przewodnikPoPakiecieR7

1

1

246

gRrrałika

Na rysunkach 4.20 i 4.21 przedstawiono przykładowe wykresy. Optycznie są one podobne dla każdej z tych funkcji, największe różnice dotyczą formatu specyfikową-nia parametrów wejściowych. Funkcje contourO i filled.contourO wymagają trzech parametrów: współrzędnych siatki na osi x, współrzędnych siatki na osi y oraz macierzy wysokości rysowanej mapy poziomów. Natomiast parametrami funkcji levelplot() jest macierz oraz formuła określająca, które zmienne opisują współrzędne siatki, a które wysokości mapy w danych punktach. Poniżej, aby przygotować macierz o takich wymiarach, wykorzystano funkcje outer(base) i rep(base) produkujące wielokrotne powtórzenia wektora ze współrzędnymi z wybranej osi.

Dla każdej z tych funkcji możemy za argument podać mapę kolorów, która ma być użyta do kolorowania wykresu a także informacje o stylu i miejscu rysowania ; legendy. Poniższy kod generuje przykłady z rysunków 4.20 i 4.21.

* funkcje filled.contourO i contourO mają podobne argumentów filled.contour(gest2d$eval.point8[[l]], gest2d$eval.points[[2]], geat2d$ estimate, col*heat. colors (30) )

coutour(gest2d$eval.pointa[ [l]], nlevels=10, gest2d$eval.points[[2l],    •

gest2d$estimate) :    . . -    .. />■

tt funkcja levelplot() wymaga podania innych argumentów o innej strukturze i dl = length(gest2d$eval.points[[l]])    ‘_:K

danetmp2>=data,frame(y“gest2d$estimate, xl=outer(rep(l,dl) ,gest2d$eval.

M

pointsffl]]) , x2=outer(gest2d$eval.points[[l]] ,rep(l,dl))) levelplot(y"xl+x2,cuts=100₎dan8tmp2,labels=F,xlab="c,skurczowe",ylab="c. rozkurczowe",fllled=T.col.regioos-heat.colors(200))

4.1.19 Mapa ciepła, funkcja: heatmap(stats)

Funkcja heatmapO ma wielorakie zastosowanie. Używając jej można przedstawiać macierze liczb (patrz rysunek 4.29), w tym przypadku kolory odpowiadają wartości elementów w macierzy. Może też przedstawiać macierze korelacji pomiędzy zmiennymi (patrz rysunek 4.29), w tym przypadku natężenie koloru odpowiada wartości współczynnika korelacji. W obu przypadkach, zarówno dla wierszy jak i dla kolumn wyznaczane mogą być dendrogramy. Pokazują one, które zmienne i które przypadki są do siebie bardziej, a które mniej podobne. Zmieniając odpowiednie argumenty można zmienić kolorystykę wykresu, kolejność kolumn lub wierszy, sposób wyznaczania dendrogramu (można również wyłączyć rysowanie dendrogramu) itp. Funkcja heatmapO może być bardzo użyteczna do wyszukiwania zależności pomiędzy zbiorami wielu zmiennych w dużych zbiorach danych. Poniższy kod generuje przykłady z rysunków 4.29 i 4.30.

tt utyrysowujemy mapy depta dla macierzy liczb heatmapfosoby, margins»c(7,7) , ColwNA) heatmap(cor(t(osoby)>, margins=c(7,7), symm=T)

Argumentem funkcji heatmapO musi być obiekt klasy matrix. Obiekty klasy data. f ramę O należy przekonwertować używając funkcji funkcja! as .matrix(base)

4.1.20 Wykres zmian, funkcja: parcoord(MASS)

Funkcja parcoordO pokazuje jak zmieniają się wartości poszczególnych zmiennych dla tych samych obiektów (patrz rysunek 4.27). Funkcja ta jest szczególnie przydatna do wizualizacji szeregów czasowych (wtedy kolejne kolumny odpowiadają pomiarom tej samej zmiennej w czasie), ale może być też wykorzystywana do szukania relacji pomiędzy zmiennymi. Odpowiednio kolorując poszczególne linie możemy obserwować jak dla pewnej podpopulacji zmieniają się wartości w różnych zmiennych. Zmieniając wartość parametru var. label możemy umieszczać na wykresie informacje o minimalnej i maksymalnej wartości dla każdej zmiennej. Poniższy kod generuje przykład z rysunku 4.27.

# coŁ=c ("red", "green") [plec] powoduje, że linie będą rysowane kolorami zależnymi od pici, czerwonym, gdy płei~l i zielonym, gdy pieć=2 parcoord(dane[,c(l,6,7)], col=c("red","green")[piec])

4.1.21 Interaktywna grafika z pakietem iplots

Pakiet iplots zwiera wiele funkcji do prezentacji interaktywnej grafiki. W tym pakiecie znajduje się wiele interaktywnych odpowiedników powyżej opisanych funkcji. Ponieważ trudno oddać interakcje kilkoma rysunkami przedstawimy tylko jeden przykład dotyczący funkcji ipep(iplots). Zdecydowanie warto uruchomić chociażby przykłady innych funkcji z tego pakietu, żeby zaznajomić się z ich możliwościami. Pełna lista dostępnych w tym pakiecie funkcji jest bardzo obszerna są wśród nich między innymi:    *'

•    ibar(iplots) - interaktywny odpowiednik wykresu słupkowego,

•    ibox(iplots) - interaktywny odpowiednik wykresu pudełkowego,

•    ihist (iplots) - interaktywny odpowiednik histogramu,

•    imap(iplots) - interaktywny odpowiednik funkcji map(maps) do rysowania map geograficznych,

•    imosaic(iplots) - interaktywny odpowiednik funkcji mosaicO.

4.1.21.1 Interaktywne wykresy zmian, funkcja: ipcp(iplots)

Funkcja ipcpO pozwala na interaktywne modyfikowanie wykresu typu parcoordO. Wykres ten przedstawia zmienność wartości poszczególnych zmiennych dla poszczególnych obiektów. Możemy myszką zaznaczyć grupę obiektów i obserwować jak wyglądają ich wartości dla innych zmiennych.

Wysoka interaktywność i rozbudowane możliwości parametryzowania wykresu czynią tę funkcję bardzo przydatną i atrakcyjną pod względem wizualnym. Z ciekawostek wspomnieć wystarczy o możliwości kontrolowania współczynnika przezroczystości rysowanych linii, czy dodawaniu boxplotów dla poszczególnych zmiennych. Poniżej przedstawiamy przykładowe wywołanie tej funkcji a przykładowy wygląd otrzymanego tak wykresu przedstawiamy na rysunku 4.28.

lpcp(dane C,C(4,8,1,2)))