R实例:非典型的数据可视化(一)
2019独角兽企业重金招聘Python工程师标准>>>
一、相关系数矩阵
library(corrplot)
head(mtcars,3)mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
cordata<-cor(mtcars[,1:7])
cordatampg cyl disp hp drat wt qsec
mpg 1.0000000 -0.8521620 -0.8475514 -0.7761684 0.68117191 -0.8676594 0.41868403
cyl -0.8521620 1.0000000 0.9020329 0.8324475 -0.69993811 0.7824958 -0.59124207
disp -0.8475514 0.9020329 1.0000000 0.7909486 -0.71021393 0.8879799 -0.43369788
hp -0.7761684 0.8324475 0.7909486 1.0000000 -0.44875912 0.6587479 -0.70822339
drat 0.6811719 -0.6999381 -0.7102139 -0.4487591 1.00000000 -0.7124406 0.09120476
wt -0.8676594 0.7824958 0.8879799 0.6587479 -0.71244065 1.0000000 -0.17471588
qsec 0.4186840 -0.5912421 -0.4336979 -0.7082234 0.09120476 -0.1747159 1.00000000
corrplot(corr=cordata,method="color",order="AOE",addCoef.col="grey")
二、热力图
library(reshape2)
library(ggplot2)
mymatrix<-matrix(runif(30,min=-0.1,max=0.1),nrow=5,ncol=6)
colnames(mymatrix)<-c("房地产业","国防军工","建筑业","信息科技业","化工行业","电气工业")
mymatrix房地产业 国防军工 建筑业 信息科技业 化工行业 电气工业
[1,] -0.070659660 -0.093000454 -0.00707670 -0.07900881 -0.03599839 -0.097522612
[2,] -0.040224110 0.015778209 -0.06644414 0.02356476 0.06237693 0.022410838
[3,] -0.006500929 -0.008762363 0.05763242 0.01253936 0.09812529 0.071849709
[4,] 0.067375337 0.059886581 -0.02384389 -0.01077122 -0.04716984 -0.073741467
[5,] 0.054256376 0.090095767 0.07157948 0.06290915 -0.09143638 -0.003610035
fixdata<-melt(mymatrix)
head(fixdata,10)Var1 Var2 value
1 1 房地产业 -0.070659660
2 2 房地产业 -0.040224110
3 3 房地产业 -0.006500929
4 4 房地产业 0.067375337
5 5 房地产业 0.054256376
6 1 国防军工 -0.093000454
7 2 国防军工 0.015778209
8 3 国防军工 -0.008762363
9 4 国防军工 0.059886581
10 5 国防军工 0.090095767
p<-ggplot(fixdata,aes(x=Var2,y=Var1,fill=value))+xlab("行业")+ylab("星期")
p1<-p+geom_tile(color="white",size=0.1)+scale_fill_gradient(low='green',high='red')+guides(fill=FALSE)
p2<-p1+geom_text(aes(label=round(value,3)),angle=45)
print(p2)
三、词云
library(wordcloud2)
data<-read.table("C:/Users/steph/Desktop/visual/words.csv",sep=",",header=TRUE)
dim(data)
[1] 40 2
head(data)Word Freq
1 喜剧 80
2 爱情 33
3 剧情 39
4 中国大陆 42
5 香港 44
6 粤语 44
tail(data)Word Freq
35 暴力 24
36 音乐 29
37 恐怖 18
38 同志 22
39 纪录片 26
40 情色 28
wordcloud2(data)
转载于:https://my.oschina.net/u/3093769/blog/1068765
R实例:非典型的数据可视化(一)相关推荐
- R语言机器学习与大数据可视化暨Python文本挖掘与自然语言处理核心技术研修
中国通信工业协会通信和信息技术创新人才培养工程项目办公室 通人办[2017] 第45号 "R语言机器学习与大数据可视化"暨"Python文本挖掘与自然语言处理" ...
- “R语言机器学习与大数据可视化”暨“Python文本挖掘与自然语言处理”核心技术高级研修班的通知
中国通信工业协会通信和信息技术创新人才培养工程项目办公室 通人办[2017] 第45号 "R语言机器学习与大数据可视化"暨"Python文本挖掘与自然语言处理" ...
- R使用tsne进行高维数据可视化实战:二维可视化、三维可视化
R使用tsne进行高维数据可视化实战:二维可视化.三维可视化 t-SNE是一种非常强大的技术,可以用于多维数据中的可视化分析(寻找模式).它对复杂多维数据的可视化能力是显而易见的,它以无监督的方式对数 ...
- 原创 | R的基础及进阶数据可视化功能包介绍
R 作为入门级编程语言,被经常运用在数据整理.数据可视化.以及机器学习中. 本篇文章将主要介绍在R中如何可视化数据 (基础+进阶). R绘图的原理 使用R绘图,我们需要在脑海中明确几个必要元素.首先, ...
- ESP32-IDF开发实例-非易失性存储(NVS)数据存取
非易失性存储(NVS)数据存取 ESP32是一系列高度集成的.专为移动设备.可穿戴电子产品设计的物联网模块,其集成了天线开关.RF balun.功率放大器.低接收噪声放大器,滤波器.电源管理模块等,可 ...
- 【R语言】实验三 数据可视化
系列文章目录 实验一 R 语言数据结构.数据导入与数据处理 实验二 基本数据处理 实验三 数据可视化 实验四 数据分析 实验五 综合应用 实验数据 实验数据下载 1. death rate 数据集 选 ...
- R语言的ggplot2做数据可视化的一些推文合集(文末有福利)
小明的数据分析笔记本 1.记录一些R语言和python做数据分析和数据可视化的简单小例子:2.园艺植物相关的细胞器基因组.转录组.核基因组.群体遗传学相关的文献阅读笔记.欢迎大家关注. 长按上方二维码 ...
- R语言数据可视化 ggplot2基础1 ggplot2 图形的分层语法 Layered Grammar 简介
R语言数据可视化 ggplot2基础1 ggplot2 图形的分层语法 Layered Grammar 简介 分层语法的组成(data-stat-geom-scale-coord-facet) 用分层 ...
- “大数据可视化技术与应用”培训
在大数据时代,随着互联网.移动互联网以及传感技术的发展,数据的采集.存储.传输.处理.发布变得越来越便捷.当可获取的数据量远远超过常规处理能力时,如何辨识并理解数据,如何将数据转化成更容易.更迅速探索 ...
- 大数据可视化(七)复杂数据可视化
第七章 复杂数据可视化 复杂的数据包括视频影像数据,传感器网络数据,社交网络数据,三维时空数据等. 对高维多元数据进行分析的困难如下: (1) 数据复杂度大大增加 (2) 数据的量级已经超过了单机,甚 ...
最新文章
- 可持久化Trie +枚举 ---- P5795 [THUSC2015]异或运算
- Map-Reduce入门
- 【Python学习系列二】Python默认编码和Eclipse环境的冲突问题
- fastai 核心部件
- 手机版python配置_appium+python 连接手机设备的yaml配置文件
- 语法分析与中间代码生成
- java每一个小时同步_Java同步块(synchronized block)使用详解
- EDA鸿蒙是不是,如果华为不强研鸿蒙,和阿里合作,新系统或早用到手机上了? - 区块网...
- 什么是RUTP协议?RUDP协议在视频会议系统中的应用
- 简单介绍谷歌关键词扩展工具
- STM32F103ZET6---【硬件篇】定时器
- ftp上传软件,推荐5款好用的ftp上传软件
- mysql normsinv,在MySQL中实现NORMSINV函数
- jieba——分词、添加词典、词性标注、Tokenize
- 全国软件2. 三人年龄
- python中求和符号怎么打_参数siz向量的python符号求和与微分
- gms认证流程_Google GMS认证要求与申请流程
- java并发编程(并发编程的三个问题)
- 字段属性——唯一约束
- 基于Python的Web应用开发实战——3 模板