506 gooseeker集搜客

一行R代碼實現數據分析可視化

本文摘自：大數據文摘
作者簡介：唐源，目前就職於芝加哥一家創業公司，曾參與和創作過多個被廣泛使用的 R 和 Python 開源項目，是 ggfortify，lfda，metric-learn 等包的作者，也是 xgboost，caret，pandas 等包的貢獻者。（喜歡爬山和燒烤）
ggfortify 是一個簡單易用的R軟件包，它可以僅僅使用一行代碼來對許多受歡迎的R軟件包結果進行二維可視化，這讓統計學家以及數據科學家省去了許多繁瑣和重複的過程，不用對結果進行任何處理就能以 ggplot 的風格畫出好看的圖，大大地提高了工作的效率。
ggfortify 已經可以在 CRAN 上下載得到，但是由於最近很多的功能都還在快速增加，因此還是推薦大家從 Github 上下載和安裝。
1 library(devtools)2 install_github('sinhrks/ggfortify')3 library(ggfortify)
接下來我將簡單介紹一下怎麼用 ggplot2 和 ggfortify 來很快地對PCA、聚類以及LFDA的結果進行可視化，然後將簡單介紹用 ggfortify 來對時間序列進行快速可視化的方法。
1，PCA (主成分分析) ggfortify 使 ggplot2 知道怎麼詮釋PCA對象。加載好 ggfortify 包之後, 你可以對stats::prcomp 和 stats::princomp 對象使用 ggplot2::autoplot。
1 library(ggfortify)2 df <- iris[c(1, 2, 3, 4)]3 autoplot(prcomp(df))

你還可以選擇數據中的一列來給畫出的點按類別自動分顏色。輸入help(autoplot.prcomp) 可以了解到更多的其他選擇。
4 autoplot(prcomp(df), data = iris, colour = 'Species')

比如說給定label = TRUE 可以給每個點加上標識（以rownames為標準），也可以調整標識的大小。
5 autoplot(prcomp(df), data = iris, colour = 'Species', label = TRUE,label.size = 3)

給定 shape = FALSE 可以讓所有的點消失，隻留下標識，這樣可以讓圖更清晰，辨識度更大。
6 autoplot(prcomp(df), data = iris, colour = 'Species', shape = FALSE, label.size = 3)

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

同樣的，你也可以顯示特征向量的標識以及調整他們的大小，更多選擇請參考幫助文件。
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類似，ggfortify 也支持 stats::factanal 對象。可調的選擇也很廣泛。以下給出了簡單的例子： 注意當你使用 factanal 來計算分數的話，你必須給定 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-均值聚類
1 autoplot(kmeans(USArrests, 3), data = USArrests)

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

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

給定 frame = TRUE，可以把 stats::kmeans 和 cluster::* 中的每個類圈出來。
3 autoplot(fanny(iris[-5], 3), frame = TRUE)

你也可以通過 frame.type 來選擇圈的類型。更多選擇請參照 ggplot2::stat_ellipse 裏麵的 frame.type 的 type 關鍵詞。
4 autoplot(pam(iris[-5], 3), frame = TRUE, frame.type = 'norm')

更多關於聚類方麵的可視化請參考 Github 上的 Vignette 或者 Rpubs 上的例子。
5，lfda（Fisher局部判別分析） lfda 包支持一係列的 Fisher 局部判別分析方法，包括半監督 lfda，非線性 lfda。你也可以使用 ggfortify 來對他們的結果進行可視化。
1 library(lfda)2 # Fisher局部判別分析 (LFDA)3 model <- lfda(iris[-5], iris[, 5], 4, metric="plain")4 autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species')

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

注意對 iris 數據來說，不同的類之間的關係很顯然不是簡單的線性，這種情況下非線性的klfda 影響可能太強大而影響了可視化的效果，在使用前請充分理解每個算法的意義以及效果。
8 # 半監督Fisher局部判別分析 (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，時間序列的可視化用 ggfortify 可以使時間序列的可視化變得極其簡單。接下來我將給出一些簡單的例子。
6.1，ts對象
1 library(ggfortify)2 autoplot(AirPassengers)

可以使用 ts.colour 和 ts.linetype 來改變線的顏色和形狀。更多的選擇請參考 help(autoplot.ts)。
3 autoplot(AirPassengers, ts.colour = 'red', ts.linetype = 'dashed')

6.2，多變量時間序列
4 library(vars)5 data(Canada)6 autoplot(Canada)

使用 facets = FALSE 可以把所有變量畫在一條軸上。
7 autoplot(Canada, facets = FALSE)

6.3，其他時間序列 autoplot 也可以理解其他的時間序列類別。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'))

你也可以通過 ts.geom 來改變幾何形狀，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)

有很多設置可供調整：
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)