共计 2454 个字符，预计需要花费 7 分钟才能阅读完成。
原文链接：http://tecdat.cn/?p=23490
本文介绍了冲积 / 桑基图，以及
- 定义了命名计划和冲积 / 桑基图的根本组成部分（轴、冲积层、流）。
- 形容了所辨认的冲积 / 桑基图数据结构。
- 展现了一些风行的主题。
冲积 / 桑基图
这里有一个典型的冲积 / 桑基图。
当初，咱们以该图像为参考点，定义典型冲积图的以下元素。
- 轴是一个维度（变量），数据沿着这个维度在一个固定的程度地位被垂直分组。下面的图应用了三个分类轴。船舱等级、性别和年龄。
- 每个轴上的组被形容为不通明的块，称为类别。例如，类别轴蕴含四个等级的舱：一等舱、二等舱、三等舱和船员。
- 程度样条被称为冲积流，横跨该图。在该图中，每个冲积层对应于每个轴变量的一个固定值，由其在轴上的垂直地位示意，由其填充色彩示意。
- 相邻轴对之间的冲积段是流动的。
- 冲积与层相交的节点。节点在下面的图中并不直观，但能够推断为填充的矩形，它将层中的流延长到图的两端，或者将核心层两边的流连接起来。
正如下一节中的例子所示，这些元素中哪些被纳入冲积图，取决于根底数据的构造和创建者心愿图中传播的内容。
冲积 / 桑基图数据
辨认两种格局的 “ 冲积 / 桑基图数据 ”，它们基本上对应于分类反复测量数据的 “ 宽 “ 和 “ 长 “ 格局。第三种，表格（或数组）模式，风行于存储具备多个分类维度的数据，如泰坦尼克号幸存数据和大学录取状况数据集。
（宽）格局数据
宽格局数据每一行都对应于在每个变量上取一个特定值的察看队列，每个变量都有本人的列。另外一列蕴含了每一行的数量，如队列中的察看单元数，可用于管制层的高度。基本上，宽格局由每一冲积层的一行组成。这是根底函数 as.data.frame() 转换频率表的格局，例如 3 维的大学录取状况数据集。
head(as.data.frame(UCBAdmissions), n = 12)
这种格局：用户申明数量的轴变量，辨认并解决。
``````
plot(pltdat1,
aes(y = Freq)) +
strat(width = 1/12) +
geom_label(stat = "stratum")) +
ggtitle("大学录取和回绝状况，按性别和系别分列")+theme_bw()
这些图的一个重要特色是纵轴的意义。各层之间没有插入空隙，所以图的总高度反映了观测值的累积数量。
``````
plot((Titanic),stratumwidth = 1/8, reverse = FALSE ,stat = "stratum", aes(label = after_stat(stratum)), labels = c("幸存", "性别", "船舱等级")) +
title("按等级和性别划分的泰坦尼克号幸存情况")+theme_bw()
这种格局和性能对很多利用都很有用。
- axis[0-9]* 示意地位。
- 由 stat_stratum() 产生的分层变量。
- 横轴反映辨认该轴的隐含分类变量。
此外，像填充这样的格局美学对于每个冲积图来说都是固定的；例如，它们不能依据每个轴的取值而在轴之间变动。这意味着，只管它们能够重现平行集的分支树结构，但这种格局和性能不能产生具备这里（” 冲积图 ”）和这里（” 管制色彩 ”）特色的色彩计划的冲积图，它们在每个轴上都被 “ 重置 ”。
（长）格局
长格局蕴含了每一节的一行，变成一个键值对，编码轴为键，层为值的列。这种格局须要一个额定的索引列，将对应于一个独特队列的行连接起来，即一个冲积层的结点。
在宽格局（alluvia）和长格局（lodes）之间转换数据的函数包含几个参数。
同样的 stat 和 geom 能够应用一套不同的地位美学来接管这种格局的数据。
x，示意该行所对应的轴的 "键" 变量，要沿横轴排列。层，由 x 示意的轴变量的 "值"；以及冲积层，连贯单个冲积层的行的索引计划。
难民数据分析
在这些状况下，分层没有蕴含比冲积层更多的信息，因而通常不会被绘制。作为一个例子，咱们能够将难民数据集中的国家按地区分组，以比拟不同规模的难民数量。
qplot(data = Refug,x = year, y = refugees,
alluvium = country,fill = country,
colour = country)
该格局容许咱们指定沿同一冲积层的不同轴线变动的美学，对反复测量数据集很有用。须要为每个冲积物生成一个独自的图形对象。
学术课程剖析
上面的图表应用了一组学生在几个学期内的学术课程的（变动）。在所有学期中跟踪每个学生。
ggplot(majos,flow = "alluvium", lode = "frontback",legend.position = "bottom")
分层高度 y 没有被指定，所以每一行都被赋予单位高度。这个例子展现了解决缺失数据的一种形式。缺失数据的解决（特地是层的程序）也取决于层变量是字符还是因子 / 数字的。
最初，咱们提供了汇总相邻轴之间流量的选项。咱们能够在流感疫苗考察的数据上演示这个选项。
qplot(vaccina,x = survey, stratum = response, alluvium = subject,
y = freq, stat = "stratum", size = 3)
这张图疏忽了轴之间流动的连续性。这种 “ 无记忆 “ 图产生了一个不那么芜杂的图，其中最多只有一个流量从一个轴上的每个层到下一个轴上的每个层。
最受欢迎的见解
1.R 语言动态图可视化：如何、创立具备精美动画的图
2.R 语言生存剖析可视化剖析
3.Python 数据可视化 -seaborn Iris 鸢尾花数据
4.r 语言对布丰投针（蒲丰投针）试验进行模仿和动静
5.R 语言生存剖析数据分析可视化案例
6.r 语言数据可视化剖析案例：摸索 brfss 数据数据分析
7.R 语言动静可视化：制作历史寰球平均温度的累积动静折线图动画 gif 视频图
8.R 语言高维数据的主成分 pca、t-SNE 算法降维与可视化剖析案例报告
9.python 主题 LDA 建模和 t -SNE 可视化
