【R语言】实验三 数据可视化

系列文章目录

实验一 R 语言数据结构、数据导入与数据处理

实验二 基本数据处理

实验三 数据可视化

实验四 数据分析

实验五 综合应用

---

实验数据

实验数据下载

1. death rate 数据集
选取人类死亡率数据库（HMD，2007），提供了 1951-2005 年瑞典人口信息。这是个多变量的数据集，变量描述如下表：

Year	年份	Age	年龄
Female_Exp	女性生存人口数	Male_Exp	男性生存人口数
q_female	女性死亡率	q_male	男性死亡率
Female_death	女性死亡人数	Male_death	男性死亡人数
L_female_exp	对数女性生存人口数	L_male_exp	对数男性生存人口数

2. House-handle 数据集
选取堪培拉房价交易指数数据，仅通过该数据进行一些可视化分析，数据显示如下表：

date	日期	index	房价指数（HPI）
year	年	month	月

---

提示：以下是本篇文章正文内容

一、实验目的

1. 条形图、饼图、直方图、核密度图、箱线图和点图。
2. 散点图、气泡图、折线图、相关图、马赛克图。

---

二、实验内容

题目1

1. 通过读取文件 death rate.csv 获取数据保存到 df 中，简单分析数据，获取共有数据多少条，是否有缺失值或是异常值,若存在这样的数据，将这些数据剔除;对于死亡率来说，它的值域是 0
2. 绘制散点图，分别展示年龄、年份与男性的死亡率（对数即取 log）的关系。
3. 绘制年龄与对数生存人数的散点图，分析这 2 个量的关系。
4. 绘制直方图来观察一下男性死亡人数的分布。
5. 绘制男性的对数死亡人数即（Male_death 的对数）的直方图，来观察男性的对数死亡人口数的分布情况。
6. 计算 df 的各变量的相关系数，并画出相关图。

题目2

1. 通过读取文件 House-handle.csv 获取数据保存到 houseIndex 中。
2. 数据探索，绘制一张图表来展示 1990 到 2011 年的 HPI 的变化情况，横轴是时间（可以是数据的第一列），纵轴是 HPI 值。
3. 绘制一张图，展示每个月的 HPI 的增长量，表示为 delta,在 0 的位置添加参考线。
4. 为了进一步了解 HPI 的波动，计算其每个月的增长率。绘图时，增长率为正数的月份由加号（“+”）表示，为负的用（“o”）表示。
5. 对 HPI 增长率建立表格，其中每一行代表一个月份，每一列代表一个年份，显示前四年的数据（HPI 增长率舍入到小数点后 4 位）；并绘制一个 HPI 的平均年增长率和 HPI 的平均月增长率（全部年份的年增长率（列平均）和月增长率（行平均））。
6. 绘制一个箱线图，来查看 HPI 的增长率的分布情况。

---

三、实现过程与实验结果

题目1

1.通过读取文件 death rate.csv 获取数据保存到 df 中，简单分析数据，获取共有数据多少条，是否有缺失值或是异常值，若存在这样的数据，将这些数据剔除；对于死亡率来说，它的值域是 0

# 读取数据保存到df中
df <-
  read.csv("R\\data\\ex3\\death rate.csv")

# 数据行数
dim(df)[1]
## [1] 6105

# 缺失值行数
sum(rowSums(is.na(df)) > 0)
## [1] 240

# 剔除缺失行
df <- na.omit(df)

# 数据行数
nrow(df)
## [1] 5865

# 死亡率异常行数
nrow(df) - nrow(df[df$q_male > 0 & df$q_male <= 1,])
## [1] 133

# 剔除异常值行
df <- df[df$q_male > 0 & df$q_male <= 1,]

# 数据行数
length(df[, 1])
## [1] 5732

2.绘制散点图，分别展示年龄、年份与男性的死亡率（对数即取 log）的关系。

# 年龄与男性的死亡率散点图
# plot
plot(df$Age, log(df$q_male))

# qplot
qplot(
   x = Age,
   y = log(q_male),
   data = df,
   geom = "point"
 )

# ggplot2
library(ggplot2)
p <- ggplot(data = df, mapping = aes(x = Age, y = log(q_male)))
p + geom_point()

# 年份与男性的死亡率散点图
# plot
plot(df$Year, log(df$q_male))

# qplot
 qplot(
   x = Year,
   y = log(q_male),
   data = df,
   geom = "point"
)

# ggplot2
p <- ggplot(data = df, mapping = aes(x = Year, y = log(q_male)))
p + geom_point()

3.绘制年龄与对数生存人数的散点图，分析这 2 个量的关系。

# 年龄与对数生存人数的散点图
# plot
plot(df$Age, df$L_female_exp + df$L_male_exp)

# qplot
qplot(
   x = Age,
   y = L_female_exp + L_male_exp,
   data = df,
   geom = "point"
)

# ggplot2
p <-
  ggplot(data = df, mapping = aes(x = Age, y = L_female_exp + L_male_exp))
p + geom_point()

4.绘制直方图来观察一下男性死亡人数的分布。

# 男性死亡人数的分布直方图
hist(df$Male_death, breaks = 100)

# qplot
qplot(Male_death,
      data = df,
      geom = "histogram",
      bins = 30)

# ggplot2
p1 <- ggplot(df, aes(x = Male_death))
p1 + geom_histogram(bins = 30)

5.绘制男性的对数死亡人数即（Male_death 的对数）的直方图，来观察男性的对数死亡人口数的分布情况。

# 男性的对数死亡人数的分布直方图
hist(log(df$Male_death))

# qplot
qplot(log(Male_death),
      data = df,
      geom = "histogram",
      bins = 30)

# ggplot2
p1 <- ggplot(df, aes(x = log(Male_death)))
p1 + geom_histogram(bins = 30)

6.计算 df 的各变量的相关系数，并画出相关图。

library(corrgram)
# 相关系数
corr <- round(cor(df), 1)
corr

# 相关图
corrgram(
  df,
  order = TRUE,
  lower.panel = panel.shade,
  upper.panel = panel.pie,
  text.panel = panel.txt,
  main = "Corrgram of df intercorrelations"
)

# install.packages("GGally")
library(GGally)
ggcorr(
  df,
  nbreaks = 5,
  palette = "RdGy",
  label = TRUE,
  label_color = "white",
  hjust = 0.75,
  color = "grey50"
)

# install.packages("ggcorrplot")
library(ggcorrplot)
# 计算p值
p.mat <- cor_pmat(df)
# 重排矩阵，使用分等级聚类
ggcorrplot(corr,
           hc.order = TRUE,
           type = "lower",
           p.mat = p.mat)

题目2

1.通过读取文件 House-handle.csv 获取数据保存到 houseIndex 中。

houseIndex <-
  read.csv("R\\data\\ex3\\House-handle.csv")

2.数据探索，绘制一张图表来展示 1990 到 2011 年的 HPI 的变化情况，横轴是时间（可以是数据的第一列），纵轴是 HPI 值。

# 将字符串转换成时间戳的时候，即使格式正确，也会出现将字符串转换成NA的情况，因为Rstudio的默认编码问题导致的，通过下述方法改变编码格式
Sys.setlocale("LC_TIME", "English")
## [1] "English_United States.1252"

# 查看date的格式
head(houseIndex$date)
## [1] "28-Feb-90" "31-Mar-90" "30-Apr-90" "31-May-90" "30-Jun-90" "31-Jul-90"

# data数据类型
class(houseIndex$date)
## [1] "character"

# date转换格式
houseIndex$date <- as.Date(houseIndex$date, "%d-%b-%y")

# 查看date的格式
head(houseIndex$date)
## [1] "1990-02-28" "1990-03-31" "1990-04-30" "1990-05-31" "1990-06-30"
## [6] "1990-07-31"

# 绘图
# plot
plot(houseIndex$date,
     houseIndex$index,
     type = "l",
     main = "HIP(Canberra) 1990-2011")

# qplot
qplot(
  x = date,
  y = index,
  data = houseIndex,
  geom = "line"
)

# ggplot2
ggplot(data = houseIndex, mapping = aes(x = date, y = index)) + geom_line()

3.绘制一张图，展示每个月的 HPI 的增长量，表示为 delta，在 0 的位置添加参考线。（增长量用下一条减上一条来计算；第一条的上一条的 HPI 值可以认为是 1）。

# 上个月
houseIndex$rate <- which(houseIndex$index == houseIndex$index) - 1
# 第一个月
houseIndex$rate[1] <- 1
# 增长量 = 这个月的HPI-上个月的HPI
houseIndex$growth <-
  houseIndex$index - houseIndex$index[houseIndex$rate]
# 第一个月的增长量 = 这个月的HPI - 1
houseIndex$growth[1] <- houseIndex$index[1] - 1

# 绘图
# plot
plot(
  houseIndex$date,
  houseIndex$growth,
  type = "p",
  main = "Increase in HPI",
  xlab = "time",
  ylab = "growth"
)
abline(h = 0, lty = 3)

# qplot
qplot(x = date,
      y = growth,
      data = houseIndex,
      geom = "point")

# ggplot2
ggplot(data = houseIndex, mapping = aes(x = date, y = growth)) + geom_point() + geom_hline(aes(yintercept = 0), linetype = "dashed")

4.为了进一步了解 HPI 的波动，计算其每个月的增长率。绘图时，增长率为正数的月份由加号（“+”）表示，为负的用（“o”）表示。

# 增长率 = (这个月的HPI-上个月的HPI) / 上个月的HPI
houseIndex$percentage <- houseIndex$growth / houseIndex$index[houseIndex$rate]
# 第一个月的增长率 = (这个月的HPI - 1) / 1
houseIndex$percentage[1] <- houseIndex$growth[1] / 1

# 绘图
# plot
plot(
  houseIndex$date,
  houseIndex$percentage,
  type = "n",
  main = "Increase in HPI",
  xlab = "time",
  ylab = "growth rate"
)
abline(h = 0, lty = 3)
# 增长率为正数
points(houseIndex$date[houseIndex$percentage >= 0], houseIndex$percentage[houseIndex$percentage >= 0], pch = 3)
# 增长率为负数
points(houseIndex$date[houseIndex$percentage < 0], houseIndex$percentage[houseIndex$percentage < 0], pch = 1)

# plot
houseIndex$size[houseIndex$percentage >= 0] <- 3
houseIndex$size[houseIndex$percentage < 0] <- 1
# 绘图
plot(
  houseIndex$date,
  houseIndex$percentage,
  type = "p",
  pch = houseIndex$size,
  main = "Increase in HPI",
  xlab = "time",
  ylab = "growth rate"
)
abline(h = 0, lty = 3)

5.对 HPI 增长率建立表格，其中每一行代表一个月份，每一列代表一个年份，显示前四年的数据（HPI 增长率舍入到小数点后 4 位）；并绘制一个 HPI 的平均年增长率和 HPI 的平均月增长率（全部年份的年增长率（列平均）和月增长率（行平均））。

# HPI增长率表格
table <- xtabs(percentage ~ month + year, data = houseIndex)
round(table[, 1:4], digits = 4)
##      year
## month    1990    1991    1992    1993
##    1   0.0000  0.0134 -0.0007  0.0172
##    2   0.0147  0.0219  0.0164 -0.0057
##    3   0.0076 -0.0043 -0.0050  0.0023
##    4   0.0080  0.0174  0.0180 -0.0007
##    5   0.0082 -0.0041  0.0151 -0.0069
##    6   0.0079  0.0176 -0.0057 -0.0051
##    7   0.0052 -0.0025  0.0178 -0.0008
##    8   0.0053  0.0179 -0.0034  0.0023
##    9   0.0053  0.0013  0.0180  0.0010
##    10  0.0055  0.0186  0.0046 -0.0001
##    11  0.0058  0.0091  0.0055  0.0004
##    12  0.0061  0.0081  0.0021  0.0136

# HPI平均年增长率
yearmean <- colMeans(table)
barplot(yearmean,
        main = "HPI的平均年增长率",
        xlab = "年",
        ylab = "平均年增长率")

# HPI平均月增长率
mouthmean <- rowMeans(table)
plot(
  1:12,
  mouthmean,
  type = "b",
  main = "HPI的平均月增长率",
  xlab = "月",
  ylab = "平均月增长率"
) 

6.绘制一个箱线图，来查看 HPI 的增长率的分布情况。

boxplot(table,ylab="HPI Increase Rate")

---

四、总结

以上就是全部内容。