一行R代碼來實現繁瑣的可視化
本文作者： 唐源，目前就職于芝加哥一家創業公司，曾參與和創作過多個被廣泛使用的 R 和 Python 開源項目，是 ggfortify，lfda，metric-learn 等包的作者，也是 xgboost，caret，pandas 等包的貢獻者。（喜歡爬山和燒烤 
）
ggfortify 是一個簡單易用的R軟件包，它可以僅僅使用 一行代碼 來對許多受歡迎的R軟件包結果進行二維可視化，這讓統計學家以及數據科學家省去了許多繁瑣和重復的過程，不用對結果進行任何處理就能以ggplot的風格畫出好看的圖，大大地提高了工作的效率。
ggfortify 已經可以在 CRAN 上下載得到，但是由于最近很多的功能都還在快速增加，因此還是推薦大家從 Github 上下載和安裝。
library(devtools)
install_github('sinhrks/ggfortify')
library(ggfortify) 接下來我將簡單介紹一下怎么用ggplot2和ggfortify來很快地對PCA、聚類以及LFDA的結果進行可視化，然后將簡單介紹用ggfortify來對時間序列進行快速可視化的方法。
PCA (主成分分析)
ggfortify使ggplot2知道怎么詮釋PCA對象。加載好ggfortify包之后, 你可以對stats::prcomp和stats::princomp對象使用ggplot2::autoplot。
library(ggfortify)
df <- iris[c(1, 2, 3, 4)] autoplot(prcomp(df)) 
你還可以選擇數據中的一列來給畫出的點按類別自動分顏色。輸入help(autoplot.prcomp)可以了解到更多的其他選擇。
autoplot(prcomp(df), data = iris, colour = 'Species')
比如說給定label = TRUE可以給每個點加上標識（以rownames為標準），也可以調整標識的大小。
autoplot(prcomp(df), data = iris, colour = 'Species', label = TRUE, label.size = 3)
給定shape = FALSE可以讓所有的點消失，只留下標識，這樣可以讓圖更清晰，辨識度更大。
autoplot(prcomp(df), data = iris, colour = 'Species', shape = FALSE, label.size = 3)
給定loadings = TRUE可以很快地畫出特征向量。
autoplot(prcomp(df), data = iris, colour = 'Species', loadings = TRUE)
同樣的，你也可以顯示特征向量的標識以及調整他們的大小，更多選擇請參考幫助文件。
autoplot(prcomp(df), data = iris, colour = 'Species', loadings = TRUE, loadings.colour = 'blue', loadings.label = TRUE, loadings.label.size = 3)
因子分析
和PCA類似，ggfortify也支持stats::factanal對象。可調的選擇也很廣泛。以下給出了簡單的例子：
注意當你使用factanal來計算分數的話，你必須給定scores的值。
d.factanal <- factanal(state.x77, factors = 3, scores = 'regression') autoplot(d.factanal, data = state.x77, colour = 'Income') 
autoplot(d.factanal, label = TRUE, label.size = 3, loadings = TRUE, loadings.label = TRUE, loadings.label.size = 3)
K-均值聚類
autoplot(kmeans(USArrests, 3), data = USArrests)
autoplot(kmeans(USArrests, 3), data = USArrests, label = TRUE, label.size = 3)
其他聚類
ggfortify也支持cluster::clara,cluster::fanny,cluster::pam。
library(cluster) autoplot(clara(iris[-5], 3))
給定frame = TRUE，可以把stats::kmeans和cluster::*中的每個類圈出來。
autoplot(fanny(iris[-5], 3), frame = TRUE)
你也可以通過frame.type來選擇圈的類型。更多選擇請參照 ggplot2::stat_ellipse 里面的frame.type的type關鍵詞。
autoplot(pam(iris[-5], 3), frame = TRUE, frame.type = 'norm')
更多關于聚類方面的可視化請參考 Github 上的 Vignette 或者 Rpubs 上的例子。
lfda（Fisher局部判別分析）
lfda 包支持一系列的 Fisher 局部判別分析方法，包括半監督 lfda，非線性 lfda。你也可以使用ggfortify來對他們的結果進行可視化。
library(lfda)
# Fisher局部判別分析 (LFDA)
model <- lfda(iris[-5], iris[, 5], 4, metric="plain") autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species') 
# 非線性核Fisher局部判別分析 (KLFDA)
model <- klfda(kmatrixGauss(iris[-5]), iris[, 5], 4, metric="plain") autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species') 
注意 對iris數據來說，不同的類之間的關系很顯然不是簡單的線性，這種情況下非線性的klfda 影響可能太強大而影響了可視化的效果，在使用前請充分理解每個算法的意義以及效果。
# 半監督Fisher局部判別分析 (SELF)
model <- self(iris[-5], iris[, 5], beta = 0.1, r = 3, metric="plain") autoplot(model, data = iris, frame = TRUE, frame.colour = 'Species') 
時間序列的可視化
用ggfortify可以使時間序列的可視化變得極其簡單。接下來我將給出一些簡單的例子。
ts對象
library(ggfortify) autoplot(AirPassengers)
可以使用ts.colour和ts.linetype來改變線的顏色和形狀。更多的選擇請參考help(autoplot.ts)。
autoplot(AirPassengers, ts.colour = 'red', ts.linetype = 'dashed')
多變量時間序列
library(vars) data(Canada) autoplot(Canada)
使用facets = FALSE可以把所有變量畫在一條軸上。
autoplot(Canada, facets = FALSE) 
autoplot也可以理解其他的時間序列類別。可支持的R包有：
- zoo::zooreg
- xts::xts
- timeSeries::timSeries
- tseries::irts
一些例子：
library(xts) autoplot(as.xts(AirPassengers), ts.colour = 'green')
library(timeSeries) autoplot(as.timeSeries(AirPassengers), ts.colour = ('dodgerblue3'))
你也可以通過ts.geom來改變幾何形狀，目前支持的有line，bar和point。
autoplot(AirPassengers, ts.geom = 'bar', fill = 'blue')
autoplot(AirPassengers, ts.geom = 'point', shape = 3)
forecast包
library(forecast)
d.arima <- auto.arima(AirPassengers) d.forecast <- forecast(d.arima, level = c(95), h = 50) autoplot(d.forecast) 
有很多設置可供調整：
autoplot(d.forecast, ts.colour = 'firebrick1', predict.colour = 'red', predict.linetype = 'dashed', conf.int = FALSE)
vars包
library(vars)
data(Canada)
d.vselect <- VARselect(Canada, lag.max = 5, type = 'const')$selection[1] d.var <- VAR(Canada, p = d.vselect, type = 'const') autoplot(predict(d.var, n.ahead = 50), ts.colour = 'dodgerblue4', predict.colour = 'blue', predict.linetype = 'dashed') 
changepoint包
library(changepoint) autoplot(cpt.meanvar(AirPassengers))
autoplot(cpt.meanvar(AirPassengers), cpt.colour = 'blue', cpt.linetype = 'solid')
strucchange包
library(strucchange)
autoplot(breakpoints(Nile ~ 1), ts.colour = 'blue', ts.linetype = 'dashed',
cpt.colour = 'dodgerblue3', cpt.linetype = 'solid') 
dlm包
library(dlm)
form <- function(theta){ dlmModPoly(order = 1, dV = exp(theta[1]), dW = exp(theta[2]))
} model <- form(dlmMLE(Nile, parm = c(1, 1), form)$par) filtered <- dlmFilter(Nile, model) autoplot(filtered) 
autoplot(filtered, ts.linetype = 'dashed', fitted.colour = 'blue')
smoothed <- dlmSmooth(filtered) autoplot(smoothed) 
p <- autoplot(filtered) autoplot(smoothed, ts.colour = 'blue', p = p) 
KFAS包
library(KFAS)
model <- SSModel( Nile ~ SSMtrend(degree=1, Q=matrix(NA)), H=matrix(NA) ) fit <- fitSSM(model=model, inits=c(log(var(Nile)),log(var(Nile))), method="BFGS") smoothed <- KFS(fit$model) autoplot(smoothed) 
使用smoothing='none'可以畫出過濾后的結果。
filtered <- KFS(fit$model, filtering="mean", smoothing='none') autoplot(filtered) 
trend <- signal(smoothed, states="trend") p <- autoplot(filtered) autoplot(trend, ts.colour = 'blue', p = p) 
stats包
可支持的stats包里的對象有：
- stl,decomposed.ts
- acf,pacf,ccf
- spec.ar,spec.pgram
- cpgram
autoplot(stl(AirPassengers, s.window = 'periodic'), ts.colour = 'blue')
autoplot(acf(AirPassengers, plot = FALSE)) 
autoplot(acf(AirPassengers, plot = FALSE), conf.int.fill = '#0000FF', conf.int.value = 0.8, conf.int.type = 'ma')
autoplot(spec.ar(AirPassengers, plot = FALSE)) 
ggcpgram(arima.sim(list(ar = c(0.7, -0.5)), n = 50))
library(forecast)
ggtsdiag(auto.arima(AirPassengers)) 
gglagplot(AirPassengers, lags = 4)
更多關于時間序列的例子，請參考 Rpubs 上的介紹。
最近又多了許多額外的非常好用的功能，比如說現在已經支持multiplot同時畫多個不同對象，強烈推薦參考 Rpubs 以及關注我們 Github 上的更新。
祝大家使用愉快！有問題請及時在Github上 報告 。(可以使用中文)