一行R代码来实现繁琐的可视化.pdfVIP

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。 library(devtools) install_github (sinhrks/ggfortify) 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。 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 。 library(ggfortify) df - iris[c (1, 2, 3, 4)] 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。 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。 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。 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。 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。 autoplot (prcomp (df), data = iris, colour = Species, loadings = TRUE, loadings.colour = blue, loadings.label = TRUE, loadings.label.size = 3) 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。 d.factanal - factanal(state.x77, factors = 3, scores = regression) autoplot (d.factanal, data = state.x77, colour = Income) autoplot (d.factanal, label = TRUE, label.size = 3, loadings = TRUE, loadings.label = TRUE, loadings.label.size = 3) K-均值聚类 autoplot (kmeans(USArrests, 3), data = USArrests) autoplot (kmeans(USArrests, 3), data = USArrests, label = TRUE, label.size = 3) 其他聚类 ggfortify 也支持cluster::clara, cluster::fanny, cluster::pam 。 library(cluster) autoplot (clara (iris[-5], 3)) 给定frame = TRUE ，可以把stats::kmeans 和cluster::* 中的每个类圈出来。 autopl