多变量图示法 | 切尔诺夫脸谱图

资料来源:多变量图示法 | 切尔诺夫脸谱图
图形是对资料进行探索性研究的重要工具,在我们分析资料之前,往往习惯于把各资料在一张图上画出来。当变量较少时,可采用直方图、条图、饼图、散点图等方法,但当变量个数大于3时,就不能做以上的方法了。统计学家研究发明出了很多多维变量的图示法,比如我们之前写过的雷达图(多维变量一图搞定——带你了解雷达图),除此之外还有脸谱图、星图、散点图矩阵等,今天跟大家一起学习一个比较好玩的图:切尔诺夫脸谱图。

切尔诺夫脸谱图(chernoff faces)由Herman Chernoff 在1973发明, 以人脸的形式展现多种类型的数据。该想法的起因是因为人们对于人脸表情能够毫不费力的识别差异。该法用眼、鼻子、嘴巴、表情等多种人脸表情表示数据维度。

绘制脸谱图有两个包,一个是aplpack,另外一个是TeachingDemos,今天用到的是aplpack包的faces()函数进行绘制。函数用法如下:



几个常用参数的介绍:
xy:数据矩阵
which.row:定义绘制数据矩阵的哪几行(哪几个观测)
face.type:取值范围为0—2,0表示无颜色,1表示彩色,2表示时彩色的圣诞老人,默认为1。
cex:文字大小
main:题目
labels:将每个脸谱图与标签结合

脸谱图采用15个指标代表面部特征:
1 脸的高度; 2 脸的宽度;3 脸型;4 嘴巴厚度; 5 嘴巴宽度; 6 微笑; 7 眼睛的高度; 8 眼睛宽度; 9 头发长度; 10 头发宽度; 11头发风格; 12 鼻子高度; 13 鼻子宽度; 14 耳朵宽度; 15耳朵高度


install.packages("aplpack")
library(aplpack)

所使用的数据集是美国犯罪数据

crime <- read.csv("http://datasets.flowingdata.com/crimeRatesByState-formatted.csv")
#查看数据集
View(crime)

该数据集共有52个观测,8个变量,其中第一列是洲名。

faces(crime[,2:8],labels=crime_filled$state,cex=0.8)#由于第一列是洲,因此绘制的是第一列到第八列

一个人脸代表一个观测,变量在脸谱图中代表意义说明如下:


由于脸谱图有15个指标,而crime只有7个变量,因此有些变量由2个指标表示。总结如下:
脸高,眼宽,耳朵高度表示murder(谋杀);
脸宽,头发高度表示forcible_rape(强奸);
脸的结构,头发宽度表示robbery(抢劫);
嘴巴高度,头发发型表示aggravated_assault(恶意攻击);
嘴宽,鼻子高度表示burglary(夜盗);
微笑,鼻子宽度表示larceny_theft(盗窃);
眼高,耳朵宽度表示motor_vehicle_theft(机动车辆盗窃)。

变量太多不利于观察,选取其中9个变量:

faces(crime[1:9,2:8], labels=crime_filled$state,cex=1.2,face.type=0)

如上图,我们很清楚地看到Arizona和California 的眼睛高度和耳朵宽度都比其他的大,证明再Arizona和California这两个地方的motor_vehicle_theft案件比其他地方多。

画彩色图:

faces(crime[1:9,2:8], labels=crime_filled$state,cex=0.8)

结果解释同上

#画圣诞老人
faces(crime[1:9,2:8], labels=crime_filled$state,cex=1.2,face.type=2)

除此之外,切尔诺夫脸谱图还可以与散点图结合在一起

plot(crime[1:9,c(2,4)],bty="n")#先画一个散点图
a<-faces(crime[1:9,2:8],plot=FALSE)
plot.faces(a,crime[1:9,2],crime[1:9,4],width=0.5,height=16,cex =0.8)#切尔诺夫脸谱图与散点图结合

以上就是今天切尔诺夫脸谱图的全部内容,值得注意的是,用来绘制切尔诺夫脸谱图的变量只能是连续变量,用其他类型的变量将会导致出错无法绘制,当然了您可以进行数据转换之后再绘制。
欢迎大家关注我的公众号!
参考资料:
1.https://flowingdata.com/2010/08/31/how-to-visualize-data-with-cartoonish-faces/
2.R帮助文件

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 222,464评论 6 517
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 95,033评论 3 399
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 169,078评论 0 362
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,979评论 1 299
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 69,001评论 6 398
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 52,584评论 1 312
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 41,085评论 3 422
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 40,023评论 0 277
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 46,555评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,626评论 3 342
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,769评论 1 353
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 36,439评论 5 351
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 42,115评论 3 335
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,601评论 0 25
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,702评论 1 274
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 49,191评论 3 378
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,781评论 2 361

推荐阅读更多精彩内容