转载

一行R代码来实现繁琐的可视化

本文作者: 唐源,目前就职于芝加哥一家创业公司,曾参与和创作过多个被广泛使用的 R 和 Python 开源项目,是 ggfortify,lfda,metric-learn 等包的作者,也是 xgboost,caret,pandas 等包的贡献者。(喜欢爬山和烧烤 一行R代码来实现繁琐的可视化

ggfortify 是一个简单易用的R软件包,它可以仅仅使用 一行代码 来对许多受欢迎的R软件包结果进行二维可视化,这让统计学家以及数据科学家省去了许多繁琐和重复的过程,不用对结果进行任何处理就能以 ggplot 的风格画出好看的图,大大地提高了工作的效率。

ggfortify 已经可以在 CRAN 上下载得到,但是由于最近很多的功能都还在快速增加,因此还是推荐大家从 Github 上下载和安装。

library(devtools) install_github('sinhrks/ggfortify') library(ggfortify)

接下来我将简单介绍一下怎么用 ggplot2ggfortify 来很快地对PCA、聚类以及LFDA的结果进行可视化,然后将简单介绍用 ggfortify 来对时间序列进行快速可视化的方法。

PCA (主成分分析)

ggfortify 使 ggplot2 知道怎么诠释PCA对象。加载好 ggfortify 包之后, 你可以对 stats::prcompstats::princomp 对象使用 ggplot2::autoplot

library(ggfortify) df <- iris[c(1, 2, 3, 4)] autoplot(prcomp(df))

一行R代码来实现繁琐的可视化 你还可以选择数据中的一列来给画出的点按类别自动分颜色。输入 help(autoplot.prcomp) 可以了解到更多的其他选择。

autoplot(prcomp(df), data = iris, colour = 'Species')

一行R代码来实现繁琐的可视化 比如说给定 label = TRUE 可以给每个点加上标识(以 rownames 为标准),也可以调整标识的大小。

autoplot(prcomp(df), data = iris, colour = 'Species', label = TRUE,          label.size = 3)

一行R代码来实现繁琐的可视化 给定 shape = FALSE 可以让所有的点消失,只留下标识,这样可以让图更清晰,辨识度更大。

autoplot(prcomp(df), data = iris, colour = 'Species', shape = FALSE,          label.size = 3)

一行R代码来实现繁琐的可视化

给定 loadings = TRUE 可以很快地画出特征向量。

autoplot(prcomp(df), data = iris, colour = 'Species', loadings = TRUE)

一行R代码来实现繁琐的可视化 同样的,你也可以显示特征向量的标识以及调整他们的大小,更多选择请参考帮助文件。

autoplot(prcomp(df), data = iris, colour = 'Species',          loadings = TRUE, loadings.colour = 'blue',          loadings.label = TRUE, loadings.label.size = 3)

一行R代码来实现繁琐的可视化

因子分析

和PCA类似, ggfortify 也支持 stats::factanal 对象。可调的选择也很广泛。以下给出了简单的例子:

注意当你使用 factanal 来计算分数的话,你必须给定 scores 的值。

d.factanal <- factanal(state.x77, factors = 3, scores = 'regression') autoplot(d.factanal, data = state.x77, colour = 'Income')

一行R代码来实现繁琐的可视化

autoplot(d.factanal, label = TRUE, label.size = 3,          loadings = TRUE, loadings.label = TRUE, loadings.label.size  = 3)

一行R代码来实现繁琐的可视化

K-均值聚类

autoplot(kmeans(USArrests, 3), data = USArrests)

一行R代码来实现繁琐的可视化

autoplot(kmeans(USArrests, 3), data = USArrests, label = TRUE,           label.size = 3)

一行R代码来实现繁琐的可视化

其他聚类

ggfortify 也支持 cluster::clara , cluster::fanny , cluster::pam

library(cluster) autoplot(clara(iris[-5], 3))

一行R代码来实现繁琐的可视化 给定 frame = TRUE ,可以把 stats::kmeanscluster::* 中的每个类圈出来。

autoplot(fanny(iris[-5], 3), frame = TRUE)

一行R代码来实现繁琐的可视化 你也可以通过 frame.type 来选择圈的类型。更多选择请参照 ggplot2::stat_ellipse 里面的 frame.typetype 关键词。

autoplot(pam(iris[-5], 3), frame = TRUE, frame.type = 'norm')

一行R代码来实现繁琐的可视化 更多关于聚类方面的可视化请参考 Github 上的 Vignette 或者 Rpubs 上的例子。

lfda(Fisher局部判别分析)

lfda 包支持一系列的 Fisher 局部判别分析方法,包括半监督 lfda,非线性 lfda。你也可以使用 ggfortify 来对他们的结果进行可视化。

library(lfda) # Fisher局部判别分析 (LFDA) model <- lfda(iris[-5], iris[, 5], 4, metric="plain") autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species')

一行R代码来实现繁琐的可视化

# 非线性核Fisher局部判别分析 (KLFDA) model <- klfda(kmatrixGauss(iris[-5]), iris[, 5], 4, metric="plain") autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species')

一行R代码来实现繁琐的可视化 注意iris 数据来说,不同的类之间的关系很显然不是简单的线性,这种情况下非线性的klfda 影响可能太强大而影响了可视化的效果,在使用前请充分理解每个算法的意义以及效果。

# 半监督Fisher局部判别分析 (SELF) model <- self(iris[-5], iris[, 5], beta = 0.1, r = 3, metric="plain") autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species')

一行R代码来实现繁琐的可视化

时间序列的可视化

ggfortify 可以使时间序列的可视化变得极其简单。接下来我将给出一些简单的例子。

ts对象

library(ggfortify) autoplot(AirPassengers)

一行R代码来实现繁琐的可视化 可以使用 ts.colourts.linetype 来改变线的颜色和形状。更多的选择请参考 help(autoplot.ts)

autoplot(AirPassengers, ts.colour = 'red', ts.linetype = 'dashed')

一行R代码来实现繁琐的可视化

多变量时间序列

library(vars) data(Canada) autoplot(Canada)

一行R代码来实现繁琐的可视化 使用 facets = FALSE 可以把所有变量画在一条轴上。

autoplot(Canada, facets = FALSE)

一行R代码来实现繁琐的可视化

autoplot 也可以理解其他的时间序列类别。可支持的R包有:

  • zoo::zooreg
  • xts::xts
  • timeSeries::timSeries
  • tseries::irts

一些例子:

library(xts) autoplot(as.xts(AirPassengers), ts.colour = 'green')

一行R代码来实现繁琐的可视化

library(timeSeries) autoplot(as.timeSeries(AirPassengers), ts.colour = ('dodgerblue3'))

一行R代码来实现繁琐的可视化 你也可以通过 ts.geom 来改变几何形状,目前支持的有 linebarpoint。

autoplot(AirPassengers, ts.geom = 'bar', fill = 'blue')

一行R代码来实现繁琐的可视化

autoplot(AirPassengers, ts.geom = 'point', shape = 3)

一行R代码来实现繁琐的可视化

forecast包

library(forecast) d.arima <- auto.arima(AirPassengers) d.forecast <- forecast(d.arima, level = c(95), h = 50) autoplot(d.forecast)

一行R代码来实现繁琐的可视化 有很多设置可供调整:

autoplot(d.forecast, ts.colour = 'firebrick1', predict.colour = 'red',          predict.linetype = 'dashed', conf.int = FALSE)

一行R代码来实现繁琐的可视化

vars包

library(vars) data(Canada) d.vselect <- VARselect(Canada, lag.max = 5, type = 'const')$selection[1] d.var <- VAR(Canada, p = d.vselect, type = 'const') autoplot(predict(d.var, n.ahead = 50), ts.colour = 'dodgerblue4',          predict.colour = 'blue', predict.linetype = 'dashed')

一行R代码来实现繁琐的可视化

changepoint包

library(changepoint) autoplot(cpt.meanvar(AirPassengers))

一行R代码来实现繁琐的可视化

autoplot(cpt.meanvar(AirPassengers), cpt.colour = 'blue', cpt.linetype = 'solid')

一行R代码来实现繁琐的可视化

strucchange包

library(strucchange) autoplot(breakpoints(Nile ~ 1), ts.colour = 'blue', ts.linetype = 'dashed',          cpt.colour = 'dodgerblue3', cpt.linetype = 'solid')

一行R代码来实现繁琐的可视化

dlm包

library(dlm) form <- function(theta){   dlmModPoly(order = 1, dV = exp(theta[1]), dW = exp(theta[2])) }  model <- form(dlmMLE(Nile, parm = c(1, 1), form)$par) filtered <- dlmFilter(Nile, model)  autoplot(filtered)

一行R代码来实现繁琐的可视化

autoplot(filtered, ts.linetype = 'dashed', fitted.colour = 'blue')

一行R代码来实现繁琐的可视化

smoothed <- dlmSmooth(filtered) autoplot(smoothed)

一行R代码来实现繁琐的可视化

p <- autoplot(filtered) autoplot(smoothed, ts.colour = 'blue', p = p)

一行R代码来实现繁琐的可视化 KFAS包

library(KFAS) model <- SSModel(   Nile ~ SSMtrend(degree=1, Q=matrix(NA)), H=matrix(NA) )   fit <- fitSSM(model=model, inits=c(log(var(Nile)),log(var(Nile))),                method="BFGS") smoothed <- KFS(fit$model) autoplot(smoothed)

一行R代码来实现繁琐的可视化 使用 smoothing='none' 可以画出过滤后的结果。

filtered <- KFS(fit$model, filtering="mean", smoothing='none') autoplot(filtered)

一行R代码来实现繁琐的可视化

trend <- signal(smoothed, states="trend") p <- autoplot(filtered) autoplot(trend, ts.colour = 'blue', p = p)

一行R代码来实现繁琐的可视化

stats包

可支持的stats包里的对象有:

  • stl , decomposed.ts
  • acf , pacf , ccf
  • spec.ar , spec.pgram
  • cpgram
autoplot(stl(AirPassengers, s.window = 'periodic'), ts.colour = 'blue') 

一行R代码来实现繁琐的可视化

autoplot(acf(AirPassengers, plot = FALSE)) 

一行R代码来实现繁琐的可视化

autoplot(acf(AirPassengers, plot = FALSE), conf.int.fill = '#0000FF',           conf.int.value = 0.8, conf.int.type = 'ma')

一行R代码来实现繁琐的可视化

autoplot(spec.ar(AirPassengers, plot = FALSE))

一行R代码来实现繁琐的可视化

ggcpgram(arima.sim(list(ar = c(0.7, -0.5)), n = 50))

一行R代码来实现繁琐的可视化

library(forecast) ggtsdiag(auto.arima(AirPassengers))

一行R代码来实现繁琐的可视化

gglagplot(AirPassengers, lags = 4)

一行R代码来实现繁琐的可视化

更多关于时间序列的例子,请参考 Rpubs 上的介绍。

最近又多了许多额外的非常好用的功能,比如说现在已经支持 multiplot 同时画多个不同对象,强烈推荐参考 Rpubs 以及关注我们 Github 上的更新。

祝大家使用愉快!有问题请及时在Github上 报告 。(可以使用中文)

正文到此结束
Loading...