R spineplot 脊柱图和脊柱图

说明

脊柱图是马赛克图的特殊情况，可以看作是堆叠(或突出显示)条形图的概括。类似地，脊柱图是直方图的扩展。

用法

spineplot(x, ...)

## Default S3 method:
spineplot(x, y = NULL,
          breaks = NULL, tol.ylab = 0.05, off = NULL,
          ylevels = NULL, col = NULL,
          main = "", xlab = NULL, ylab = NULL,
          xaxlabels = NULL, yaxlabels = NULL,
          xlim = NULL, ylim = c(0, 1), axes = TRUE, weights = NULL, ...)

## S3 method for class 'formula'
spineplot(formula, data = NULL,
          breaks = NULL, tol.ylab = 0.05, off = NULL,
          ylevels = NULL, col = NULL,
          main = "", xlab = NULL, ylab = NULL,
          xaxlabels = NULL, yaxlabels = NULL,
          xlim = NULL, ylim = c(0, 1), axes = TRUE, ...,
          subset = NULL, weights = NULL, drop.unused.levels = FALSE)

参数

x	一个对象，默认方法需要一个单一变量(解释为解释变量)或一个双向表。查看具体信息。
y	"factor" 解释为因变量
formula	y ~ x 类型的 "formula"，具有单个从属 "factor" 和单个解释变量。
data	一个可选的 DataFrame 。
breaks	如果解释变量是数字，则它控制它的离散化方式。 breaks 传递给 hist，并且可以是参数列表。
tol.ylab	y 轴注释的方便公差参数。如果两个标签之间的距离低于此阈值，则会等距绘制它们。
off	条形之间的垂直偏移(以百分比为单位)。对于脊柱图，它固定为0，对于脊柱图，它默认为2。
ylevels	一个字符或数值向量，指定应按什么顺序绘制因变量的水平。
col	与 levels(y) 长度相同的填充颜色向量。默认是调用 gray.colors 。
main , xlab , ylab	注释字符串
xaxlabels , yaxlabels	用于 x 轴和 y 轴注释的字符向量。对于脊柱图，分别默认为 levels(y) 和 levels(x) 。对于脊柱图中的 xaxlabels，使用了中断。
xlim , ylim	具有合理默认值的 x 和 y 值的范围。
axes	合乎逻辑的。如果FALSE 所有轴(包括给出级别名称的轴)都被抑制。
weights	数字。数据中每个观测值的频率权重向量。如果NULL所有权重都隐式假定为1。如果x已经是2路表，则忽略权重。
...	传递给 rect 的附加参数。
subset	一个可选向量，指定用于绘图的观测值子集。
drop.unused.levels	未使用的因子是否应该下降？默认为 FALSE 。

细节

spineplot 创建脊柱图或脊柱图。可以通过 spineplot(x, y) 或 spineplot(y ~ x) 调用，其中 y 被解释为因变量(并且必须是分类变量)，x 被解释为解释变量。 x 可以是分类的(然后创建脊柱图)或数字的(然后绘制脊柱图)。此外，spineplot 也可以仅使用单个参数调用，该参数必须是一个双向表，解释为对应于 table(x, y) 。

脊柱图和脊柱图本质上都是具有特殊间距和阴影格式的马赛克图。从概念上讲，他们将 P(y | x) 与 P(x) 进行了比较。对于脊柱图(其中 x 和 y 都是分类的)，这两个量均由相应的经验相对频率近似。对于脊柱图(其中 x 是数值)，首先对 x 进行离散化(通过使用 breaks 参数调用 hist)，然后获取经验相对频率。

因此，脊柱图也可以被视为堆叠条形图的概括，其中条形图的宽度而不是高度对应于 x 的相对频率。然后，条形的高度对应于每个 x 组中 y 的条件相对频率。类似地，旋转图扩展了堆叠直方图。

值

可视化的表格以不可见的方式返回。

例子

## treatment and improvement of patients with rheumatoid arthritis
treatment <- factor(rep(c(1, 2), c(43, 41)), levels = c(1, 2),
                    labels = c("placebo", "treated"))
improved <- factor(rep(c(1, 2, 3, 1, 2, 3), c(29, 7, 7, 13, 7, 21)),
                   levels = c(1, 2, 3),
                   labels = c("none", "some", "marked"))

## (dependence on a categorical variable)
(spineplot(improved ~ treatment))

## applications and admissions by department at UC Berkeley
## (two-way tables)
(spineplot(marginSums(UCBAdmissions, c(3, 2)),
           main = "Applications at UCB"))
(spineplot(marginSums(UCBAdmissions, c(3, 1)),
           main = "Admissions at UCB"))

## NASA space shuttle o-ring failures
fail <- factor(c(2, 2, 2, 2, 1, 1, 1, 1, 1, 1, 2, 1, 2, 1,
                 1, 1, 1, 2, 1, 1, 1, 1, 1),
               levels = c(1, 2), labels = c("no", "yes"))
temperature <- c(53, 57, 58, 63, 66, 67, 67, 67, 68, 69, 70, 70,
                 70, 70, 72, 73, 75, 75, 76, 76, 78, 79, 81)

## (dependence on a numerical variable)
(spineplot(fail ~ temperature))
(spineplot(fail ~ temperature, breaks = 3))
(spineplot(fail ~ temperature, breaks = quantile(temperature)))

## highlighting for failures
spineplot(fail ~ temperature, ylevels = 2:1)

作者

Achim Zeileis Achim.Zeileis@R-project.org

参考

Friendly, M. (1994). Mosaic displays for multi-way contingency tables. Journal of the American Statistical Association, 89, 190-200. doi:10.2307/2291215.

Hartigan, J.A., and Kleiner, B. (1984). A mosaic of television ratings. The American Statistician, 38, 32-35. doi:10.2307/2683556.

Hofmann, H., Theus, M. (2005), Interactive graphics for visualizing conditional distributions. Unpublished Manuscript.

Hummel, J. (1996). Linked bar charts: Analysing categorical data graphically. Computational Statistics, 11, 23-33.

也可以看看

mosaicplot , hist , cdplot