知识卡片

普通读书笔记卡 · 9747.o · 生成模型:DeepSeek-V4.1-Flash

蜂巢图应对数据重叠

理解等级:中级

数据量大到百万级时,散点图的点会互相覆盖,画出来是一团墨迹,看不出密度分布。蜂巢图把平面划成六边形网格,统计每格内的点数,用颜色深浅表示计数,等于把散点图的位置编码与直方图的分箱计数结合起来,用颜色作为第三维,正好解决重叠。 家庭收入对数与受教育年限的例子中,散点图只能看出“有某种线性关系”,看不出数据堆在哪里;蜂巢图显示数据集中在一条穿过聚类中心的回归线附近,受教育年限 12 年左右最密,12 到 15 年也很多。 两个细节:颜色映射前常对计数做平方根变换,否则极少数超密格子会吃掉整个色阶的动态范围;type 参数里的 g 加网格、r 加回归线。蜂巢图也会暴露脏数据,图中 MeanEducation=0 的点就是可疑的缺失编码。代价是分箱边界会影响形状,且看不到单个点。

这张卡片看不懂?

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

    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 节说明散点图在大数据下严重重叠,蜂巢图用六边形分箱、颜色表示计数,并指出 sqrt 变换扩大色阶动态范围及 MeanEducation=0 的异常。 - 原始内容:蜂巢图结合了散点图和直方图的理念。与散点图类似,它利用X轴和Y轴可视化数据。数据被放置到蜂巢中,并使用阴影作为第三维度来表示最后在每个蜂巢中的数据浓度。