其他分享
首页 > 其他分享> > 拓端tecdat|R语言多维数据层次聚类散点图矩阵、配对图、平行坐标图、树状图可视化城市宏观经济指标数据

拓端tecdat|R语言多维数据层次聚类散点图矩阵、配对图、平行坐标图、树状图可视化城市宏观经济指标数据

作者:互联网

原文链接:http://tecdat.cn/?p=24511

原文出处:拓端数据部落公众号

本文通过一些指数对散点图矩阵和平行坐标显示中的面板进行排序,并根据其数值水平对面板进行着色。

显示相关矩阵

  1.    
  2.   cor <- cor(ley)
  3.   leclr <- mat.colr(cor)

mtcolr 根据相关性大小为相关性分配三种颜色。高相关性为红色,中间三分之一为蓝色,底部三分之一为天蓝色。

plclrs(lolr,label=ronms(coor)

如果要更改配色方案:

  1.   leolo <- colr(cor, brak=FALE)
  2.   lecor <- tcor(cor, bes,
  3.   c.cr(4))

如果在绘图之前重新排列变量,则绘图更容易解释。

  1.   oge <- rdclust(lnlcor)
  2.   lgeolor1 <- nlclor[lne.,lo.]
  3.   plot(lnco1,dlbls=rwe(ngyr1))

显示带有彩色面板的配对图

 所有高相关面板一起出现在一个块中的一个版本。

pais(loly, orr= lolo,acor= lgy.or)

如果 order 未提供 ,则按默认数据集顺序绘制变量。

用彩色面板显示平行坐标图

平行坐标图面板可以着色的版本 。同样,红色面板具有高相关性,蓝色面板具有中等相关性,天蓝色面板具有低相关性。

  1.   pard(lng, ordr= loyo,color= colr,
  2.   horol=TRUE)

绘制重新排序的树状图

dist 是一个内置的距离矩阵,给出了城市之间的距离。

  1.   hclst(dis, "ave")
  2.   plt(hc)

重新排序树状图以提高附近分支之间的相似性。将其应用于 hc 对象:

  1.   ordeu(hc, dis)
  2.    

两个树状图对应于相同的树结构,但第二个树状图显示巴黎和瑟堡比离慕尼黑更近,罗马离直布罗陀比离巴塞罗那更近。

我们还可以将两种排序与颜色的图像图进行比较。第二个排序似乎将附近的城市彼此靠近。

  1.    
  2.   ct <- dor(edt, rev(cs(5)))
  3.   pltcl(cma, rles=lals)


最受欢迎的见解

1.R语言k-Shape算法股票价格时间序列聚类

2.R语言中不同类型的聚类方法比较

3.R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归

4.r语言鸢尾花iris数据集的层次聚类

5.Python Monte Carlo K-Means聚类实战

6.用R进行网站评论文本挖掘聚类

7.用于NLP的Python:使用Keras的多标签文本LSTM神经网络

8.R语言对MNIST数据集分析 探索手写数字分类数据

9.R语言基于Keras的小数据集深度学习图像分类

标签:排序,树状,散点图,平行坐标,tecdat,相关性,聚类,面板
来源: https://www.cnblogs.com/tecdat/p/15803002.html