R spineplot 脊柱圖和脊柱圖

說明

脊柱圖是馬賽克圖的特殊情況，可以看作是堆疊(或突出顯示)條形圖的概括。類似地，脊柱圖是直方圖的擴展。

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)

參數

x	一個對象，默認方法需要一個單一變量(解釋為解釋變量)或一個雙向表。查看具體信息。
y	"factor" 解釋為因變量
formula	y ~ x 類型的 "formula"，具有單個從屬 "factor" 和單個解釋變量。
data	一個可選的 DataFrame 。
breaks	如果解釋變量是數字，則它控製它的離散化方式。 breaks 傳遞給 hist，並且可以是參數列表。
tol.ylab	y 軸注釋的方便公差參數。如果兩個標簽之間的距離低於此閾值，則會等距繪製它們。
off	條形之間的垂直偏移(以百分比為單位)。對於脊柱圖，它固定為0，對於脊柱圖，它默認為2。
ylevels	一個字符或數值向量，指定應按什麽順序繪製因變量的水平。
col	與 levels(y) 長度相同的填充顏色向量。默認是調用 gray.colors 。
main , xlab , ylab	注釋字符串
xaxlabels , yaxlabels	用於 x 軸和 y 軸注釋的字符向量。對於脊柱圖，分別默認為 levels(y) 和 levels(x) 。對於脊柱圖中的 xaxlabels，使用了中斷。
xlim , ylim	具有合理默認值的 x 和 y 值的範圍。
axes	合乎邏輯的。如果FALSE 所有軸(包括給出級別名稱的軸)都被抑製。
weights	數字。數據中每個觀測值的頻率權重向量。如果NULL所有權重都隱式假定為1。如果x已經是2路表，則忽略權重。
...	傳遞給 rect 的附加參數。
subset	一個可選向量，指定用於繪圖的觀測值子集。
drop.unused.levels	未使用的因子是否應該下降？默認為 FALSE 。

細節

spineplot 創建脊柱圖或脊柱圖。可以通過 spineplot(x, y) 或 spineplot(y ~ x) 調用，其中 y 被解釋為因變量(並且必須是分類變量)，x 被解釋為解釋變量。 x 可以是分類的(然後創建脊柱圖)或數字的(然後繪製脊柱圖)。此外，spineplot 也可以僅使用單個參數調用，該參數必須是一個雙向表，解釋為對應於 table(x, y) 。

脊柱圖和脊柱圖本質上都是具有特殊間距和陰影格式的馬賽克圖。從概念上講，他們將 P(y | x) 與 P(x) 進行了比較。對於脊柱圖(其中 x 和 y 都是分類的)，這兩個量均由相應的經驗相對頻率近似。對於脊柱圖(其中 x 是數值)，首先對 x 進行離散化(通過使用 breaks 參數調用 hist)，然後獲取經驗相對頻率。

因此，脊柱圖也可以被視為堆疊條形圖的概括，其中條形圖的寬度而不是高度對應於 x 的相對頻率。然後，條形的高度對應於每個 x 組中 y 的條件相對頻率。類似地，旋轉圖擴展了堆疊直方圖。

值

可視化的表格以不可見的方式返回。

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

參考

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