R实现数据分布特征的视觉化——多笔数据之间的比较

大家好，我是带我去滑雪！

如果要对两笔数据或者多笔数据的分布情况进行比较，Q-Q图、柱状图、星形图都是非常好的选择，下面开始实战。

（1）绘制Q-Q图

首先导入数据bankwage.csv文件，该数据集包含474条数据，变量分别是wage（数值）、wage0（数值）、edu（数值）、gender（字符）、minority（字符）、job（字符）：

bankwage=read.csv("bankwage.csv")

目的：尝试比较员工薪酬上是否存在性别差异。

mwage = subset(bankwage, gender == "Male")$wage_current
fwage = subset(bankwage, gender == "Female")$wage_current
qqplot(mwage, fwage, xlim = range(wage_current), ylim = range(wage_current), xaxs = "i", yaxs = "i", xlab = "Male workers' wage", ylab = "Female workers' wage")
abline(0, 1)

输出结果：

通过图像，可以发现薪酬分布倾向男性，说明男性和女性在薪酬上存在性别差异。

（2）绘制柱状图

数据采用国际上13个交易市场的市价总值数据，目的是比较多个市场市价总值2003年到2008年的差别情况，使用柱状图呈现数据。

load("Cap.RData")
par(mfrow=c(2,1))
barplot(t(Cap)/1e+06, beside = T,las=3,ylab="Capitalization")
title(main = "Major Stock Markets")
mtext(side = 3, "2003 - 2008")
barplot(Cap/1e+06, beside = TRUE,ylab="Capitalization")
par(mfrow=c(1,1))

输出结果：

（3）星形图

星形图（Star Plot），也称为雷达图（Radar Plot）或蜘蛛图（Spider Plot），是一种用于可视化多维数据的图表类型。它以一个多边形的形式显示了多个变量或特征的值，使您能够比较各个特征之间的相对大小和分布。星形图通常用于展示数据的多维特征，特别适用于在不同类别或维度上比较多个观测值的情况。

palette(rainbow(13, s = 0.6, v = 0.75))
stars(t(log(Cap)), draw.segments = TRUE, ncol = 3, nrow = 2,
key.loc = c(4.6, -0.5), mar = c(15, 0, 0, 0))
mtext(side = 3, line = 2.2, text = "Growth and Decline of Major Stock Markets",
cex = 1.5, font = 2)
abline(h = 0.9)
输出结果：

（4）相关性绘图

分析数值型数据时，变量间的相关性是一项重点，使用corrgram（）函数用图形及其组合将相关系数矩阵可视化。可以通过图形色彩、形状等特征轻松地判断相关性是正还是负，甚至相关系数是否显著。

library(corrgram)
data(auto)
head(auto)
vars_name = setdiff(colnames(auto), c("Model", "Origin"))
low=panel.conf
up=panel.pie
txt=panel.txt
diag=NULL #or panel.minmax
corrgram(auto[, vars_name],lower.panel=low, upper.panel=up, text.panel=txt,diag.panel=diag, order=TRUE, main="Auto data (PC order)")

输出结果：