探索性数据分析-对分布进行可视化表示

对分布进行可视化表示

1 想要检查分类变量的分布，可以使用条形图，条形的高度表示每个x值中观测的数量（分类变量通常保存为因子或字符向量）

ggplot(data=diamonds)+
  geom_bar(mapping=aes(x=cut))

屏幕快照 2020-06-03 下午4.38.19.png

2 想要检查连续变量的分布，可以使用直方图

ggplot(data=diamonds)+
  geom_histogram(mapping=aes(x=carat),binwidth=0.5)

屏幕快照 2020-06-03 下午4.42.19.png

直方图对x轴进行等宽分箱，然后使用条形的高度来表示落入每个分箱的观测的数量，binwidth参数设定直方图中的间隔宽度（用x轴变量的单位来度量）

下面只考虑重量小于3克拉的钻石，并选择一个更小的分箱宽度

smaller=diamonds %>% 
  filter(carat<3)
ggplot(smaller,mapping=aes(x=carat))+
  geom_histogram(binwidth=0.1)

3 geo_freqplot()使用折线，可以叠加图形，执行与geom_histogram()同样的计算过程

ggplot(smaller,mapping=aes(x=carat,color=cut))+
  geom_freqpoly(binwidth=0.1)

屏幕快照 2020-06-03 下午4.50.03.png

4.用缺失值来代替异常值，最简单的做法就是使用mutate()函数创建一个新的变量来代替原来的变量，使用ifelse()函数将异常值替换为NA

diamonds2=diamonds %>% 
  mutate(y=ifelse(y<3|y>20,NA,y))
ggplot(diamonds2)+
  geom_point(mapping=aes(x=x,y=y))
#ggplot2绘图时会忽略缺失值，但会提出警告

屏幕快照 2020-06-03 下午6.04.44.png