R mosaicplot 馬賽克圖

說明

在當前圖形設備上繪製馬賽克。

用法

mosaicplot(x, ...)

## Default S3 method:
mosaicplot(x, main = deparse1(substitute(x)),
           sub = NULL, xlab = NULL, ylab = NULL,
           sort = NULL, off = NULL, dir = NULL,
           color = NULL, shade = FALSE, margin = NULL,
           cex.axis = 0.66, las = par("las"), border = NULL,
           type = c("pearson", "deviance", "FT"), ...)

## S3 method for class 'formula'
mosaicplot(formula, data = NULL, ...,
           main = deparse1(substitute(data)), subset,
           na.action = stats::na.omit)

參數

x	數組形式的列聯表，帶有在 dimnames(x) 屬性中指定的可選類別標簽。該表最好由 table() 命令創建。
main	馬賽克標題的字符串。
sub	馬賽克副標題的字符串(位於底部)。
xlab, ylab	用於繪圖的 x 軸和 y 軸標簽；默認情況下，names(dimnames(X)) 的第一個和第二個元素(即 X 中第一個和第二個變量的名稱)。
sort	變量的向量排序，包含整數的排列1:length(dim(x))(默認值)。
off	偏移向量，用於確定馬賽克每個級別的百分比間距(適當的值在 0 到 20 之間，默認值是二維表分割數的 20 倍，否則為 10)。重新調整為最大 50，並在必要時回收。
dir	馬賽克每一層的分割方向向量("v" 表示垂直，"h" 表示水平)，列聯表的每個維度都有一個方向。默認由交替方向組成，從垂直分割開始。
color	用於顏色著色的邏輯或(回收)顏色向量，僅當 shade 為 FALSE 或 NULL (默認)時使用。默認情況下，繪製灰色框。 color = TRUE 使用 grey.colors 作為伽馬校正灰色調色板。 color = FALSE 給出沒有陰影的空框。
shade	指示是否生成擴展馬賽克圖的邏輯值，或最多 5 個不同正數的數值向量，給出殘差切割點的絕對值。默認情況下， shade 為 FALSE ，並創建簡單的馬賽克。使用 shade = TRUE 削減 2 和 4 處的絕對值。
margin	具有適合對數線性模型的邊際總計的向量列表。默認情況下，安裝獨立模型。有關更多信息，請參閱loglin。
cex.axis	用於軸注釋的放大倍數，為 par("cex") 的倍數。
las	數字;軸標簽的樣式，請參見par。
border	單元格邊框的顏色：參見polygon。
type	指示要表示的殘差類型的字符串。必須是 "pearson" (給出 Pearson \chi^2 的分量)、"deviance" (給出似然比 \chi^2 的分量)或 Freeman-Tukey 殘差的 "FT" 之一。該參數的值可以縮寫。
formula	公式，例如 y ~ x 。
data	DataFrame (或列表)或列聯表，應從中獲取 formula 中的變量。
...	要傳遞給方法或從方法傳遞的更多參數。
subset	一個可選向量，指定 DataFrame 中用於繪圖的觀測值子集。
na.action	一個函數，指示當數據包含變量為cross-tabulated並且這些變量包含NA時應該發生什麽。默認情況下，忽略任何變量中具有 NA 的情況。由於製表將忽略所有包含缺失值的情況，因此隻有在 na.action 函數替換缺失值時這才有用。

細節

這是一個通用函數。它目前有一個默認方法(mosaicplot.default)和一個公式接口(mosaicplot.formula)。

擴展馬賽克顯示通過馬賽克圖塊的顏色和輪廓可視化表格的對數線性模型的標準化殘差。 (標準化殘差通常稱為標準正態分布。)代表負殘差的單元格以紅色陰影繪製並帶有虛線邊框；積極的部分用藍色繪製，並帶有實線邊框。

對於公式方法，如果data是繼承自類"table"或類"ftable"的對象或大於2維的數組，則將其視為列聯表，因此所有條目都應為非負數。在這種情況下，formula 的左側應為空，右側的變量應取自列聯表的 dimnames 屬性的名稱。計算這些變量的邊際表，並生成該表的馬賽克圖。

否則，data 應該是包含 cross-tabulated 變量的 DataFrame 或矩陣、列表或環境。在這種情況下，在可能選擇 subset 參數指定的數據子集之後，根據 formula 中給出的變量計算列聯表，並由此生成馬賽克。

請參閱 Emerson (1998) 了解更多信息以及來自 Nielsen Media Research 的電視觀眾數據的案例研究。

當 data 包含變量 cross-tabulated 時，不支持缺失值，除非通過 na.action 函數。

在貢獻包 vcd 中的函數 mosaic 中提供了以網格圖形係統編寫的馬賽克圖的更靈活和可擴展的實現(Meyer、Zeileis 和 Hornik，2006)。

例子

require(stats)
mosaicplot(Titanic, main = "Survival on the Titanic", color = TRUE)
## Formula interface for tabulated data:
mosaicplot(~ Sex + Age + Survived, data = Titanic, color = TRUE)

mosaicplot(HairEyeColor, shade = TRUE)
## Independence model of hair and eye color and sex.  Indicates that
## there are more blue eyed blonde females than expected in the case
## of independence and too few brown eyed blonde females.
## The corresponding model is:
fm <- loglin(HairEyeColor, list(1, 2, 3))
pchisq(fm$pearson, fm$df, lower.tail = FALSE)

mosaicplot(HairEyeColor, shade = TRUE, margin = list(1:2, 3))
## Model of joint independence of sex from hair and eye color.  Males
## are underrepresented among people with brown hair and eyes, and are
## overrepresented among people with brown hair and blue eyes.
## The corresponding model is:
fm <- loglin(HairEyeColor, list(1:2, 3))
pchisq(fm$pearson, fm$df, lower.tail = FALSE)

## Formula interface for raw data: visualize cross-tabulation of numbers
## of gears and carburettors in Motor Trend car data.
mosaicplot(~ gear + carb, data = mtcars, color = TRUE, las = 1)
# color recycling
mosaicplot(~ gear + carb, data = mtcars, color = 2:3, las = 1)

作者

S-PLUS original by John Emerson john.emerson@yale.edu. Originally modified and enhanced for R by Kurt Hornik.

參考

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

Emerson, J. W. (1998). Mosaic displays in S-PLUS: A general implementation and a case study. Statistical Computing and Graphics Newsletter (ASA), 9, 1, 17-23.

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

Meyer, D., Zeileis, A., and Hornik, K. (2006) The strucplot Framework: Visualizing Multi-Way Contingency Tables with vcd. Journal of Statistical Software, 17(3), 1-48. doi:10.18637/jss.v017.i03.

也可以看看

assocplot、loglin。