R-ggplot2
ggplot2是R語言最為強(qiáng)大的作圖軟件包，強(qiáng)于其自成一派的數(shù)據(jù)可視化理念。當(dāng)熟悉了ggplot2的基本套路后，數(shù)據(jù)可視化工作將變得非常輕松而有條理。
技術(shù)相關(guān)
核心理念1. 將數(shù)據(jù)，數(shù)據(jù)相關(guān)繪圖，數(shù)據(jù)無關(guān)繪圖分離
這點可以說是ggplot2最為吸引人的一點。眾所周知，數(shù)據(jù)可視化就是將我們從數(shù)據(jù)中探索的信息與圖形要素對應(yīng)起來的過程。
ggplot2將數(shù)據(jù)，數(shù)據(jù)到圖形要素的映射，以及和數(shù)據(jù)無關(guān)的圖形要素繪制分離，有點類似java的MVC框架思想。這讓ggplot2的使用者能清楚分明的感受到一張數(shù)據(jù)分析圖真正的組成部分，有針對性的進(jìn)行開發(fā)，調(diào)整。
2. 圖層式的開發(fā)邏輯
在ggplot2中，圖形的繪制是一個個圖層添加上去的。舉個例子來說，我們首先決定探索一下身高與體重之間的關(guān)系；然后畫了一個簡單的散點圖；然后決定最好區(qū)分性別，圖中點的色彩對應(yīng)于不同的性別；然后決定最好區(qū)分地區(qū)，拆成東中西三幅小圖；最后決定加入回歸直線，直觀地看出趨勢。這是一個層層推進(jìn)的結(jié)構(gòu)過程，在每一個推進(jìn)中，都有額外的信息被加入進(jìn)來。在使用ggplot2的過程中，上述的每一步都是一個圖層，并能夠疊加到上一步并可視化展示出來。
3. 各種圖形要素的自由組合
由于ggplot2的圖層式開發(fā)邏輯，我們可以自由組合各種圖形要素，充分自由發(fā)揮想象力
基本開發(fā)步驟
1. 初始化 – ggplot()
這一步需要設(shè)定的是圖的x軸，y軸和”美學(xué)特征”。基本形式如下：
p <- ggplot(data = , aes(x = , y = ))
這一步里，設(shè)置x軸和設(shè)置y軸很好理解。那么”美學(xué)特征”又是什么呢？
舉個例子來說，下面這張散點圖里，x軸表示年齡，y軸表示身高，很好理解：
但這張圖除了展示年齡和身高的關(guān)系，還展示出每個樣本點的體重：顏色越深表示體重越大。因此體重信息和年齡身高一樣，也需要綁定到一個具體的列。這一列就是散點圖中的”美學(xué)特征”。
來看看R語言繪制代碼：
ggplot(heightweight, aes(x=ageYear, y=heightIn, colour=weightLb))+geom_point()
其中的colour參數(shù)就是該圖的”美學(xué)特征”。
再比如，下面這張柱狀圖中，x軸表示日期，y軸表示權(quán)重，很好理解：
但這張圖中每個日期對應(yīng)了兩個不同的權(quán)重并采用兩個柱狀來對比，那么這個劃分依據(jù)也是另一個“美學(xué)特征”。
再看看繪制代碼：
ggplot(cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar))+geom_bar(position="dodge", stat="identity")
其中的fill參數(shù)就是該圖的”美學(xué)特征”。
綜上所述，圖中的每個樣本點除了通過它的坐標(biāo)位置，還可以以其他形式展示信息，比如大小，色深，分組等。而這些新形式需要綁定的列，便叫做”美學(xué)特征”。
“美學(xué)特征”的形式和x，y軸一樣是以列的形式給出，且列中元素個數(shù)和x，y軸列必然相等。它的設(shè)置也和x，y軸一樣在ggplot()函數(shù)的aes參數(shù)括號內(nèi)進(jìn)行。
2. 繪制圖層 – geom_bar()/geom_line()等等
上一步的主要工作是為數(shù)據(jù)可視化配置好了數(shù)據(jù)，接下來便可根據(jù)業(yè)務(wù)的需要來繪制不同的圖，如折線圖/柱狀圖/散點圖等等。具體的實現(xiàn)方法在后面的章節(jié)中會細(xì)致講解，這里重點提一下繪圖函數(shù)里的stat參數(shù)。這個參數(shù)是對沖突樣本點做統(tǒng)計，該參數(shù)默認(rèn)為identity，表示保留樣本點原(y)值，還可以是sum，表示對出現(xiàn)在這點的(y)值進(jìn)行求和等等。
3. 調(diào)整數(shù)據(jù)相關(guān)圖形元素 – scale系列函數(shù)、某些專有函數(shù)
在ggplot2中，scale標(biāo)尺機(jī)制專門負(fù)責(zé)完成數(shù)據(jù)到圖像元素的映射。也許你會問，”美學(xué)特征”不是已經(jīng)定義好了這個映射嗎？然而事實是”美學(xué)特征”只是選定了映射前的數(shù)據(jù)，并沒有說明具體映射到什么圖形元素。
舉個例子，假如某張表記錄了不同種類水池的長，寬，深信息。現(xiàn)在需要繪制不同種類下水池長和寬關(guān)系的柱狀圖，那么初始化完成的是這個映射：
而scale函數(shù)完成的是這個映射：
顯然a映射為了紅色，b映射為了藍(lán)色。
也許你還會問，我的代碼不用scale，那么映射是如何完成的呢？答曰系統(tǒng)有默認(rèn)映射的，就像繪圖函數(shù)都有默認(rèn)參數(shù)stat=identity這樣。
4. 調(diào)整數(shù)據(jù)無關(guān)圖形元素 – theme()、某些專有函數(shù)
這部分包括設(shè)置圖片標(biāo)題格式，文字字體這類和數(shù)據(jù)本身無關(guān)的圖像元素。只需調(diào)用theme()函數(shù)或者某些專有函數(shù)(如annovate函數(shù)可為圖片添加注釋)便可實現(xiàn)。
一個圖層繪制好后便可觀察調(diào)整，然后開始下一個圖層的制作，直到整幅圖繪制完畢。
R語言可視化成品圖
說到工具，順帶提一下BI工具---FineBIFineBI是為大數(shù)據(jù)量提供數(shù)據(jù)處理、ETL、Dashboard報表展示、動態(tài)分析、報表管理的可視化分析工具。優(yōu)勢是：
前端可視化簡單操作（小試牛刀）：1.新建分析新建分析包括兩種類型的分析：普通即時分析和實時報表。普通即時分析：是指普通的分析模板，從cube中獲取數(shù)據(jù)，進(jìn)行數(shù)據(jù)分析；實時報表：是指做出來的即時分析模板，可以對數(shù)據(jù)進(jìn)行實時查看，保證數(shù)據(jù)的準(zhǔn)確性報表創(chuàng)建完成之后，頁面進(jìn)入數(shù)據(jù)分析設(shè)計界面，選擇組件布局為自由布局，如下圖：添加組件制作匯總表制作圖表組件布局：自適應(yīng)布局&自由布局自適應(yīng)布局，自動調(diào)節(jié)布局自由布局，自由選擇布局