ggfortify 是一个简单易用的r软件包，它可以仅仅使用一行代码来对许多受欢迎的r软件包结果进行二维可视化，这让统计学家以及数据科学家省去了许多繁琐和重复的过程，不用对结果进行任何处理就能以 ggplot 的风格画出好看的图，大大地提高了工作的效率。
ggfortify 已经可以在 cran 上下载得到，但是由于最近很多的功能都还在快速增加，因此还是推荐大家从 github 上下载和安装。
接下来我将简单介绍一下怎么用 ggplot2 和 ggfortify 来很快地对pca、聚类以及lfda的结果进行可视化，然后将简单介绍用 ggfortify 来对时间序列进行快速可视化的方法。
pca (主成分分析)
ggfortify 使 ggplot2 知道怎么诠释pca对象。加载好 ggfortify 包之后, 你可以对stats::prcomp 和 stats::princomp 对象使用 ggplot2::autoplot。
你还可以选择数据中的一列来给画出的点按类别自动分颜色。输入help(autoplot.prcomp) 可以了解到更多的其他选择。
比如说给定label = true 可以给每个点加上标识（以rownames为标准），也可以调整标识的大小。
给定 shape = false 可以让所有的点消失，只留下标识，这样可以让图更清晰，辨识度更大。
给定 loadings = true 可以很快地画出特征向量。
同样的，你也可以显示特征向量的标识以及调整他们的大小，更多选择请参考帮助文件。
因子分析
和pca类似，ggfortify 也支持 stats::factanal 对象。可调的选择也很广泛。以下给出了简单的例子：
注意 当你使用 factanal 来计算分数的话，你必须给定 scores 的值。
k-均值聚类
其他聚类
ggfortify 也支持 cluster::clara, cluster::fanny, cluster::pam。
给定 frame = true，可以把 stats::kmeans 和 cluster::* 中的每个类圈出来。
你也可以通过 frame.type 来选择圈的类型。更多选择请参照 ggplot2::stat_ellipse 里面的 frame.type 的 type 关键词。
更多关于聚类方面的可视化请参考 github 上的 vignette 或者 rpubs 上的例子。
lfda（fisher局部判别分析）
lfda 包支持一系列的 fisher 局部判别分析方法，包括半监督 lfda，非线性 lfda。你也可以使用 ggfortify 来对他们的结果进行可视化。
注意 对 iris 数据来说，不同的类之间的关系很显然不是简单的线性，这种情况下非线性的klfda 影响可能太强大而影响了可视化的效果，在使用前请充分理解每个算法的意义以及效果。
用 ggfortify 可以使时间序列的可视化变得极其简单。接下来我将给出一些简单的例子。
可以使用 ts.colour 和 ts.linetype 来改变线的颜色和形状。更多的选择请参考 help(autoplot.ts)。
使用 facets = false 可以把所有变量画在一条轴上。
autoplot 也可以理解其他的时间序列类别。可支持的r包有：
zoo::zooreg
xts::xts
timeseries::timseries
tseries::irts
一些例子：
你也可以通过 ts.geom 来改变几何形状，目前支持的有 line， bar 和 point。
forecast包
有很多设置可供调整：
vars包
使用 smoothing='none' 可以画出过滤后的结果。
可支持的stats包里的对象有：
stl, decomposed.ts
acf, pacf, ccf
spec.ar, spec.pgram
cpgram
原文发布时间为：2015-12-12
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“bigdatadigest”微信公众号