【R语言】5种探索数据分布的可视化技术

01 数据分布图简介

中医上讲看病四诊法为：望闻问切。而数据分析师分析数据的过程也有点相似，我们需要望：看看数据长什么样;闻：仔细分析数据是否合理;问：针对前两步工作搜集到的问题与业务方交流;切：结合业务方反馈的结果和项目需求进行数据分析。

"望"的方法可以认为就是制作数据可视化图表的过程，而数据分布图无疑是非常能反映数据特征(用户症状)的。R语言提供了多种图表对数据分布进行描述，本文接下来将逐一讲解。

02 绘制基本直方图

本例选用如下测试集：

直方图的横轴为绑定变量区间分隔的取值范围，纵轴则表示变量在不同变量区间上的频数。绘制时只需将基函数的美学特征集中配置好需要分析的变量，然后创建新的直方图图层即可。R语言示例代码如下：

运行结果：

03 基于分组的直方图

本例选用如下测试集：

直方图的分组图和本系列前面一些博文中讲的一些分组图不同，它不能进行水平方向的堆积 - 这样看不出频数变化趋势;也不能进行垂直方向的堆积 - 这样同样看不出趋势。这里采用一种新的堆积方法：重叠堆积，R语言实现代码如下：

运行结果：

也可以采用分面的方法，R语言实现代码如下：

运行结果：

04 绘制密度曲线

本例选用如下测试集：

密度曲线表达的意思和直方图很相似，因此密度曲线的绘制方法和直方图也几乎是相同的。区别仅在于密度曲线的横轴要绑定到连续型变量，另外绘制函数的名字不同。R语言示例代码如下：

运行结果：

05 绘制基本箱线图

本例选用如下测试集：

箱线图是一种常用数据分布图，下图表示了这种图中各元素的意义：

绘制方法是在基函数中将变量分组绑定到横轴，变量本身绑定到纵轴。此外，为了美观也可以将分组绑定到fill变量并设置调色板。R语言示例代码如下：

运行结果：

06 往箱线图添加槽口和均值

在上一节绘制的基本箱线图之上，还能进一步绘制以展示更多信息。其中最常见的是为箱子添加槽口，它能更清晰的表示中位数的位置。R语言实现代码如下：

运行结果：

通过stat_summary()函数，还可以在箱线图中标记均值点。R语言实现代码如下：

运行结果：

07 绘制2D等高线

本例选用如下测试集：

绘制2D等高线主要是调用stat_density()函数。这个函数会给出一个基于数据的二维核密度估计，然后我们可基于这个估计值来判断各样本点的"等高"性。接下来首先给出各数据点及等高线的绘制方法，R语言实现代码如下：

运行结果：

也可以通过设置密度函数美学特征集中的colour参数来给不同密度的等高线着色，R语言实现代码如下：

运行结果：

8.绘制2D密度图

本例选用如下测试集：

等高线图也是密度图的一种，因此绘制密度图和等高线图用的是同一个函数：stat_density()，只是它们传入的参数不同。首先绘制经典栅格密度图，R语言实现代码如下：

运行结果：

也可以将密度变量映射到透明度来渲染，R语言实现代码如下：

运行结果：