R语言做单变量可视化分析

笔者邀请您，先思考：

1 什么是单变量可视化分析？

2 单变量的常用可视化图形有哪些？适合在什么场景下应用

（需要内推数据工作，请加微信：luqin360）

单变量可视化分析，研究数据点或者样本集中单个连续变量或者离散变量的分布情况，通过可视化的工具来做探索性分析。

一 柱状图

代码：

# R包
library(mlbench)
library(tidyverse)

# 数据集
data("BreastCancer")

# 数据集检视
glimpse(BreastCancer)
BreastCancer %>% 
  head %>% 
  View

# 第2个变量到第9个变量的分布图
par(mfrow=c(2,4))
for(i in 2:9){
  counts <- table(BreastCancer[,i])
  name <- names(BreastCancer)[i]
  barplot(counts, main = name)
}

结果：

二 盒箱图

代码：

# 数据集
data(iris)
# 变量1到变量4的盒箱图
par(mfrow=c(1,4))
for(i in 1:4) {
  boxplot(iris[,i], main=names(iris)[i])
}

结果：

三 直方图

代码：

# 数据集
data(iris)
# 变量1到变量4的直方图
par(mfrow=c(1,4))
for(i in 1:4) {
  hist(iris[,i], main=names(iris)[i])
}

结果：

四 核密度曲线图

代码：

# R包
library(lattice)
# 数据集
data(iris)
# 变量1到变量4的核密度曲线图
par(mfrow=c(1,4))
for(i in 1:4){
  plot(density(iris[,i]), main = names(iris)[i])
}

结果：

五 变量集缺失值可视化

代码：

# R包
library(Amelia)
library(mlbench)

# 数据集
data("Soybean")
# 变量集缺失值可视化
missmap(Soybean, col = c("black", "grey"), legend = FALSE)

结论：

公众号推荐：数据人才（ID：datarencai）

（一个帮助数据人才找工作的公众号，

也分享数据人才学习和生活的有趣事情。）

内容推荐