文 | 唐源 作者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。 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。 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。 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。 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。 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。 给定 loadings = TRUE 可以很快地画出特征向量。 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。
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。
K-均值聚类
其他聚类 ggfortify 也支持 cluster：：clara， cluster：：fanny， cluster：：pam。
给定 frame = TRUE，可以把 stats：：kmeans 和 cluster：：* 中的每个类圈出来。
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。
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。 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。
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。
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。 ts对象
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)。
多变量时间序列
使用 facets = FALSE 可以把所有变量画在一条轴上。
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：
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。
forecast包
有很多设置可供调整：
vars包
changepoint包
strucchange包
dlm包
KFAS包
使用 smoothing='none' 可以画出过滤后的结果。
stats包 可支持的stats包里的对象有：
更多关于时间序列的例子，请参考 Rpubs 上的介绍。 最近又多了许多额外的非常好用的功能，比如说现在已经支持 multiplot 同时画多个不同对象，强烈推荐参考 Rpubs 以及关注我们 Github 上的更新。 来自统计之都
您若觉得本文不错，也可通过右上角”…“分享给朋友们与朋友圈，一起来交流探讨！ |
|
|
来自： richard_168 > 《待分类》
