知识卡片
散点图的五个视觉通道
散点图用位置编码数值:X 轴、Y 轴、点的大小、颜色、形状,一共五个通道,理论上可同时表示五个变量。但通道越多越难读,实践中一般只用 2 到 4 个,超出就会混乱。颜色最常用于分类(气缸数、切工等级),大小适合表示量级,形状适合少量类别。 读散点图先看形状:若函数关系明显,点会排成直线、抛物线或指数曲线。若 Y 与 X 呈指数关系,则 X 与 log(Y) 近似线性,这给了把非线性问题转成线性问题的一条捷径。若点云毫无结构,多半只有弱关联,甚至没有关联。 形状明显弯曲时不要硬套线性回归。图中红线是 lm() 的拟合直线,明显偏离数据;用 loess() 做局部加权回归得到的蓝线更贴合。两者回答的问题不同:线性回归给斜率,可解释、可外推;LOESS 只给局部趋势,灵活但不出系数。
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
散点图可以使用X轴、Y轴、大小、颜色和形状代表数据的5种变量,但是一般情况下散点图中只使用2到4种变量来描绘数据,以免造成混乱。
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:3.2.4 节指出散点图可用轴、大小、颜色、形状表示五种变量但通常只用 2 到 4 种,并说明指数关系取对数后近似线性、loess 拟合优于线性回归。
- 原始内容:散点图可以使用X轴、Y轴、大小、颜色和形状代表数据的5种变量,但是一般情况下散点图中只使用2到4种变量来描绘数据,以免造成混乱。