一行R代码实现数据分析可视化

2015-12-13 12:00| 发布者: Fuller| 查看: 5255| 评论: 1|原作者: 唐源|来自: 大数据文摘

摘要: 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 ...

本文摘自:大数据文摘

作者简介:
       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。

1  library(devtools)
2  install_github('sinhrks/ggfortify')
3  library(ggfortify)

       接下来我将简单介绍一下怎么用 ggplot2 和 ggfortify 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。

1,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::prcomp 和 stats::princomp 对象使用 ggplot2::autoplot。

1  library(ggfortify)
2  df <- iris[c(1, 2, 3, 4)]
3  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。

4  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。

5  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。

6  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。

7  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。

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


2,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。

1  d.factanal <- factanal(state.x77, factors = 3, scores = 'regression')
2  autoplot(d.factanal, data = state.x77, colour = 'Income')

3  autoplot(d.factanal, label = TRUE, label.size = 3,loadings = TRUE, loadings.label = TRUE, loadings.label.size  = 3)


3,K-均值聚类

1  autoplot(kmeans(USArrests, 3), data = USArrests)


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


4,其他聚类
       ggfortify 也支持 cluster::clara, cluster::fanny, cluster::pam。

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

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

3  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 的 type 关键词。

4  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。

5,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。

1  library(lfda)
2  # Fisher局部判别分析 (LFDA)
3  model <- lfda(iris[-5], iris[, 5], 4, metric="plain")
4  autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species')

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

       注意 对 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。

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


6,时间序列的可视化
用 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。

6.1,ts对象

1  library(ggfortify)
2  autoplot(AirPassengers)

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

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



6.2,多变量时间序列

4  library(vars)
5  data(Canada)
6  autoplot(Canada)

       使用 facets = FALSE 可以把所有变量画在一条轴上。

7  autoplot(Canada, facets = FALSE)

6.3,其他时间序列
       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:

8  library(xts)
9  autoplot(as.xts(AirPassengers), ts.colour = 'green')

10  library(timeSeries)
11  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 line, bar 和 point。

12  autoplot(AirPassengers, ts.geom = 'bar', fill = 'blue')

13  autoplot(AirPassengers, ts.geom = 'point', shape = 3)

6.4,forecast包

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

       有很多设置可供调整:

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


6.5,vars包

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

6.6,changepoint包

24  library(changepoint)
25  autoplot(cpt.meanvar(AirPassengers))

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



6.7,strucchange包

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

6.8,dlm包

29  library(dlm)
30  form <- function(theta){
31      dlmModPoly(order = 1, dV = exp(theta[1]), dW = exp(theta[2]))
32  }
33
34  model <- form(dlmMLE(Nile, parm = c(1, 1), form)$par)
35  filtered <- dlmFilter(Nile, model)
36
37  autoplot(filtered)

38  autoplot(filtered, ts.linetype = 'dashed', fitted.colour = 'blue')

39  smoothed <- dlmSmooth(filtered)
40  autoplot(smoothed)

41  p <- autoplot(filtered)
42  autoplot(smoothed, ts.colour = 'blue', p = p)


6.9,KFAS包

43  library(KFAS)
44  model <- SSModel(
45      Nile ~ SSMtrend(degree=1, Q=matrix(NA)), H=matrix(NA)
46  )
47 
48  fit <- fitSSM(model=model, inits=c(log(var(Nile)),log(var(Nile))), method="BFGS")
49  smoothed <- KFS(fit$model)
50  autoplot(smoothed)

       使用 smoothing='none' 可以画出过滤后的结果。

51  filtered <- KFS(fit$model, filtering="mean", smoothing='none')
52  autoplot(filtered)

53  trend <- signal(smoothed, states="trend")
54  p <- autoplot(filtered)
55  autoplot(trend, ts.colour = 'blue', p = p)


6.10,stats包

       可支持的stats包里的对象有:
  • stl, decomposed.ts
  • acf, pacf, ccf
  • spec.ar, spec.pgram
  • cpgram

56  autoplot(stl(AirPassengers, s.window = 'periodic'), ts.colour = 'blue')

57  autoplot(acf(AirPassengers, plot = FALSE))


58  autoplot(acf(AirPassengers, plot = FALSE), conf.int.fill = '#0000FF', conf.int.value = 0.8, conf.int.type = 'ma')



59  ggcpgram(arima.sim(list(ar = c(0.7, -0.5)), n = 50))

60  library(forecast)
61  ggtsdiag(auto.arima(AirPassengers))

62  gglagplot(AirPassengers, lags = 4)


       更多关于时间序列的例子,请参考 Rpubs 上的介绍。

摘自:大数据文摘

1

鲜花

握手

雷人

路过

鸡蛋

刚表态过的朋友 (1 人)

发表评论

最新评论

评论 Fuller 2015-12-16 12:08
有朋友说,这是很新的软件包才有,我没有实验过,R的发展好快

查看全部评论(1)

GMT+8, 2024-3-29 06:05