讓我們快速浏覽一下這張圖表：
這張可視化資料圖（最初用tableau軟體建立 ）是如何利用資料可視化來幫助決策者的一個很好的例子。想象一下，如果這些資訊通過表格來告訴投資者，你認為你會花多長時間來向他解釋？
如今的世界裡，随着資料量的不斷增長，很難不用可視化的形式來呈現你資料裡的全部資訊。雖然有專門的工具，如tableau, qlikview 和 d3.js，但沒有任何東西能代替有很好可視化能力的模組化/統計工具。尤其是它有助于做若幹探索性資料分析和特征化工程。這就是r語言，它提供了令人難以置信的幫助。
r語言提供了令人滿意的一套内置函數和庫（如 ggplot2, leaflet, lattice）用來建立可視化效果以呈現資料。在本文中，我已經涉及了用r語言程式設計來建立既常見又先進的可視化效果的步驟。但是，在介紹那些之前，讓我們快速浏覽一下資料可視化簡史。如果您對曆史不感興趣，沒問題，您可以跳到下一節。
資料可視化簡史
從曆史來看，資料可視化的進化已經被著名的從業者在工作中完成了。威廉.普萊菲(william playfair)是統計圖形化方法的創始人。威廉.普萊菲發明了四種類型的圖表：線圖、經濟學資料的柱狀圖、餅狀圖和圓圖。約瑟夫·普裡斯特利(joseph priestly)建立了第一個劃時代的時間線圖，其中的每一個柱形是用來顯示一個人的壽命（1765）。沒錯，時間線圖被發明于250年前，而不是facebook發明的！
最著名的早期可視化資料是由charles minard所描繪的napoleon’s march（俄法戰争）。可視化資料中包含了随着時間的變化，氣溫對拿破侖入侵俄國産生廣泛影響的資訊。在圖形中，值得注意的是，在二個次元上的六種類型資料，分别表示：拿破侖軍隊的數量，距離，溫度，緯度和經度，行軍方向和跟特定日期有關的位置。
弗洛倫斯·南丁格爾（florence nightangle）也是資料可視化的先驅。她用資料圖表的方式描述了疾病對軍隊的死亡率的影響（1858）。瓊恩·雪諾（john snow）（不是《權力的遊戲》裡的人物）是把地圖用在圖表和空間分析的先驅。在1854年的倫敦，用這地圖發現了霍亂疫情的源頭與公共水泵有關，資訊圖幫助精确定位爆發源到某一個泵的位置。
用r語言進行資料可視化
在這篇文章中，我們将建立以下可視化效果：
基本可視化效果
1. 直方圖
2. 條形圖/線型圖
3. 箱式圖
4. 散點圖
進階可視化效果
1. 熱點圖
2. 影像鑲嵌圖
3. 地圖可視化
4. 3維圖
5. 相關圖
r語言 小竅門：
histdata軟體包提供了一個小資料集，它很有趣并且在統計和資料可視化的曆史上很重要。
便簽：
基本圖形可以很容易地用r語言進行建立。繪圖(plot)指令是要關注的指令。
2. 它的參數有x軸資料、y軸資料、x軸标簽、y軸标簽、顔色和标題。要建立線圖，隻需簡單地使用參數，類型選擇為l。
3. 如果你想要箱式圖，你可以選用箱式圖(boxplot)，要條形圖就用條形圖函數。
1.直方圖
基本上，直方圖是将資料分解為一個個的小格子（或間隔），并顯示它們的頻率分布。您可以更改間隔，看看這樣做對資料可視化可了解性的影響。
給您舉個例子。
注意：我們使用的par(mfrow=c(2,5))指令，為的是清晰地把多個圖放在同一頁上（參看下面的代碼）。
library(rcolorbrewer)
data(vadeaths)
par(mfrow=c(2,3))
hist(vadeaths,breaks=10, col=brewer.pal(3,"set3"),main="set3 3 colors")
hist(vadeaths,breaks=3 ,col=brewer.pal(3,"set2"),main="set2 3 colors")
hist(vadeaths,breaks=7, col=brewer.pal(3,"set1"),main="set1 3 colors")
hist(vadeaths,,breaks= 2, col=brewer.pal(8,"set3"),main="set3 8 colors")
hist(vadeaths,col=brewer.pal(8,"greys"),main="greys 8 colors")
hist(vadeaths,col=brewer.pal(8,"greens"),main="greens 8 colors")
請注意，如果間隔數少于被指定的顔色數，顔色會變成極值，如上圖中的“set3 8 colors”圖。如果間隔數目超過了顔色的數目，則顔色會開始像在第一行中一樣地重複出現。
2.條形圖/線型圖
線型圖
下面的折線圖顯示了在給定時間内飛機乘客數的增長情況。折線圖通常是分析一段時間内延伸趨勢的首選。此外，當我們需要比較數量随着某種變量（例如時間）的相對變化時，線型圖也是适用的。下面是代碼：
plot(airpassengers,type="l") #simple line plot
條形圖
條形圖适用于顯示跨幾個組别的累計彙總之間的比較。層疊圖用于跨類别的條形圖。下面是代碼：
barplot(iris$petal.length) #creating simple bar graph
barplot(iris$sepal.length,col = brewer.pal(3,"set1"))
barplot(table(iris$species,iris$sepal.length),col = brewer.pal(3,"set1")) #stacked plot
箱式圖顯示5個有統計學意義的數字，分别是最小數、第一四分數位、中位數、第三四分位數和最大數。是以，它在資料延伸的可視化上非常有用，還能得出相應的推論。下面是簡單的代碼：
boxplot(iris$petal.length~iris$species) #creating box plot between two variable
讓我們來了解下面的代碼：
在下面的例子中，我在螢幕上顯示了4個圖。通過使用~符号，我可以将（萼片的長度）的伸展是如何跨各種類别（的物種）進行可視化。我在最後的兩個圖中示範了調色闆。調色闆是一組顔色，用來使圖示更有吸引力，而且能幫助在資料中建立醒目的差別。
data(iris)
par(mfrow=c(2,2))
boxplot(iris$sepal.length,col="red")
boxplot(iris$sepal.length~iris$species,col="red")
oxplot(iris$sepal.length~iris$species,col=heat.colors(3))
boxplot(iris$sepal.length~iris$species,col=topo.colors(3))
4. 散點圖（包括3d等功能）
散點圖有助于輕松地把資料可視化和進行簡單的資料檢查。這裡有簡單散點圖和多元散點圖的代碼：
plot(x=iris$petal.length) #simple scatter plot
plot(x=iris$petal.length,y=iris$species) #multivariate scatter plot
散點圖矩陣可以幫助将彼此交叉的多個變量可視化。
plot(iris,col=brewer.pal(3,"set1"))
您可能會想，我還沒有把餅圖清單成基本圖形。這不是失誤，而是我故意這麼做的。這是因為，資料可視化專業人員不贊成使用餅圖來表示資料。因為人的眼睛不能像目測線性距離那樣精确地目測出圓的距離。隻需要簡單地把任何可用餅圖表示的東西都用線圖表示。但是，如果你喜歡餅圖，可使用：
pie(table(iris$species))
到這裡為止，我們已經學過的所有圖表清單如下：
您可能已經注意到，在一些圖表中，他們的标題已被截斷，因為我把太多圖表放在同一個螢幕上。要改變這一點，你隻需要改變par函數的‘mfrow’參數。
原文釋出時間為：2015-07-20
本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号