知识卡片
单变量图形的选型与读法
单个变量的分布可用一组基础图形表达,选型取决于数据类型与观察目的: | 函数 | 用途 | | plot(data) | 点图,横轴为序号,适合少量数据 | | barplot() | 条形图,展示分类计数 | | dotchart() | 克利夫兰点图,带标签 | | hist() | 直方图,看形状与峰 | | plot(density()) | 密度图,连续化的直方图 | | stem() | 茎叶图,保留原始数值 | | rug() | 在已有图底部加一维分布刻线 | 点图与条形图把离散类别的连续值排开,条形长度即计数;直方图与密度图看偏斜、峰数与尾部。rug() 常叠在密度图下方,每一根短刻线是一个观测,能显示被平滑掩盖的堆积与离群。 读图时回答三个问题:是否单峰(多峰意味着人群里有不同行为模式)、是否严重偏斜(决定要不要取对数)、尾部有没有孤立点(可能是脏数据)。很多建模方法假设正态,这些判断直接决定方法能不能用。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第3章 使用R进行基本数据分析 · 查看原书依据
探索性数据分析的一个标志是通过可视化来表示数据:用数据说话,胜过为数据强加一种先验(a priori)解释。3.2.3节和3.2.4节将讲解展示数据的方式,以帮助解释单个变量的分布或二个及以上变量之间关系。
参考来源
- 位置:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第3章 使用R进行基本数据分析(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0013_split_002.html)
- 结论依据:3.2.3 节表 3.4 列出 plot、barplot、dotchart、hist、density、stem、rug 七类单变量图形及其用途,并示范 dotchart 与 barplot。
- 原始内容:探索性数据分析的一个标志是通过可视化来表示数据:用数据说话,胜过为数据强加一种先验(a priori)解释。3.2.3节和3.2.4节将讲解展示数据的方式,以帮助解释单个变量的分布或二个及以上变量之间关系。