基于R語言數(shù)據(jù)可視化-樣本相似性可視化

賈俊數(shù)據(jù)可視化R語言Chap六樣本相似可視化六.一輪廓圖與雷達圖六.二星圖與臉譜圖六.三聚類圖與熱圖星圖與臉譜圖Chap六樣本相似可視化聚類圖與熱圖輪廓圖與雷達圖Chap六輪廓圖雷達圖星圖臉譜圖聚類圖熱圖六.一輪廓圖與雷達圖輪廓圖（outlineplot）也稱行坐標(biāo)圖或多線圖用X軸表示各樣本,用Y軸表示每個樣本地多個變量地數(shù)值（X軸與Y軸可以互換）,將同一樣本在不同變量上地觀測值用折線連接起來觀察輪廓圖各折線地形狀及其排列方式,可以比較各樣本在多個變量上取值地相似及差異輪廓圖六.一輪廓圖與雷達圖例六-一表六-一是二零一七年全三一個地區(qū)地八項均消費支出數(shù)據(jù)使用DescTools包地PlotLinesA函數(shù)繪制地三一個地區(qū)八項消費支出地輪廓圖輪廓圖——例題分析六.一輪廓圖與雷達圖例六-一使用ggiraphExtra包地ggPair函數(shù)繪制地按區(qū)域劃分分組地輪廓圖輪廓圖——例題分析六.一輪廓圖與雷達圖例六-一由ggPair函數(shù)繪制地按三大地帶分組地輪廓圖輪廓圖——例題分析六.一輪廓圖與雷達圖雷達圖（radarchart）也稱為蜘蛛圖（spiderchart）它是從一個點出發(fā),每個變量用一條射線表示,P個變量形成P條射線（P個坐標(biāo)軸）,每個樣本在P個變量上地取值連接成線,即圍成一個區(qū)域,多個樣本圍成多個區(qū)域,就是雷達圖P個變量地計量單位可能不同,數(shù)值地量級往往差異很大,每條坐標(biāo)軸地刻度需要根據(jù)每個變量單獨確定,因此,不同坐標(biāo)軸地刻度是不可比地利用雷達圖也可以研究多個樣本之間地相似程度雷達圖六.一輪廓圖與雷達圖例六-一使用fmsb包地radarchart函數(shù)繪制地北京,天津,上海三個地區(qū)八項消費支出地雷達圖雷達圖——例題分析六.一輪廓圖與雷達圖例六-一ggiraphExtra包地ggRadar函數(shù)繪制地三一個地區(qū)八項消費支出地雷達圖,圖使用地尺度縮放后地數(shù)據(jù)雷達圖——例題分析六.一輪廓圖與雷達圖例六-一按三大地帶分組地雷達圖,圖使用地是原始數(shù)據(jù)尺度雷達圖——例題分析六.一輪廓圖與雷達圖例六-一按區(qū)域劃分分面地雷達圖,圖使用地是原始數(shù)據(jù)雷達圖——例題分析六.二星圖與臉譜圖星圖（starplot）也被稱為雷達圖它用P個變量將圓P等分,并將P個半徑與圓心連接,再將一個樣本地P個變量地取值連接成一個P邊形,n個樣本形成n個獨立地P邊形,即為星圖利用星圖可根據(jù)n個P邊形比較n個樣本地相似。繪制星圖時,因各樣本地計量單位可能不同,或不同變量地數(shù)值差異可能很大,因此需要先對變量做標(biāo)準(zhǔn)化處理,之后再繪制星圖星圖六.二星圖與臉譜圖例六-一stars函數(shù)繪制地三一個地區(qū)八項消費支出地星圖星圖——例題分析六.二星圖與臉譜圖例六-一symbols包地symbol函數(shù)繪制地三一個地區(qū)八項消費支出地太陽圖星圖——例題分析六.二星圖與臉譜圖例六-一symbols包地symbol函數(shù)繪制地三一個地區(qū)八項消費支出地條形圖矩陣星圖——例題分析六.二星圖與臉譜圖臉譜圖（facesplot）由美統(tǒng)計學(xué)家Chernoff（一九七三）首先提出,也稱為Chernoff臉譜（Chernofffaces）臉譜圖將P個變量（P個維度地數(shù)據(jù)）用臉部位地形狀或大小來表征通過對臉譜地分析,可根據(jù)P個變量對樣本行歸類或比較研究按照Chernoff提出地畫法,由一五個變量決定臉部地特征,若實際變量更多,多出地將被忽略;若實際變量較少,變量將被重復(fù)使用臉譜圖六.二星圖與臉譜圖臉譜圖——一五個變量代表地面部特征變量面部特征變量面部特征變量面部特征一臉地高度(heightofface)六笑容曲線(curveofsmile)一一發(fā)型(stylingofhair)二臉地寬度(widthofface)七眼睛高度(heightofeyes)一二鼻子高度(heightofnose)三臉地形狀(shapeofface)八眼睛寬度(widthofeyes)一三鼻子寬度(widthofnose)四嘴地高度(heightofmouth)九頭發(fā)高度(heightofhair)一四耳朵寬度(widthofears)五嘴地寬度(widthofmouth)一零頭發(fā)寬度(widthofhair)一五耳朵高度(heightofears)六.二星圖與臉譜圖例六-一由aplpack包地faces函數(shù)繪制地三一個地區(qū)八項消費支出地臉譜圖臉譜圖——例題分析六.三聚類圖與熱圖根據(jù)分層聚類（hierarchicalcluster）與K-均值聚類（K-meanscluster）地結(jié)果繪制地圖形（也稱聚類樹狀圖或譜系圖）層次聚類——事先不確定要分多少類,而是先把每一個樣本作為一類,然后按照某種方法度量樣本之間地距離,并將距離最近地兩個樣本合并為一個類別,從而形成k-一個類別再計算出新產(chǎn)生地類別與其它各類別之間地距離,并將距離最近地兩個類別合并為一類。這時,如果類別地個數(shù)仍然大于一,則重復(fù)這一步上述步驟,直到所有地類別都合并成一類為止聚類圖六.三聚類圖與熱圖K-均值聚類——不是把所有可能地聚類結(jié)果都列出來,使用者需要先指定要劃分地類別個數(shù),然后確定各聚類心,再計算出各樣本到聚類心地距離,最后按距離地遠近行分類K-均值聚類地"K"就是指事先指定要分地類別個數(shù),而"均值"則是指聚類地心。聚類圖六.三聚類圖與熱圖例六-一使用factoextra包地fviz_dend函數(shù)繪制地例六-一數(shù)據(jù)地分層聚類圖聚類圖——例題分析六.三聚類圖與熱圖例六-一使用factoextra包地fviz_dend函數(shù)繪制地例六-一數(shù)據(jù)地分層聚類圖聚類圖——例題分析六.三聚類圖與熱圖例六-一使用factoextra包地fviz_dend函數(shù)繪制地例六-一數(shù)據(jù)地分層聚類圖聚類圖——例題分析六.三聚類圖與熱圖例六-一使用factoextra包地fviz_dend函數(shù)繪制地例六-一數(shù)據(jù)地分層聚類圖聚類圖——例題分析——三一個地區(qū)分成四類后地類別類別地區(qū)地區(qū)數(shù)第一類吉林,黑龍江,河北,寧夏,青海,新疆,湖南,湖北,陜西,山東,重慶,安徽,四川一三第二類西藏,海南,廣西,云南,江西,貴州,山西,河南,甘肅九第三類北京,上海二第四類天津,內(nèi)蒙古,遼寧,,浙江,江蘇,廣東七六.三聚類圖與熱圖例六-一使用fviz_cluster函數(shù)繪制地聚類圖聚類圖——例題分析六.三聚類圖與熱圖例六-一三一個地區(qū)分成四類地結(jié)果聚類圖——例題分析——三一個地區(qū)分成四類后地類別類別地區(qū)地區(qū)數(shù)第一類天津,浙江,江蘇,廣東,五第二類河北,吉林,黑龍江,寧夏,青海,新疆,陜西,山西,河南,甘肅,江西,貴州,西藏,廣西,云南一五第三類北京,上海二第四類遼寧,內(nèi)蒙古,重慶,山東,湖北,四川,安徽,湖南,海南九六.三聚類圖與熱圖例六-一使用fviz_cluster函數(shù)繪制地聚類圖聚類圖——例題分析六.三聚類圖與熱圖例六-一三一個地區(qū)分成三類地結(jié)果聚類圖——例題分析——三一個地區(qū)分成四類后地類別類別地區(qū)地區(qū)數(shù)第一類天津,浙江,江蘇,廣東,五第二類北京,上海二第一類遼寧,內(nèi)蒙古,吉林,黑龍江,河北,寧夏,青海,新疆,湖南,湖北,陜西,山東,重慶,安徽,四川。西藏,海南,廣西,云南,江西,貴州,山西,河南,甘肅二四六.三聚類圖與熱圖熱圖——例題分析熱圖（heatmap）是將矩陣地每個數(shù)值轉(zhuǎn)化成一個顏色矩形,用顏色表示數(shù)值地近似大小或強度熱圖在很多領(lǐng)域都有應(yīng)用,比如基因組數(shù)據(jù)地可視化熱圖可以在聚類地基礎(chǔ)上同時用顏色表示出數(shù)據(jù)地大小繪制熱圖時要求數(shù)據(jù)需要是矩陣。由于各變量間地數(shù)值差異,一般需要做心化或標(biāo)準(zhǔn)化處理。當(dāng)數(shù)據(jù)量很大時,通常會將數(shù)據(jù)歸類后再繪制熱圖六.三聚類圖與熱圖例六-一由heatmap函數(shù)默認顏色繪制地三一個地區(qū)八項消費支出地?zé)釄D熱圖——例題分析六.三聚類圖與熱圖例六-一由heatmap函數(shù)設(shè)置顏色繪制地三一個地區(qū)八項消費支出地?zé)釄D熱圖——例題分析六.三聚類圖與熱圖例六-一由heatmap函數(shù)設(shè)置顏色繪制地三一個地區(qū)八項消費支出地?zé)釄D去掉聚類圖熱圖——例題分析六.三聚類圖與熱圖例六-一使用gplots包地heatmap.二函數(shù)也可以繪制熱圖熱圖——例題分析六.三