云雨图【R 语言】

原创已于 2022-09-29 16:51:41 修改 · 3k 阅读

15 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#r语言 #数据挖掘

于 2022-08-30 16:41:33 首次发布

R or Pyhon 专栏收录该内容

15 篇文章

订阅专栏

本文介绍了一种数据可视化方法——云雨图，它结合了小提琴图、箱线图及原始数据点，能同时展现数据的概率密度和统计特性。通过R语言及ggdist等包，演示了如何创建云雨图来揭示不同发动机尺寸车辆的高速公路燃油经济性的双峰分布。

文章目录

什么是云雨图

在这里插入图片描述
不管它叫啥，就是一种对数据的可视化方法，可同时描述数据的概率密度和统计量。

为什么使用云雨图

当我们获得几组数据的时候，想看一看他们的统计量，在R中可以使用命令：summary() ，会将五分位数和均值等输出到「Console」。但是相比于文字，一般人对图像的理解要更好，所以可以使用**箱线图（BoxPlot）**展示其统计量（下左），这时就会出现一个问题，（下左）几个箱线图似乎都一样，难道意味着这些组数据都一样？当我们把原始数据点添加上去（下右），就会发现数据之间的不同：数据的分布密度是不一样的。
在这里插入图片描述

这个时候就可以使用「 小提琴图（ViolinPlot）」描述数据的分布密度：

在这里插入图片描述

这时，有人就把这些东西都集合到了一起：云雨图（RainCloud Plot），一半儿的小提琴 + 箱线图 + 数据点

例子 R

需要的「R Packages」：ggdist、 tidyquant、 tidyverse

需要的「数据集」：mpg （源自ggplot2）

加载需要的工具和数据：

# LIBRARIES ----
library(ggdist)
library(tidyquant)
library(tidyverse)

# DATA -----
mpg

筛选数据，并新建一个「ggplot2」的画布（Canvas）

mpg %>%
    filter(cyl %in% c(4, 6, 8)) %>%
    ggplot(aes(x = factor(cyl), y = hwy, fill = factor(cyl)))

画上一半儿的小提琴：ggdist::stat_halfeye()

# add half-violin from {ggdist} package
ggdist::stat_halfeye(
        ## custom bandwidth
        adjust = 0.5,
        ## move geom to the right
        justification = -.2,
        ## remove slab interval
        .width = 0,
        point_colour = NA
    )

在这里插入图片描述

加上箱线图： ggplot2::geom_boxplot() ，限制宽度和不透明度

geom_boxplot(
        width = .12,
        ## remove outliers
        outlier.color = NA,
        alpha = 0.5
    )

在这里插入图片描述

添加原始数据点：ggdist::stat_dots()

# Add dot plots from {ggdist} package
    ggdist::stat_dots(
        ## orientation to the left
        side = "left",
        ## move geom to the left
        justification = 1.1,
        ## adjust grouping (binning) of observations
        binwidth = .25
    )

在这里插入图片描述

6.「微」调细节：tidyquant::theme_tq() + coord_flip()

scale_fill_tq() +
    theme_tq() +
    labs(
        title = "Raincloud Plot",
        subtitle = "Showing the Bi-Modal Distribution of 6 Cylinder Vehicles",
        x = "Engine Size (No. of Cylinders)",
        y = "Highway Fuel Economy (MPG)",
        fill = "Cylinders"
    ) +
    coord_flip()

在这里插入图片描述

完整代码「R」

# LIBRARIES ----
library(ggdist)
library(tidyquant)
library(tidyverse)

# DATA -----
mpg

# RAINCLOUD PLOTS ----
# Powerful for visualizing modality of distributions

mpg %>%
    filter(cyl %in% c(4, 6, 8)) %>%
    ggplot(aes(x = factor(cyl), y = hwy, fill = factor(cyl))) +

    # add half-violin from {ggdist} package
    ggdist::stat_halfeye(
        ## custom bandwidth
        adjust = 0.5,
        ## move geom to the right
        justification = -.2,
        ## remove slab interval
        .width = 0,
        point_colour = NA
    ) +
    geom_boxplot(
        width = .12,
        ## remove outliers
        outlier.color = NA,
        alpha = 0.5
    ) +
    # Add dot plots from {ggdist} package
    ggdist::stat_dots(
        ## orientation to the left
        side = "left",
        ## move geom to the left
        justification = 1.1,
        ## adjust grouping (binning) of observations
        binwidth = .25
    ) +
    # Adjust theme
    scale_fill_tq() +
    theme_tq() +
    labs(
        title = "Raincloud Plot",
        subtitle = "Showing the Bi-Modal Distribution of 6 Cylinder Vehicles",
        x = "Engine Size (No. of Cylinders)",
        y = "Highway Fuel Economy (MPG)",
        fill = "Cylinders"
    ) +
    coord_flip()