基于R语言数据可视化-时间序列可视化课件

1、贾俊平数据可视化 R 语言Chap 7 时间序列可视化7.1 变化模式可视化7.2 变动特征可视化7.3 序列成分可视化变化模式可视化变动特征可视化预测结果可视化 Chap 7 时间序列可视化序列成分可视化Chap 7折线图与面积图蒸汽图与风筝图表格图日历图瀑布图斜率图序列的改变点动态交互图成分分解图随机成分平滑图指数平滑预测ARIMA模型预测 7.1 变化模式可视化时间序列的变化模式是指序列随时间变化的形态特征，其描述图形有多种，比如折线图、面积图、蒸汽图、风筝图、表格图和日历图等折线图（line chart）是描述时间序列的最基本图形，它主要用于观察和分析时间序列随时间变化的形态和模式。折

2、线图的X轴是时间，Y轴是变量的观测值 折线图 7.1 变化模式可视化数据：data4_1.csv使用openair包中的timePlot函数绘制的带有平滑曲线的4项空气质量指标的折线图 折线图例题分析 7.1 变化模式可视化数据：data4_1.csv使用openair包中的 summaryPlot函数绘制的折线图 折线图例题分析 7.1 变化模式可视化面积图（area graph）是在折线图的基础上绘制的，它将折线与X轴之间的区域用颜色填充，填充的区域即为面积将多个时间序列绘制在一幅图中时，序列数不宜太多。当序列较多时，可以将每个序列单独绘制一幅图，并将多附图以网格的形式摆放 面积图 7.1

3、 变化模式可视化数据：data4_1.csv使用ggplot2包绘制的2018年北京市空AQI、PM2.5、PM10和臭氧浓度4个指标的面积图 面积图例题分析 7.1 变化模式可视化数据：data4_1.csv使用plotrix包中的stackpoly函数绘制的AQI、PM2.5和PM10这3个指标1月份的数据绘制面积图 面积图例题分析 7.1 变化模式可视化数据：data4_1.csv使用ggiraphExtra包中的ggArea函数绘制的6项空气污染指标13月份数据的面积图 面积图例题分析 7.1 变化模式可视化蒸汽图（steam graph）可以看作是堆叠面积图的一种变形。不同的是堆叠面

4、积图是以X轴为基准线绘制的，而蒸汽图是将每个数据系列堆叠绘制在中心基准线（零轴）的上下两侧。蒸汽图适合于展示多变量、大数据集的时间序列，通过观察各数据系列随时间推移的波峰和波谷，来发现序列的变化趋势和模式风筝图（kite chart）将每一个序列用宽度展示，也就是将一个序列的面积图以镜像的方式绘制在同一个时间轴上，多个序列的风筝图以分面的方式摆放在同一幅图里 蒸汽图与风筝图 7.1 变化模式可视化数据：data4_1.csv使用ggTimeSeries包中的stat_steamgraph函数并结合ggplot2包可以绘制的2018年北京市6项空气污染指标的蒸汽图 蒸汽图例题分析 7.1 变化模

5、式可视化数据：data4_1.csv使用plotrix包中的kiteChart函数绘制的2018年北京市6项空气污染指标的风筝图 风筝图例题分析 7.1 变化模式可视化数据：data4_1.csv使用plotrix包中的kiteChart函数绘制的2018年北京市6项空气污染指标标准化后的风筝图 风筝图例题分析 7.1 变化模式可视化表格图（table plot）是多变量大型数据集的可视化图形，主要用于探索多个变量之间的关系和某个变量的内在模式表格图中的每列表示一个变量，每个行条（箱子）表示分组后的数据集合对于数值变量，表格图将绘制箱内数据平均值的条形图；对于类别变量，将根据各类别的频数比例绘

6、制堆叠条形图 表格图 7.1 变化模式可视化【例7-1】（数据：data7-1.csv）北京市2016年1月1日2018年12月31日每天的空气质量数据使用tabplot包中的tableplot函数绘制的表格图 表格图例题分析 7.1 变化模式可视化【例7-1】使用openair包中的calendarPlot函数绘制的2018年北京市AQI的日历图 日历图例题分析 7.1 变化模式可视化【例7-1】北京市2018年13月份AQI的日历图 日历图例题分析 7.2 变动特征可视化瀑布图（waterfall plot）不是画出序列的观测值本身，而是序列中不同时间点的观测值的变化比如，重点关注股市中每

7、个交易日的股票价格指数与上个交易日相比是上升还是下降，空气的PM2.5是与前一天相比上升还是下降，等等 时间序列的瀑布图 7.2 变动特征可视化【例7-1】由ggplot_waterfall函数绘制的AQI和PM2.5两个指标的第1季度（前90天）的瀑布图 瀑布图例题分析 7.2 变动特征可视化【例7-1】由ggplot_waterfall函数绘制的AQI和PM2.5两个指标的第1季度（前90天）的瀑布图 瀑布图例题分析 7.2 变动特征可视化【例7-2】中国部分城市20142017年的商品房销售面积数据斜率图例题分析 7.2 变动特征可视化【例7-3】（数据：data7_3.csv）制造业采

8、购经理指数简称制造业PMI，它是从全国制造业企业中抽取部分样本企业，对企业采购经理进行月度问卷调查而编制的一个综合指数，由新订单指数、生产量指数、从业人员指数、供应商配送时间指数、原材料库存指数5个分类指数权数后计算。制造业PMI对国家经济活动的监测和预测具有重要作用，通常以50%作为经济强弱的分界点。制造业PMI高于50%，表示制造业经济扩张；低于50%，则表示制造业经济衰退。表7-3是2014年1月2018年12月中国的制造业PMI数据改变点例题分析 7.2 变动特征可视化【例7-2】使用ggfortify包中的autoplot函数绘制的均值和方差的改变点改变点例题分析 7.2 变动特征可

9、视化【例7-2】使用plot函数可以绘制出改变点前后的均值线改变点例题分析 7.2 变动特征可视化【例4-1】由dygraph函数绘制的AQI的动态交互图动态交互图例题分析 7.2 变动特征可视化【例4-1】由dyRoller函数绘制的AQI、PM2.5和PM10的30日移动平均动态交互图动态交互图例题分析 7.3 序列成分可视化序列成分 7.3 序列成分可视化序列成分含有不同成分的序列 7.3 序列成分可视化【例7-4】（数据：data7_4.csv）表7-4是2010年1月2017年12月中国的社会消费品零售总额数据序列成分可视化例题分析 7.3 序列成分可视化【例7-4】（数据：data7_4.csv）表7-4是2010年1月2017年12月中国的社会消费品零售总额数据序列成分可视化例题分析成分分解 7.3 序列成分可视化【例7-4】（数据：data7_4.csv）表7-4是2010年1月2017年12月中国的社会消费品零售总额数据序列成分可视化例题分析季节成分剔除 7.3 序列成分可视化【例4-1】（数据：data4_1.csv）使用ma函数对201