Data-Science-For-Beginners/translations/hk/3-Data-Visualization/R/10-visualization-distributions

視覺化分佈

視覺化分佈 - 手繪筆記由 @nitya 提供

在上一課中，你學到了一些關於明尼蘇達州鳥類數據集的有趣事實。通過視覺化異常值，你發現了一些錯誤的數據，並比較了不同鳥類分類的最大長度差異。

課前測驗

探索鳥類數據集

另一種深入了解數據的方法是查看其分佈，即數據如何沿著某個軸排列。例如，你可能想了解這個數據集中鳥類的最大翼展或最大體重的整體分佈。

讓我們來發掘一些關於這個數據集中分佈的事實。在你的 R 控制台中，導入 ggplot2 和數據庫。像上一個主題一樣，從數據庫中移除異常值。

library(ggplot2)

birds <- read.csv("../../data/birds.csv",fileEncoding="UTF-8-BOM")

birds_filtered <- subset(birds, MaxWingspan < 500)
head(birds_filtered)

	名稱	學名	分類	目	科	屬	保育狀況	最小長度	最大長度	最小體重	最大體重	最小翼展	最大翼展
0	黑腹樹鴨	Dendrocygna autumnalis	鴨/鵝/水禽	雁形目	鴨科	樹鴨屬	LC	47	56	652	1020	76	94
1	赤樹鴨	Dendrocygna bicolor	鴨/鵝/水禽	雁形目	鴨科	樹鴨屬	LC	45	53	712	1050	85	93
2	雪鵝	Anser caerulescens	鴨/鵝/水禽	雁形目	鴨科	鵝屬	LC	64	79	2050	4050	135	165
3	羅氏鵝	Anser rossii	鴨/鵝/水禽	雁形目	鴨科	鵝屬	LC	57.3	64	1066	1567	113	116
4	大白額鵝	Anser albifrons	鴨/鵝/水禽	雁形目	鴨科	鵝屬	LC	64	81	1930	3310	130	165

通常，你可以通過像上一課中那樣使用散點圖快速查看數據的分佈方式：

ggplot(data=birds_filtered, aes(x=Order, y=MaxLength,group=1)) +
  geom_point() +
  ggtitle("Max Length per order") + coord_flip()

這提供了每個鳥類目身體長度分佈的概覽，但這並不是顯示真實分佈的最佳方式。這個任務通常通過創建直方圖來完成。

使用直方圖

ggplot2 提供了非常好的方法來使用直方圖視覺化數據分佈。這種類型的圖表類似於條形圖，通過條形的升降可以看到分佈情況。要構建直方圖，你需要數值數據。構建直方圖時，可以將圖表類型定義為 'hist'。這個圖表顯示了整個數據集範圍內最大體重的分佈。通過將數據分為更小的區間（bins），它可以顯示數據值的分佈：

ggplot(data = birds_filtered, aes(x = MaxBodyMass)) + 
  geom_histogram(bins=10)+ylab('Frequency')

如你所見，這個數據集中大多數 400 多種鳥類的最大體重都在 2000 以下。通過將 bins 參數設置為更高的數值（例如 30），可以獲得更多的數據洞察：

ggplot(data = birds_filtered, aes(x = MaxBodyMass)) + geom_histogram(bins=30)+ylab('Frequency')

這個圖表以更細緻的方式顯示了分佈。通過僅選擇給定範圍內的數據，可以創建一個不那麼偏向左側的圖表：

篩選數據以僅獲取體重低於 60 的鳥類，並顯示 30 個 bins：

birds_filtered_1 <- subset(birds_filtered, MaxBodyMass > 1 & MaxBodyMass < 60)
ggplot(data = birds_filtered_1, aes(x = MaxBodyMass)) + 
  geom_histogram(bins=30)+ylab('Frequency')

✅ 試試其他篩選條件和數據點。若要查看數據的完整分佈，移除 ['MaxBodyMass'] 篩選條件以顯示帶標籤的分佈。

直方圖還提供了一些不錯的顏色和標籤增強功能可以嘗試：

創建一個 2D 直方圖來比較兩個分佈之間的關係。我們來比較 MaxBodyMass 和 MaxLength。ggplot2 提供了一種內建方式，通過更亮的顏色顯示匯聚點：

ggplot(data=birds_filtered_1, aes(x=MaxBodyMass, y=MaxLength) ) +
  geom_bin2d() +scale_fill_continuous(type = "viridis")

可以看到這兩個元素之間沿著預期軸線存在預期的相關性，並且有一個特別強的匯聚點：

直方圖對於數值數據效果很好。如果需要查看基於文本數據的分佈該怎麼辦？

使用文本數據探索數據集的分佈

這個數據集還包括關於鳥類分類、屬、種、科以及保育狀況的良好信息。讓我們深入了解這些保育信息。鳥類根據其保育狀況的分佈是什麼樣的？

✅ 在數據集中，使用了一些縮寫來描述保育狀況。這些縮寫來自 IUCN 紅色名錄分類，該組織記錄了物種的狀況。

• CR: 極危
• EN: 瀕危
• EX: 滅絕
• LC: 無危
• NT: 近危
• VU: 易危

這些是基於文本的值，因此你需要進行轉換以創建直方圖。使用篩選後的 filteredBirds 數據框，顯示其保育狀況與最小翼展。你看到了什麼？

birds_filtered_1$ConservationStatus[birds_filtered_1$ConservationStatus == 'EX'] <- 'x1' 
birds_filtered_1$ConservationStatus[birds_filtered_1$ConservationStatus == 'CR'] <- 'x2'
birds_filtered_1$ConservationStatus[birds_filtered_1$ConservationStatus == 'EN'] <- 'x3'
birds_filtered_1$ConservationStatus[birds_filtered_1$ConservationStatus == 'NT'] <- 'x4'
birds_filtered_1$ConservationStatus[birds_filtered_1$ConservationStatus == 'VU'] <- 'x5'
birds_filtered_1$ConservationStatus[birds_filtered_1$ConservationStatus == 'LC'] <- 'x6'

ggplot(data=birds_filtered_1, aes(x = MinWingspan, fill = ConservationStatus)) +
  geom_histogram(position = "identity", alpha = 0.4, bins = 20) +
  scale_fill_manual(name="Conservation Status",values=c("red","green","blue","pink"),labels=c("Endangered","Near Threathened","Vulnerable","Least Concern"))

最小翼展與保育狀況之間似乎沒有明顯的相關性。使用這種方法測試數據集的其他元素。你也可以嘗試不同的篩選條件。你發現了任何相關性嗎？

密度圖

你可能已經注意到，我們目前看到的直方圖是“階梯式”的，並未以平滑的弧線呈現。若要顯示更平滑的密度圖，可以嘗試密度圖。

現在讓我們來使用密度圖！

ggplot(data = birds_filtered_1, aes(x = MinWingspan)) + 
  geom_density()

你可以看到這個圖表反映了之前的最小翼展數據，只是更平滑了一些。如果你想重新查看第二個圖表中那條不平滑的最大體重線，可以使用這種方法將其非常平滑地重現：

ggplot(data = birds_filtered_1, aes(x = MaxBodyMass)) + 
  geom_density()

如果你想要一條平滑但不過於平滑的線，可以編輯 adjust 參數：

ggplot(data = birds_filtered_1, aes(x = MaxBodyMass)) + 
  geom_density(adjust = 1/5)

✅ 閱讀此類圖表可用的參數並進行實驗！

這種類型的圖表提供了非常具有解釋性的視覺化。例如，只需幾行代碼，你就可以顯示每個鳥類目最大體重的密度：

ggplot(data=birds_filtered_1,aes(x = MaxBodyMass, fill = Order)) +
  geom_density(alpha=0.5)

🚀 挑戰

直方圖比基本的散點圖、條形圖或折線圖更為複雜。上網搜索一些使用直方圖的好例子。它們是如何使用的？它們展示了什麼？它們通常在哪些領域或研究範疇中使用？

課後測驗

回顧與自學

在這一課中，你使用了 ggplot2 並開始製作更為複雜的圖表。研究一下 geom_density_2d()，這是一種“在一維或多維中顯示連續概率密度曲線”的方法。閱讀 文檔 以了解其工作原理。

作業

應用你的技能

免責聲明：
本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。