Visualisera många variabler

När antalet variabler ökar blir det allt svårare att visualisera dem alla samtidigt. Förutom x- och y-axlarna för två numeriska variabler kan du använda färg för en tredje numerisk variabel och fasettering för kategoriska variabler. Där går ungefär gränsen – fler variabler gör diagrammet svårtolkat. Det finns specialiserade diagramtyper som korrelationsvärmekartor och parallellkoordinatdiagram som hanterar fler variabler, men de ger betydligt mindre information om varje enskild variabel och lämpar sig inte så bra för att visualisera modellprediktioner.

Här pushar du spridningsdiagrammets gränser genom att visa huspriser, avstånd till närmaste MRT-station, antal närliggande snabbköp och husålder – allt i ett och samma diagram.

taiwan_real_estate är tillgängligt; ggplot2 är inläst.

Den här övningen är en del av kursen

Intermediär regression i R

Visa kurs

Övningsinstruktioner

Använd datamängden taiwan_real_estate och rita ett spridningsdiagram med n_convenience mot kvadratroten av dist_to_mrt_m, färgkodad efter price_twd_msq.
Använd den kontinuerliga viridis plasma-färgskalan.
Fasettera diagrammet och bryt efter house_age_years.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Using taiwan_real_estate, no. of conv. stores vs. sqrt of dist. to MRT, colored by plot house price
___ +
  # Make it a scatter plot
  ___ +
  # Use the continuous viridis plasma color scale
  ___ +
  # Facet, wrapped by house age
  ___

Redigera och kör kod