本文摘自：大数据文摘 作者简介： 唐源，目前就职于芝加哥一家创业公司，曾参与和创作过多个被广泛使用的 R 和 Python 开源项目，是 ggfortify，lfda，metric-learn 等包的作者，也是 xgboost，caret，pandas 等包的贡献者。（喜欢爬山和烧烤 ） 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。 1 library(devtools) 2 install_github('sinhrks/ggfortify') 3 library(ggfortify) 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。 1，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。 1 library(ggfortify) 2 df <- iris[c(1, 2, 3, 4)] 3 autoplot(prcomp(df))
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。 4 autoplot(prcomp(df), data = iris, colour = 'Species')
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。 5 autoplot(prcomp(df), data = iris, colour = 'Species', label = TRUE,label.size = 3)
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。 6 autoplot(prcomp(df), data = iris, colour = 'Species', shape = FALSE, label.size = 3)
给定 loadings = TRUE 可以很快地画出特征向量。 7 autoplot(prcomp(df), data = iris, colour = 'Species', loadings = TRUE)
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。 8 autoplot(prcomp(df), data = iris, colour = 'Species',loadings = TRUE, loadings.colour = 'blue',loadings.label = TRUE, loadings.label.size = 3)
2，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。 1 d.factanal <- factanal(state.x77, factors = 3, scores = 'regression') 2 autoplot(d.factanal, data = state.x77, colour = 'Income')
3 autoplot(d.factanal, label = TRUE, label.size = 3,loadings = TRUE, loadings.label = TRUE, loadings.label.size = 3)
3，K-均值聚类 1 autoplot(kmeans(USArrests, 3), data = USArrests)
2 autoplot(kmeans(USArrests, 3), data = USArrests, label = TRUE, label.size = 3)
4，其他聚类 ggfortify 也支持 cluster::clara, cluster::fanny, cluster::pam。 1 library(cluster) 2 autoplot(clara(iris[-5], 3))
给定 frame = TRUE，可以把 stats::kmeans 和 cluster::* 中的每个类圈出来。 3 autoplot(fanny(iris[-5], 3), frame = TRUE)
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。 4 autoplot(pam(iris[-5], 3), frame = TRUE, frame.type = 'norm')
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。 5，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。 1 library(lfda) 2 # Fisher局部判别分析 (LFDA) 3 model <- lfda(iris[-5], iris[, 5], 4, metric="plain") 4 autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species')
5 # 非线性核Fisher局部判别分析 (KLFDA) 6 model <- klfda(kmatrixGauss(iris[-5]), iris[, 5], 4, metric="plain") 7 autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species')
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。 8 # 半监督Fisher局部判别分析 (SELF) 9 model <- self(iris[-5], iris[, 5], beta = 0.1, r = 3, metric="plain") 10 autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species')
6，时间序列的可视化 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。 6.1，ts对象 1 library(ggfortify) 2 autoplot(AirPassengers)
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)。 3 autoplot(AirPassengers, ts.colour = 'red', ts.linetype = 'dashed')
6.2，多变量时间序列 4 library(vars) 5 data(Canada) 6 autoplot(Canada)
使用 facets = FALSE 可以把所有变量画在一条轴上。 7 autoplot(Canada, facets = FALSE)
6.3，其他时间序列 autoplot 也可以理解其他的时间序列类别。可支持的R包有：
一些例子： 8 library(xts) 9 autoplot(as.xts(AirPassengers), ts.colour = 'green')
10 library(timeSeries) 11 autoplot(as.timeSeries(AirPassengers), ts.colour = ('dodgerblue3'))
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。 12 autoplot(AirPassengers, ts.geom = 'bar', fill = 'blue')
13 autoplot(AirPassengers, ts.geom = 'point', shape = 3)
6.4，forecast包 14 library(forecast) 15 d.arima <- auto.arima(AirPassengers) 16 d.forecast <- forecast(d.arima, level = c(95), h = 50) 17 autoplot(d.forecast)
有很多设置可供调整： 18 autoplot(d.forecast, ts.colour = 'firebrick1', predict.colour = 'red',predict.linetype = 'dashed', conf.int = FALSE)
6.5，vars包 19 library(vars) 20 data(Canada) 21 d.vselect <- VARselect(Canada, lag.max = 5, type = 'const')$selection[1] 22 d.var <- VAR(Canada, p = d.vselect, type = 'const') 23 autoplot(predict(d.var, n.ahead = 50), ts.colour = 'dodgerblue4', predict.colour = 'blue', predict.linetype = 'dashed')
6.6，changepoint包 24 library(changepoint) 25 autoplot(cpt.meanvar(AirPassengers))
26 autoplot(cpt.meanvar(AirPassengers), cpt.colour = 'blue', cpt.linetype = 'solid')
6.7，strucchange包 27 library(strucchange) 28 autoplot(breakpoints(Nile ~ 1), ts.colour = 'blue', ts.linetype = 'dashed',cpt.colour = 'dodgerblue3', cpt.linetype = 'solid')
6.8，dlm包 29 library(dlm) 30 form <- function(theta){ 31 dlmModPoly(order = 1, dV = exp(theta[1]), dW = exp(theta[2])) 32 } 33 34 model <- form(dlmMLE(Nile, parm = c(1, 1), form)$par) 35 filtered <- dlmFilter(Nile, model) 36 37 autoplot(filtered)
38 autoplot(filtered, ts.linetype = 'dashed', fitted.colour = 'blue')
39 smoothed <- dlmSmooth(filtered) 40 autoplot(smoothed)
41 p <- autoplot(filtered) 42 autoplot(smoothed, ts.colour = 'blue', p = p)
6.9，KFAS包 43 library(KFAS) 44 model <- SSModel( 45 Nile ~ SSMtrend(degree=1, Q=matrix(NA)), H=matrix(NA) 46 ) 47 48 fit <- fitSSM(model=model, inits=c(log(var(Nile)),log(var(Nile))), method="BFGS") 49 smoothed <- KFS(fit$model) 50 autoplot(smoothed)
使用 smoothing='none' 可以画出过滤后的结果。 51 filtered <- KFS(fit$model, filtering="mean", smoothing='none') 52 autoplot(filtered)
53 trend <- signal(smoothed, states="trend") 54 p <- autoplot(filtered) 55 autoplot(trend, ts.colour = 'blue', p = p)
6.10，stats包 可支持的stats包里的对象有：
56 autoplot(stl(AirPassengers, s.window = 'periodic'), ts.colour = 'blue')
57 autoplot(acf(AirPassengers, plot = FALSE))
58 autoplot(acf(AirPassengers, plot = FALSE), conf.int.fill = '#0000FF', conf.int.value = 0.8, conf.int.type = 'ma')
59 ggcpgram(arima.sim(list(ar = c(0.7, -0.5)), n = 50))
60 library(forecast) 61 ggtsdiag(auto.arima(AirPassengers))
62 gglagplot(AirPassengers, lags = 4)
更多关于时间序列的例子，请参考 Rpubs 上的介绍。 摘自：大数据文摘
|
