
探索性数据分析
|
31
图 1-11:由于航空公司原因所导致航空延误的百分比的小提琴图
1.8.4
多个变量的可视化
比较两个变量所用的图表类型,例如散点图、六边形图和箱线图,完全可以通过
条件
(
conditioning
)这一概念扩展到多个变量。例如,前面的图
1-8
中显示了房屋面积(单位:
平方英尺)和纳税评估值之间的关系。我们发现,一些房屋的每平方英尺纳税评估值看上
去更高。进一步研究后,图
1-12
根据邮政编码分别绘制了数据,以比较地段对纳税评估
值的影响。从这样的图形中,我们可以更清晰地看到,一些地区(如邮编
98105
和
98126
)
的纳税评估值比其他地区(如邮编
98108
和
98188
)更高。正是这种差异性导致了在图
1-8
中观察到的聚类情况。
我们使用 ggplot2 以及
分组
(
facet
)的概念创建了图
1-12
。分组也被称为
条件变量
,在本
例中就是邮政编码。
ggplot(subset(kc_tax0, ZipCode %in% c(98188, 98105, 98108, 98126)),
aes(x=SqFtTotLiving, y=TaxAssessedValue)) +
stat_binhex(colour="white") +
theme_bw() +
scale_fill_gradient( low="white", high="blue") +
labs(x="Finished Square Feet", y="Tax Assessed Value") +
facet_wrap("ZipCode") ...