506 gooseeker集搜客

一行R代码实现数据分析可视化

本文摘自：大数据文摘
作者简介：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）
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。
1 library(devtools)2 install_github('sinhrks/ggfortify')3 library(ggfortify)
接下来我将简单介绍一下怎么用 ggplot2 和 ggfortify 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。
1，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::prcomp 和 stats::princomp 对象使用 ggplot2::autoplot。
1 library(ggfortify)2 df <- iris[c(1, 2, 3, 4)]3 autoplot(prcomp(df))

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

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

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

给定 loadings = TRUE 可以很快地画出特征向量。
7 autoplot(prcomp(df), data = iris, colour = 'Species', loadings = TRUE)

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

2，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。
1 d.factanal <- factanal(state.x77, factors = 3, scores = 'regression')2 autoplot(d.factanal, data = state.x77, colour = 'Income')

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

3，K-均值聚类
1 autoplot(kmeans(USArrests, 3), data = USArrests)

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

4，其他聚类 ggfortify 也支持 cluster::clara, cluster::fanny, cluster::pam。
1 library(cluster)2 autoplot(clara(iris[-5], 3))

给定 frame = TRUE，可以把 stats::kmeans 和 cluster::* 中的每个类圈出来。
3 autoplot(fanny(iris[-5], 3), frame = TRUE)

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.type 的 type 关键词。
4 autoplot(pam(iris[-5], 3), frame = TRUE, frame.type = 'norm')

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。
5，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。
1 library(lfda)2 # Fisher局部判别分析 (LFDA)3 model <- lfda(iris[-5], iris[, 5], 4, metric="plain")4 autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species')

5 # 非线性核Fisher局部判别分析 (KLFDA)6 model <- klfda(kmatrixGauss(iris[-5]), iris[, 5], 4, metric="plain")7 autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species')

注意对 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。
8 # 半监督Fisher局部判别分析 (SELF)9 model <- self(iris[-5], iris[, 5], beta = 0.1, r = 3, metric="plain")10 autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species')

6，时间序列的可视化用 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。
6.1，ts对象
1 library(ggfortify)2 autoplot(AirPassengers)

可以使用 ts.colour 和 ts.linetype 来改变线的颜色和形状。更多的选择请参考 help(autoplot.ts)。
3 autoplot(AirPassengers, ts.colour = 'red', ts.linetype = 'dashed')

6.2，多变量时间序列
4 library(vars)5 data(Canada)6 autoplot(Canada)

使用 facets = FALSE 可以把所有变量画在一条轴上。
7 autoplot(Canada, facets = FALSE)

6.3，其他时间序列 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：
8 library(xts)9 autoplot(as.xts(AirPassengers), ts.colour = 'green')

10 library(timeSeries)11 autoplot(as.timeSeries(AirPassengers), ts.colour = ('dodgerblue3'))

你也可以通过 ts.geom 来改变几何形状，目前支持的有 line， bar 和 point。
12 autoplot(AirPassengers, ts.geom = 'bar', fill = 'blue')

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

6.4，forecast包
14 library(forecast)15 d.arima <- auto.arima(AirPassengers)16 d.forecast <- forecast(d.arima, level = c(95), h = 50)17 autoplot(d.forecast)

有很多设置可供调整：
18 autoplot(d.forecast, ts.colour = 'firebrick1', predict.colour = 'red',predict.linetype = 'dashed', conf.int = FALSE)

6.5，vars包
19 library(vars)20 data(Canada)21 d.vselect <- VARselect(Canada, lag.max = 5, type = 'const')$selection[1]22 d.var <- VAR(Canada, p = d.vselect, type = 'const')23 autoplot(predict(d.var, n.ahead = 50), ts.colour = 'dodgerblue4', predict.colour = 'blue', predict.linetype = 'dashed')

6.6，changepoint包
24 library(changepoint)25 autoplot(cpt.meanvar(AirPassengers))

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

6.7，strucchange包
27 library(strucchange)28 autoplot(breakpoints(Nile ~ 1), ts.colour = 'blue', ts.linetype = 'dashed',cpt.colour = 'dodgerblue3', cpt.linetype = 'solid')

6.8，dlm包
29 library(dlm)30 form <- function(theta){31 dlmModPoly(order = 1, dV = exp(theta[1]), dW = exp(theta[2]))32 }3334 model <- form(dlmMLE(Nile, parm = c(1, 1), form)$par)35 filtered <- dlmFilter(Nile, model)3637 autoplot(filtered)

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

39 smoothed <- dlmSmooth(filtered)40 autoplot(smoothed)

41 p <- autoplot(filtered)42 autoplot(smoothed, ts.colour = 'blue', p = p)

6.9，KFAS包
43 library(KFAS)44 model <- SSModel(45 Nile ~ SSMtrend(degree=1, Q=matrix(NA)), H=matrix(NA)46 )47 48 fit <- fitSSM(model=model, inits=c(log(var(Nile)),log(var(Nile))), method="BFGS")49 smoothed <- KFS(fit$model)50 autoplot(smoothed)