基于R語言數(shù)據(jù)可視化-時間序列可視化課件

1、賈俊平數(shù)據(jù)可視化 R 語言Chap 7 時間序列可視化7.1 變化模式可視化7.2 變動特征可視化7.3 序列成分可視化變化模式可視化變動特征可視化預測結果可視化 Chap 7 時間序列可視化序列成分可視化Chap 7折線圖與面積圖蒸汽圖與風箏圖表格圖日歷圖瀑布圖斜率圖序列的改變點動態(tài)交互圖成分分解圖隨機成分平滑圖指數(shù)平滑預測ARIMA模型預測 7.1 變化模式可視化時間序列的變化模式是指序列隨時間變化的形態(tài)特征，其描述圖形有多種，比如折線圖、面積圖、蒸汽圖、風箏圖、表格圖和日歷圖等折線圖（line chart）是描述時間序列的最基本圖形，它主要用于觀察和分析時間序列隨時間變化的形態(tài)和模式。折

2、線圖的X軸是時間，Y軸是變量的觀測值 折線圖 7.1 變化模式可視化數(shù)據(jù)：data4_1.csv使用openair包中的timePlot函數(shù)繪制的帶有平滑曲線的4項空氣質(zhì)量指標的折線圖 折線圖例題分析 7.1 變化模式可視化數(shù)據(jù)：data4_1.csv使用openair包中的 summaryPlot函數(shù)繪制的折線圖 折線圖例題分析 7.1 變化模式可視化面積圖（area graph）是在折線圖的基礎上繪制的，它將折線與X軸之間的區(qū)域用顏色填充，填充的區(qū)域即為面積將多個時間序列繪制在一幅圖中時，序列數(shù)不宜太多。當序列較多時，可以將每個序列單獨繪制一幅圖，并將多附圖以網(wǎng)格的形式擺放 面積圖 7.1

3、 變化模式可視化數(shù)據(jù)：data4_1.csv使用ggplot2包繪制的2018年北京市空AQI、PM2.5、PM10和臭氧濃度4個指標的面積圖 面積圖例題分析 7.1 變化模式可視化數(shù)據(jù)：data4_1.csv使用plotrix包中的stackpoly函數(shù)繪制的AQI、PM2.5和PM10這3個指標1月份的數(shù)據(jù)繪制面積圖 面積圖例題分析 7.1 變化模式可視化數(shù)據(jù)：data4_1.csv使用ggiraphExtra包中的ggArea函數(shù)繪制的6項空氣污染指標13月份數(shù)據(jù)的面積圖 面積圖例題分析 7.1 變化模式可視化蒸汽圖（steam graph）可以看作是堆疊面積圖的一種變形。不同的是堆疊面

4、積圖是以X軸為基準線繪制的，而蒸汽圖是將每個數(shù)據(jù)系列堆疊繪制在中心基準線（零軸）的上下兩側。蒸汽圖適合于展示多變量、大數(shù)據(jù)集的時間序列，通過觀察各數(shù)據(jù)系列隨時間推移的波峰和波谷，來發(fā)現(xiàn)序列的變化趨勢和模式風箏圖（kite chart）將每一個序列用寬度展示，也就是將一個序列的面積圖以鏡像的方式繪制在同一個時間軸上，多個序列的風箏圖以分面的方式擺放在同一幅圖里 蒸汽圖與風箏圖 7.1 變化模式可視化數(shù)據(jù)：data4_1.csv使用ggTimeSeries包中的stat_steamgraph函數(shù)并結合ggplot2包可以繪制的2018年北京市6項空氣污染指標的蒸汽圖 蒸汽圖例題分析 7.1 變化模

5、式可視化數(shù)據(jù)：data4_1.csv使用plotrix包中的kiteChart函數(shù)繪制的2018年北京市6項空氣污染指標的風箏圖 風箏圖例題分析 7.1 變化模式可視化數(shù)據(jù)：data4_1.csv使用plotrix包中的kiteChart函數(shù)繪制的2018年北京市6項空氣污染指標標準化后的風箏圖 風箏圖例題分析 7.1 變化模式可視化表格圖（table plot）是多變量大型數(shù)據(jù)集的可視化圖形，主要用于探索多個變量之間的關系和某個變量的內(nèi)在模式表格圖中的每列表示一個變量，每個行條（箱子）表示分組后的數(shù)據(jù)集合對于數(shù)值變量，表格圖將繪制箱內(nèi)數(shù)據(jù)平均值的條形圖；對于類別變量，將根據(jù)各類別的頻數(shù)比例繪

6、制堆疊條形圖 表格圖 7.1 變化模式可視化【例7-1】（數(shù)據(jù)：data7-1.csv）北京市2016年1月1日2018年12月31日每天的空氣質(zhì)量數(shù)據(jù)使用tabplot包中的tableplot函數(shù)繪制的表格圖 表格圖例題分析 7.1 變化模式可視化【例7-1】使用openair包中的calendarPlot函數(shù)繪制的2018年北京市AQI的日歷圖 日歷圖例題分析 7.1 變化模式可視化【例7-1】北京市2018年13月份AQI的日歷圖 日歷圖例題分析 7.2 變動特征可視化瀑布圖（waterfall plot）不是畫出序列的觀測值本身，而是序列中不同時間點的觀測值的變化比如，重點關注股市中每

7、個交易日的股票價格指數(shù)與上個交易日相比是上升還是下降，空氣的PM2.5是與前一天相比上升還是下降，等等 時間序列的瀑布圖 7.2 變動特征可視化【例7-1】由ggplot_waterfall函數(shù)繪制的AQI和PM2.5兩個指標的第1季度（前90天）的瀑布圖 瀑布圖例題分析 7.2 變動特征可視化【例7-1】由ggplot_waterfall函數(shù)繪制的AQI和PM2.5兩個指標的第1季度（前90天）的瀑布圖 瀑布圖例題分析 7.2 變動特征可視化【例7-2】中國部分城市20142017年的商品房銷售面積數(shù)據(jù)斜率圖例題分析 7.2 變動特征可視化【例7-3】（數(shù)據(jù)：data7_3.csv）制造業(yè)采

8、購經(jīng)理指數(shù)簡稱制造業(yè)PMI，它是從全國制造業(yè)企業(yè)中抽取部分樣本企業(yè)，對企業(yè)采購經(jīng)理進行月度問卷調(diào)查而編制的一個綜合指數(shù)，由新訂單指數(shù)、生產(chǎn)量指數(shù)、從業(yè)人員指數(shù)、供應商配送時間指數(shù)、原材料庫存指數(shù)5個分類指數(shù)權數(shù)后計算。制造業(yè)PMI對國家經(jīng)濟活動的監(jiān)測和預測具有重要作用，通常以50%作為經(jīng)濟強弱的分界點。制造業(yè)PMI高于50%，表示制造業(yè)經(jīng)濟擴張；低于50%，則表示制造業(yè)經(jīng)濟衰退。表7-3是2014年1月2018年12月中國的制造業(yè)PMI數(shù)據(jù)改變點例題分析 7.2 變動特征可視化【例7-2】使用ggfortify包中的autoplot函數(shù)繪制的均值和方差的改變點改變點例題分析 7.2 變動特征可

9、視化【例7-2】使用plot函數(shù)可以繪制出改變點前后的均值線改變點例題分析 7.2 變動特征可視化【例4-1】由dygraph函數(shù)繪制的AQI的動態(tài)交互圖動態(tài)交互圖例題分析 7.2 變動特征可視化【例4-1】由dyRoller函數(shù)繪制的AQI、PM2.5和PM10的30日移動平均動態(tài)交互圖動態(tài)交互圖例題分析 7.3 序列成分可視化序列成分 7.3 序列成分可視化序列成分含有不同成分的序列 7.3 序列成分可視化【例7-4】（數(shù)據(jù)：data7_4.csv）表7-4是2010年1月2017年12月中國的社會消費品零售總額數(shù)據(jù)序列成分可視化例題分析 7.3 序列成分可視化【例7-4】（數(shù)據(jù)：data7_4.csv）表7-4是2010年1月2017年12月中國的社會消費品零售總額數(shù)據(jù)序列成分可視化例題分析成分分解 7.3 序列成分可視化【例7-4】（數(shù)據(jù)：data7_4.csv）表7-4是2010年1月2017年12月中國的社會消費品零售總額數(shù)據(jù)序列成分可視化例題分析季節(jié)成分剔除 7.3 序列成分可視化【例4-1】（數(shù)據(jù)：data4_1.csv）使用ma函數(shù)對201