【应用多元统计分析】--多元数据的直观表示(R语言作图)

例1.2 为了研究全国31个省、市、自治区2018年城镇居民生活消费的分布规律,根据调查资料做区域消费类型划分。

指标:

食品x1:人均食品支出(元/人)

衣着x2:人均衣着商品支出(元/人)

居住x3:人均居住支出(元/人)

生活x4:人均家庭设备用品及服务支出(元/人)

交通x5:人均交通和通讯支出(元/人)

教育x6:人均娱乐教育文化服务支出(元/人)

医疗x7:人均医疗保健支出(元/人)

其他x8:人均杂项商品和服务支出(元/人)

|-----|---------|--------|---------|--------|--------|--------|--------|--------|
| 地区 | x1 | x2 | x3 | x4 | x5 | x6 | x7 | x8 |
| 北京 | 8064.9 | 2175.5 | 14110.3 | 2371.9 | 4767.4 | 3999.4 | 3274.5 | 1078.6 |
| 天津 | 8647.5 | 1990.0 | 6406.3 | 1818.4 | 4280.9 | 3186.6 | 2676.9 | 896.3 |
| 河北 | 4271.3 | 1257.4 | 4050.4 | 1138.7 | 2355.4 | 1734.5 | 1540.5 | 373.8 |
| 山西 | 3688.2 | 1261.0 | 3228.5 | 855.6 | 1845.2 | 1940.0 | 1635.1 | 356.4 |
| 内蒙古 | 5324.3 | 1751.2 | 3680.0 | 1204.6 | 3074.3 | 2245.4 | 1847.5 | 537.9 |
| 辽宁 | 5727.8 | 1628.1 | 4169.5 | 1259.4 | 2968.2 | 2708.0 | 2257.1 | 680.2 |
| 吉林 | 4417.4 | 1397.0 | 3294.8 | 899.4 | 2479.7 | 2193.4 | 2012.0 | 506.7 |
| 黑龙江 | 4573.2 | 1405.4 | 3176.3 | 866.4 | 2196.6 | 2030.3 | 2235.3 | 490.4 |
| 上海 | 10728.2 | 2036.8 | 14208.5 | 2095.5 | 4881.2 | 5049.4 | 3070.2 | 1281.5 |
| 江苏 | 6529.8 | 1541.0 | 6731.2 | 1493.3 | 3522.8 | 2582.6 | 2016.4 | 590.4 |
| 浙江 | 8198.3 | 1813.5 | 7721.2 | 1652.4 | 4302.0 | 3031.3 | 2059.4 | 692.6 |
| 安徽 | 5414.7 | 1137.4 | 3941.9 | 1041.2 | 2082.1 | 1810.4 | 1224.0 | 392.8 |
| 福建 | 7572.9 | 1212.1 | 6130.0 | 1223.1 | 2923.3 | 2194.0 | 1234.8 | 505.8 |
| 江西 | 4809.0 | 1074.1 | 3795.2 | 1047.7 | 1872.1 | 1813.0 | 1000.0 | 381.0 |
| 山东 | 5030.9 | 1391.8 | 3928.5 | 1394.3 | 2834.3 | 2174.4 | 1627.6 | 398.1 |
| 河南 | 3959.8 | 1172.8 | 3512.0 | 1054.4 | 1838.0 | 1769.1 | 1541.5 | 321.0 |
| 湖北 | 5491.3 | 1316.2 | 4310.6 | 1253.2 | 2584.1 | 2187.5 | 1907.9 | 487.0 |
| 湖南 | 5260.0 | 1215.5 | 3976.1 | 1190.2 | 2322.9 | 2786.2 | 1705.5 | 351.5 |
| 广东 | 8480.8 | 1135.3 | 6643.3 | 1440.8 | 3423.9 | 2750.9 | 1520.8 | 658.2 |
| 广西 | 4545.7 | 616.7 | 3268.5 | 898.2 | 2150.1 | 1798.9 | 1364.6 | 291.9 |
| 海南 | 6552.2 | 655.9 | 3744.0 | 826.6 | 1919.0 | 2185.5 | 1236.1 | 409.2 |
| 重庆 | 6220.8 | 1454.5 | 3498.8 | 1338.9 | 2545.0 | 2087.8 | 1660.0 | 442.8 |
| 四川 | 5937.9 | 1173.8 | 3368.0 | 1182.2 | 2398.8 | 1599.7 | 1568.6 | 434.5 |
| 贵州 | 3792.9 | 934.7 | 2760.7 | 878.1 | 2408.0 | 1660.0 | 1083.5 | 280.1 |
| 云南 | 3983.4 | 789.1 | 3081.1 | 859.9 | 2212.8 | 1772.7 | 1267.7 | 283.2 |
| 西藏 | 4330.5 | 1285.2 | 2102.6 | 622.3 | 1847.7 | 609.3 | 460.1 | 262.6 |
| 陕西 | 4292.5 | 1141.1 | 3388.2 | 1200.8 | 2005.8 | 2008.8 | 1749.4 | 373.2 |
| 甘肃 | 4253.3 | 1111.5 | 3095.0 | 896.9 | 1640.7 | 1710.3 | 1573.9 | 342.4 |
| 青海 | 4671.6 | 1350.6 | 2990.0 | 932.0 | 2671.4 | 1655.6 | 1842.0 | 444.0 |
| 宁夏 | 4234.1 | 1388.2 | 3014.3 | 1067.1 | 2724.4 | 2139.5 | 1727.1 | 420.4 |
| 新疆 | 4691.6 | 1456.0 | 2894.3 | 1082.8 | 2274.4 | 1762.5 | 1592.6 | 434.9 |

数据读入X=read.table('biao1.2.txt',header=T)

R 函数笔记 | read.table()函数 - 简书 (jianshu.com)

file填要打开的文件名,如"data"

options填操作

参数 功能
header 逻辑值,指示表格是否包含文件第一行中的变量名称
sep 分隔数据值的分隔符。默认值为sep =" ",表示一个或多个空格、制表符、换行符或回车符。使用sep =","来读取被逗号","分隔的文件,使用sep ="\t"来读取制表符分隔的文件
row.names 一个可选参数,指定一个或多个变量来表示行标识符
col.names 如果数据文件的第一行不包含变量名(header = FALSE),则可以使用col.names指定包含变量名的字符向量。如果header = FALSE并且省略了col.names选项,则变量将命名为V1,V2,依此类推。
na.strings 指示缺失值代码的可选字符向量。例如,na.strings = c("9","?")转换每个9和?读取数据时的值为NA
colClasses 分配给列的类的可选向量。例如,colClasses = c("numeric","numeric","character","NULL","numeric")将前两列读取为numeric,将第三列读取为character,跳过第四列,并读取 第五列为numeric。 如果数据中有五列以上,则第六列重新从colClasses的第一个numeric开始
quote 用于分隔包含特殊字符的字符串的字符。默认情况下,这是双引号"或单引号'
skip 在开始读取数据之前要跳过的文本文件中的行数。此选项对于跳过文件中的标题注释很有用
stringsAsFactors 逻辑值,指示是否应将字符变量转换为因子。除非被colClasses覆盖,否则默认值为TRUE。处理大型文本文件时,设置stringsAsFactors = FALSE可以加快处理速度
text 指定要处理的文本字符串的字符串
comment.char 关闭注释
X=read.table(file, options)

1.散布矩阵图

散布矩阵图在一张图上给出p个变量相互之间的散点图,由此可以直观看出p个变量两两之间的相关关系

R语言 pairs()用法及代码示例 - 纯净天空 (vimsky.com)

R 复制代码
pairs(X) #画散布矩阵图

R语言中的pairs()函数用于返回一个绘图矩阵,由每个 DataFrame 对应的散点图组成。

复制代码
用法: pairs(data)

从该图可以看出,食品支出与生活用品及服务支出、教育及文化娱乐支出之间存在显著线性相关关系,而教育及文化娱乐支出又与居住支出、其他支出之间存在显著线性相关关系,等等。

2.均值条形图

均值条形图常用来比较各个样本的样本均值的大小,也可以比较各个变量的样本均值的大小。

R语言:使用barplot()绘制柱状图(条形图) - 知乎 (zhihu.com)

R 复制代码
barplot(apply(X,1,mean),las=3)
R 复制代码
barplot(height,              # 柱子的高度
        names.arg = NULL,    # 柱子的名称
        col = NULL,          # 柱子的填充颜色
        border = par("fg"),  # 柱子的轮廓颜色
        main = NULL,         # 柱状图主标题
        xlab = NULL,         # X轴标签
        ylab = NULL,         # Y轴标签
        xlim = NULL,         # X轴取值范围
        ylim = NULL,         # Y轴取值范围
        horiz = FALSE,       # 柱子是否为水平
        legend.text = NULL,  # 图例文本
        beside = FALSE,      # 柱子是否为平行放置
       )

但是这里我们是直接用的apply函数R 数据处理(二十)------ apply - 知乎 (zhihu.com)

apply(X, MARGIN, FUN, ...)
  • X: 数组、矩阵、数据框,数据至少是二维的
  • MARGIN: 按行计算或按列计算,1 表示按行,2 表示按列
  • FUN: 自定义的调用函数
  • ...: FUN 的可选参数
    组合一下,有:

按行做均值条图

barplot(apply(X,1,mean))

按列做均值条图

barplot(apply(X,2,mean))

这里图1就是按行的,图二按列

3.箱线图

箱线图可以比较清晰地展示数据的分布特征。

R语言 boxplo函数用法及箱线图介绍_r gg_boxplot_col()-CSDN博客

R 复制代码
boxplot(X) #按列做垂直箱线图
boxplot(X,horizontal=T)#水平箱线图

boxplot(x, ..., range = 1.5, width = NULL, varwidth = FALSE, notch = FALSE, outline = TRUE, names, plot = TRUE, border = par("fg"), col = NULL, log = "", pars = list(boxwex = 0.8, staplewex = 0.5, outwex = 0.5), horizontal = FALSE, add = FALSE, at = NULL)

主要参数的含义:

x: 向量,列表或数据框。

formula: 公式,形如y~grp,其中y为向量,grp是数据的分组,通常为因子。

data: 数据框或列表,用于提供公式中的数据。

range: 数值,默认为1.5,表示触须的范围,即range × (Q3 - Q1)

width: 箱体的相对宽度,当有多个箱体时,有效。

varwidth: 逻辑值,控制箱体的宽度, 只有图中有多个箱体时才发挥作用,默认为FALSE, 所有箱体的宽度相同,当其值为TRUE时,代表每个箱体的样本量作为其相对宽度

notch: 逻辑值,如果该参数设置为TRUE,则在箱体两侧会出现凹口。默认为FALSE。

outline: 逻辑值,如果该参数设置为FALSE,则箱线图中不会绘制离群值。默认为TRUE。

names:绘制在每个箱线图下方的分组标签。

plot : 逻辑值,是否绘制箱线图,如设置为FALSE,则不绘制箱线图,而给出绘制箱线图的相关信息,如5个点的信息等。

border:箱线图的边框颜色。

col:箱线图的填充色。

horizontal:逻辑值,指定箱线图是否水平绘制,默认为FALSE。

4.星相图

星相图是雷达图的多元表现形式,它将各个观测样品点表现为一个图形,n个样本点就有n个图形,每个图形的每个角表示一个变量。

R stars 星图(蜘蛛图/雷达图)和线段图 - 纯净天空 (vimsky.com)

R 复制代码
stars(X,full=F,key.loc=c(13,1.5))
stars(x, full = TRUE, scale = TRUE, radius = TRUE,
      labels = dimnames(x)[[1]], locations = NULL,
      nrow = NULL, ncol = NULL, len = 1,
      key.loc = NULL, key.labels = dimnames(x)[[2]],
      key.xpd = TRUE,
      xlim = NULL, ylim = NULL, flip.labels = NULL,
      draw.segments = FALSE,
      col.segments = 1:n.seg, col.stars = NA, col.lines = NA,
      axes = FALSE, frame.plot = axes,
      main = NULL, sub = NULL, xlab = "", ylab = "",
      cex = 0.8, lwd = 0.25, lty = par("lty"), xpd = FALSE,
      mar = pmin(par("mar"),
                 1.1+ c(2*axes+ (xlab != ""),
                 2*axes+ (ylab != ""), 1, 0)),
      add = FALSE, plot = TRUE, ...)

|-----------------|-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| x | 数据的矩阵或 DataFrame 。将为 x 的每一行生成一个星形图或线段图。允许缺失值 ( NA ),但它们被视为 0(缩放后,如果相关的话)。 |
| full | 逻辑标志:如果TRUE,线段图将占据一整圈。否则,它们仅占据(上)半圆。 |
| scale | 逻辑标志:如果 TRUE ,则数据矩阵的列独立缩放,以便每列中的最大值为 1,最小值为 0。如果 FALSE ,则假设数据已被其他某个缩放算法范围 。 |
| radius | 逻辑标志:在TRUE中,将绘制数据中每个变量对应的半径。 |
| labels | 用于标记图的字符串向量。与 S 函数 stars 不同,如果 labels = NULL 则不会尝试构造标签。 |
| locations | 具有用于放置每个线段图的 x 和 y 坐标的两列矩阵;或长度为 2 的数字,此时所有图都应叠加(对于"蜘蛛图")。默认情况下, locations = NULL ,线段图将放置在矩形网格中。 |
| nrow, ncol | 给出当 locationsNULL 时要使用的行数和列数的整数。默认情况下, nrow == ncol ,将使用方形布局。 |
| len | 半径或线段长度的比例因子。 |
| key.loc | 带有单位键的 x 和 y 坐标的向量。 |
| key.labels | 用于标记单位键段的字符串向量。如果省略,则使用 dimnames(x) 的第二个组件(如果可用)。 |
| key.xpd | 单位键的剪辑开关(绘图和标签),请参阅par("xpd")。 |
| xlim | 具有要绘制的 x 坐标范围的向量。 |
| ylim | 具有要绘制的 y 坐标范围的向量。 |
| flip.labels | 逻辑指示标签位置是否应在图表之间上下翻转。默认为有点智能的启发式。 |
| draw.segments | 合乎逻辑的。如TRUE画一个线段图。 |
| col.segments | 颜色向量(整数或字符,请参阅 par ),每个向量指定其中一个段(变量)的颜色。如果 draw.segments = FALSE 则忽略。 |
| col.stars | 颜色向量(整数或字符,请参阅 par ),每个向量指定其中一颗星星(案例)的颜色。如果 draw.segments = TRUE 则忽略。 |
| col.lines | 颜色向量(整数或字符,请参阅 par ),每个向量指定其中一条线(案例)的颜色。如果 draw.segments = TRUE 则忽略。 |
| axes | 逻辑标志:是否将 TRUE 轴添加到图中。 |
| frame.plot | 逻辑标志:如果 TRUE ,则绘图区域被加框。 |
| main | 情节的主要标题。 |
| sub | 情节的副标题。 |
| xlab | x 轴的标签。 |
| ylab | y 轴的标签。 |
| cex | 标签的字符扩展因子。 |
| lwd | 用于绘图的线宽。 |
| lty | 用于绘图的线型。 |
| xpd | 逻辑或 NA 指示是否应进行裁剪,请参阅 par(xpd = .) 。 |
| mar | par(mar = *) 的参数,通常选择比默认情况更小的边距。 |
| ... | 更多参数,传递给 plot() 的第一次调用,请参见plot.default,如果 frame.plot 为 true,则传递给 box()。 |
| add | 逻辑上,如果 TRUE 将星星添加到当前绘图中。 |
| plot | 逻辑上,如果 FALSE ,则不会绘制任何内容。 |

从该图中可以看出,北京上海天津浙江广东五个地区的消费支出较高。另外,有些地区在各项消费指标上的支出比较均匀,比如北京上海,有些地方不够均匀,如西藏新疆。

5.脸谱图

运用样本各变量值构造脸的各部位,通过分析脸部位大小或形状来分析各样本数据特征。一般来说,较为丰满、生动的脸谱代表比较理想的样品数据。

R 复制代码
#加载aplpack包
library(aplpack) 
#按每行7个做脸谱图
faces(X,ncol.plot=7)

R语言TeachingDemos包 faces函数使用说明 - 爱数吧 (idata8.com)

语法\用法:

faces(xy, which.row, fill = FALSE, nrow, ncol, scale = TRUE, byrow = FALSE, main, labels)

参数说明:

xy : xy数据矩阵,行表示个体,列表示属性

which.row : 定义输入矩阵行的排列

fill : 如果(fill==TRUE),则仅转换面的第一个nc属性,nc是xy的列数

nrow : 图形设备上的面列数

ncol : 面行数

scale : 如果(scale==TRUE),属性将被规格化

byrow : 如果(byrow==TRUE),则xy将被转置

main : 标题

labels : 用作面名称的字符串

6.调和曲线图

调和曲线图是一种利用三角多项式进行作图的方法,其思想是把高维空间中的一个样品点对应于二维平面上的一条曲线。这种图形有利于对样品进行直观分类同类样品的曲线之间比较靠近,而不同类样品的曲线之间界限分明,非常直观。

R 复制代码
#加载mvstats包
library(mvstats) 
plot.andrews(X)

####也可以直接从镜像站加载andrews包绘制调和曲线图
library(andrews)
andrews(X,type=3,clr=5,ymax=3)
相关推荐
zmd-zk2 分钟前
kafka+zookeeper的搭建
大数据·分布式·zookeeper·中间件·kafka
激流丶4 分钟前
【Kafka 实战】如何解决Kafka Topic数量过多带来的性能问题?
java·大数据·kafka·topic
测试界的酸菜鱼20 分钟前
Python 大数据展示屏实例
大数据·开发语言·python
时差95322 分钟前
【面试题】Hive 查询:如何查找用户连续三天登录的记录
大数据·数据库·hive·sql·面试·database
让学习成为一种生活方式24 分钟前
R包下载太慢安装中止的解决策略-R语言003
java·数据库·r语言
Mephisto.java24 分钟前
【大数据学习 | kafka高级部分】kafka中的选举机制
大数据·学习·kafka
Mephisto.java30 分钟前
【大数据学习 | kafka高级部分】kafka的优化参数整理
大数据·sql·oracle·kafka·json·database
道可云31 分钟前
道可云人工智能&元宇宙每日资讯|2024国际虚拟现实创新大会将在青岛举办
大数据·人工智能·3d·机器人·ar·vr
成都古河云43 分钟前
智慧场馆:安全、节能与智能化管理的未来
大数据·运维·人工智能·安全·智慧城市
软工菜鸡1 小时前
预训练语言模型BERT——PaddleNLP中的预训练模型
大数据·人工智能·深度学习·算法·语言模型·自然语言处理·bert