一图胜千言：用好图表，好好说话

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！

 对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。

作者：herain  R语言中文社区专栏作者

知乎ID：https://www.zhihu.com/people/herain-14

前言

从数据需求的角度选择恰当的图表，更好的以图的形式彰显数据的潜在性，规律性，价值性，数据的描述性分析包括用图表展示数据和用统计量描述数据等内容。避免使用图表上的误区，区分扇形图与饼图（很多人都把饼图当作扇形图），不要用时间年份做横轴的条形图（真的很傻），本文将常有的图表根据恰当的用途归位五大类，同时提供R绘图方法。

五大类

展示【类别频数】的图表：简单的条形图， 帕累托图，复式条形图和脊形图，马赛克图，饼图，扇形图，洛伦茨曲线

展示【数据分布】的图表：直方图，茎叶图，箱线图，小提琴图，点图，核密度图

展示【数据关系】的图表：散点图，矩阵散点图，气泡图

展示【数据相似性】的图表：轮廓图，雷达图，星图，脸谱图

时间之上【看趋势】的图表： 时间序列图

2.展示数据分布的图表

2.1 ：直方图

example2_2 <-read.csv('/Users/MLS/desktop/rs/stt/example/ch2/22_2.csv')> par(mfcol=c(2,2), cex=0.7, family='SimSun')> hist(example2_2$销售额,xlab="销售额", ylab="频数", main="(a)普通")> hist(example2_2$销售额,freq=FALSE, breaks=20, xlab="销售额", ylab="频率", main="(c)增加轴线须线和密度线")> curve(dnorm(x,mean(example2_2$销售额), sd(example2_2$销售额)), add=T, col="red")>rug(example2_2$销售额)

2.2：茎叶图

> stem(example2_2$销售额)  The decimal point is 1 digit(s) to the right of the |  16 | 17  17 | 1222  18 | 1136788  19 | 11234566667889999  20 | 000012333334455566677778899  21 | 00224556666777788889  22 | 0222344445556689  23 | 0334455678889  24 | 0133368  25 | 2234  26 | 15  27 | 2

2.3：箱线图

boxplot(example2_2$销售额, col="lightblue", cex.axis=0.5)

> example2_3 <-read.csv('/Users/MLS/desktop/rs/stt/example/ch2/22_3.csv')> par(mfcol=c(1,1), cex=0.7, family='SimSun')> boxplot(example2_3, col="lightblue",xlab="运动员", ylab="射击环数", cex.lab=0.8, cex.axis=0.6, family="SumSin")

2.4：小提琴

library(vioplot)par(cex=0.5)x1<-example2_3$亚历山大.彼得里夫利x2<-example2_3$拉尔夫.许曼x3<-example2_3$克里斯蒂安.赖茨x4<-example2_3$列昂尼德.叶基莫夫x5<-example2_3$基思.桑德森x6<-example2_3$罗曼.邦达鲁克vioplot(x1,x2,x3,x4,x5,x6, col="lightblue", names=c('亚历山大.彼得里夫利','拉尔夫.许曼','克里斯蒂安.赖茨','列昂尼德.叶基莫夫','基思.桑德森','罗曼.邦达鲁克'))

2.5：点图

> example2_3_1 <- read.csv('/Users/MLS/desktop/rs/stt/example/ch2/231.csv'> par(mfcol=c(1,1), cex=0.7, family='SimSun')> dotchart(example2_3_1$射击环数, groups=example2_3_1$运动员, xlab="射击环数", pch=20)

> par(mfcol=c(1,1), cex=0.7, family='SimSun')> dotplot(射击环数~运动员, data=example2_3_1, col="black", pch=9, family='SimSun')

2.6：核密度图

> par(cex=0.7, family='SimSun')> densityplot(~射击环数|运动员, data=example2_3_1,col="blue",cex=0.5, family='SimSun')

3.展示数据关系的图表

3.1：散点图

> x<-seq(0,25,length=100)> y<-4+0.5*x+rnorm(100,0,2)> d<-data.frame(x,y)> plot(d)> polygon(d[chull(d),], col='pink', lty=3,lwd=2)> points(d)> abline(lm(y~x),lwd=2,col=4)> abline(v=mean(x),h=mean(y),lty=2,col="gray70")

3.2：矩阵散点图

example2_4<-read.csv('/Users/MLS/desktop/rs/stt/example/ch2/22_4.csv')> par(cex=0.7, family='SimSun')> plot(example2_4, cex=0.6, gap=0.5, family="SimSun")

3.3：气泡图

> attach(example2_4)> r<-sqrt(销售收入/pi)> symbols(广告费用,销售网点数,circle=r, inches=0.3, fg="white", bg="lightblue",ylab="销售网点数", xlab=" 广告费用")> text(广告费用,销售网点数, rownames(example2_4),cex=0.4)

4.展示数据相似性的图表

4.1：轮廓图

> example2_5<-read.csv('/Users/MLS/desktop/rs/stt/example/ch2/22_5.csv')> par(mai=c(0.7,0.7,0.1,0.1),cex=0.8, family="SimSun")> matplot(t(example2_5[2:9]),type='b',lty=1:7,col=1:7,xlab="消费项目",ylab="支出金额",pch=1,xaxt='n')> axis(side=1, at=1:8, labels=c("食品","衣着","居住","家电设备用品及服务","医疗保健", "交通和通信", "教育文化娱乐服务","其他商品和服务"),cex.axis=0.6) "高收入户", "最高收入户"))> legend(x="topright", legend=c("最低收入户", "低收入户","中等偏下户", "中等收入户", "中等偏上户", "高收入户", "最高收入户"), lty=1:7, col=1:7, text.width=1, cex=0.7)

4.2：雷达图

> library(fmsb)> radarchart(example2_5[,2:9], axistype=0, seg=4, maxmin=F, vlabels=names(example2_5[,2:9]), pcol=1:7, plwd=1.5)> legend(x="topright", legend=c("最低收入户", "低收入户","中等偏下户", "中等收入户", "中等偏上户", "高收入户", "最高收入户"), lty=1:7, col=1:7, text.width=1, cex=0.7)

4.3：星图

> mat25 <- as.matrix(example2_5[,2:9])> rownames(mat25)<-example2_5[,1]> par(cex=0.7, family='SimSun')> stars(mat25, key.loc=c(7,2,5),cex=0.8)

5.展示数据随时间变化的图表

example2_9<-read.csv('/Users/MLS/desktop/rs/stt/example/ch2/22_9.csv')>  par(mai=c(0.7,0.7,0.1,0.1), cex=0.8, family="SimSun")> plot(example2_9[,2], lwd=1.5, ylim=c(2000,30000), xlab="年份", ylab="居民消费水平",type="n")> grid(col="gray60")> points(example2_9[,2], type="o", lwd=1.5,  xlab="年份", ylab="居民消费水平")> lines(example2_9[,3], type="b", lty=2, lwd=1.5,  xlab="年份", col="blue")> legend(x="topleft",legend=c("农村居民消费水平","城镇居民消费水平"), lty=1:2, col=c(1,4), cex=0.8)

往期精彩：

R语言图表排版之一页多图

图表色彩运用原理的全面解析

常用图表的用法-分布类

公众号后台回复关键字即可学习

回复 爬虫             爬虫三大案例实战  
回复 Python        1小时破冰入门

回复 数据挖掘      R语言入门及数据挖掘
回复 人工智能      三个月入门人工智能
回复 数据分析师   数据分析师成长之路 
回复 机器学习      机器学习的商业应用
回复 数据科学      数据科学实战
回复 常用算法      常用数据挖掘算法

爱我请给我好看!