 全栈程序员-用户IM
    2022年5月9日
  • SVPWM分析、各个扇区详细计算以及Matlab仿真「建议收藏」

    SVPWM分析、各个扇区详细计算以及Matlab仿真「建议收藏」

    SVPWM分析、各个扇区详细计算以及Matlab仿真「建议收藏」SVPWM分析以及各个扇区详细计算以及Matlab仿真说明目的两电平逆变器拓扑空间矢量扇区判断扇区内如何发波？矢量作用时间计算矢量切换时间的计算Simulink仿真/基于Matlab-R2014a版本说明第一次发文章，不太会用Markdown，word编辑的公式复制过来有些是乱码，因此都贴图了。另外，本文公式和图片比较多，编辑工作量比较大，比较辛苦，转载的话，请注明出处，谢谢。目的由于在…

    全栈程序员-用户IM 全栈程序员-用户IM
    2022年6月4日
  • 文章3说话 微信商城云server创建后台

    文章3说话 微信商城云server创建后台

    文章3说话 微信商城云server创建后台

    全栈程序员-用户IM 全栈程序员-用户IM
    2022年1月1日
  • 如何查看jdk版本号_jdk与tomcat版本

    如何查看jdk版本号_jdk与tomcat版本

    如何查看jdk版本号_jdk与tomcat版本背景：最近有一个springboot项目要发布到很老的一台服务器上，该台服务器是XP200232位系统，并且springboot微服务需要连接服务器上的accessdb，因此需要有对应的jdk，看了看网上的查看JDK版本很多都不靠谱(中文技术网站都是相互抄袭)，特地总结了一下：方法1：最基本的，下载jdk的时候应该知道自己下的什么版本，在安装jdk的时候就在安装目录里写清楚版本号以便将…

    全栈程序员-用户IM 全栈程序员-用户IM
    2022年9月23日

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号