R 的資料視覺化

• R 語言的視覺化
• 大數據的資料視覺化
• 關於swirl

• X11: Unix 作業系統上的X11 桌面系統
• windows: 用於Windows系統
• quartz: Mac OS X 系統
• postscript: 用於印表機或是建立PostScript文件
• pdf, png, jpeg: 用於建立特定格式的檔案
• html 和 javascript: 用於建立網頁上的互動式圖表

• API 設計
  • 基本繪圖API
  • ggplot2

• 單變數
  • 類別型變數
  • 連續型變數
• 雙變數
  • 連續 vs 連續
  • 連續 vs 離散
  • 連續 vs 連續
• 多變量

pie(table(iris$Species))

par(mfrow = c(1, 2))
plot(density(iris$Sepal.Length))
hist(iris$Sepal.Length)

data(Titanic)
mosaicplot(~ Sex + Survived, data = Titanic,
           main = "Survival on the Titanic", color = TRUE)

plot(Sepal.Length ~ Species, iris)

plot(dist ~ speed, cars)

plot(iris)

suppressPackageStartupMessages(library(PerformanceAnalytics))
suppressWarnings(chart.Correlation(iris[-5], bg=iris$Species, pch=21))

library(corrplot)
corrplot(cor(mtcars), method = "circle")

g <- lm(dist ~ speed, cars)
par(mfrow = c(2,2))
plot(g)

plot(cars, main = "lowess(cars)")
lines(lowess(cars), col = 2)

W. S. Cleveland, E. Grosse and W. M. Shyu (1992) Local regression models. Chapter 8 of Statistical Models in S eds J.M. Chambers and T.J. Hastie, Wadsworth & Brooks/Cole.

suppressPackageStartupMessages(library(sm))
with(cars, sm.regression(dist, speed, method = "aicc",
                         col = "red", model = "linear"))

Bowman, A.W. and Azzalini, A. (1997). Applied Smoothing Techniques for Data Analysis: the Kernel Approach with S-Plus Illustrations. Oxford University Press, Oxford.

library(rpart)
library(rpart.plot)
rpart.plot(rpart(Species ~ ., iris))

library(ade4)
g <- dudi.pca(iris[,-5], scan = FALSE)
scatter(g)

• 高階繪圖指令：依據輸入的資料產生完整的圖片
• 低階繪圖指令：修飾當前的圖片

• 泛用型的物件導向API：
  • plot本身能以直角座標系統繪製各種幾何圖形
  • plot能和模型結合，依據模型的型態繪製各種模型的結果
    • plot.lm, rpart::plot.rpart

• pie, hist, boxplot, barplot, ...
  • 清空之前的繪圖結果
• lines, points, legend, title, text, polygon, ..
  • 修飾之前的繪圖結果
• par
  • 控制繪圖引擎的參數

• Wilkinson, Leland (2005). The Grammar of Graphics. Springer. ISBN 978-0-387-98774-3.

• 基礎API 是一種用紙筆模型來繪圖的設計思想
• ggplot2 是一種以繪圖物件為主的設計思想

• 大量以ggplot2的API 為骨幹的套件

data(diamonds, package = "ggplot2")
ggplot(diamonds, aes(x = color)) +
  geom_bar()

ggplot(diamonds, aes(x = price)) +
  geom_density()

http://stackoverflow.com/questions/19233365/how-to-create-a-marimekko-mosaic-plot-in-ggplot2

ggplot(iris, aes(x = Species, y = Sepal.Width)) +
  geom_boxplot()

ggplot(iris, aes(x = Sepal.Width, y = Sepal.Length, color = Species)) +
  geom_point()

• 資料太大，直接化就當機，打開圖的人也會當機
• 資料的維度太多，需要能對圖做操作，而不是程式碼
• 資料的種類更廣泛，除了離散、數值之外，還包含如「圖資」等各種資料

• Google: "R big data visualization"
• https://cran.r-project.org/web/packages/tabplot/vignettes/tabplot-vignette.html
• 初步解決了數據量的問題

• Java Script
  • http://www.htmlwidgets.org/
  • 透過互動圖表解決資料維度更多的問題
  • http://yihui.name/recharts/
• Shiny
  • http://shiny.rstudio.com/gallery/

• 新型態的資料，社群就會誕生新的套件
  • 圖資
  • 社群網路
• 甚至是新型態的Visualization

suppressPackageStartupMessages(library(Rtwmap))
data(county1984)
random.color <- as.factor(sample(1:3, length(county1984), TRUE))
color <- rainbow(3)
county1984$random.color <- random.color
spplot(county1984, "random.color", col.regions = color, main = "Taiwan Random Color")

suppressPackageStartupMessages(library(networkD3))
data(MisLinks)
data(MisNodes)
# Create graph
forceNetwork(Links = MisLinks, Nodes = MisNodes, Source = "source",
             Target = "target", Value = "value", NodeID = "name",
             Group = "group", opacity = 0.4, zoom = TRUE)

http://www.magesblog.com/2014/03/sankey-diagrams-with-googlevis.html

• 線性代數介面
• Formula 介面

g <- lm.fit(X, y, ...)

• \(X\): 一個代表解釋變數的矩陣
• \(y\): 一個代表應變數的向量
• \(...\): 控制演算法的參數

g <- lm(y ~ x1 + x2 + x3, data, ...)
predict(g, data2)

• \(y \sim x_1 + x_2 + x_3\): 描述y 和X 的關係
• \(data\): 描述$y, x_1, x_2, x_3$的來源
• \(...\): 控制演算法的參數
• Formula 介面支援各種Operator: +-:*|^I1
  • Statistical Formula Notation in R

• 線性代數介面：
  • 可以控制資料結構
  • 可以做更高的客製化
  • 必須要自己從資料建立矩陣ex: model.matrix
• Formula 介面：
  • 更清楚的程式碼
  • 更彈性、簡潔的語法ex: log(dist) ~ I(speed^2)
  • 被公認的好設計

• RDataEngineer-05-Data-Manipulation
• RDataEngineer-06-Join
• RVisualization-01-One-Variable-Visualization
• RVisualization-02-Two-Variables-Visualization
• RVisualization-03-ggplot2
• RVisualization-04-Javascript-And-Maps

Mac:

• Basic plots: par(family="STKaiti")
• ggplot2: + theme_grey(base_family="STKaiti") 需要透過theme改字型

• 會透過電子信箱寄給同學
• 未來在課程網頁上也會更新

• 今天早上Github遭受攻擊...

library(swirl)
delete_progress("<你在swirl所輸入的id>")
uninstall_all_courses()
dst <- tempfile(fileext = ".zip")
download.file("http://www.wush978.idv.tw/DataScienceAndR.zip", dst)
install_course_zip(dst)
swirl()