Rのグラフィカルデータの概要（概要）関数

Rパッケージでこのような関数に出くわしたことは確かですが、大規模なGooglingを行った後はどこにも見つからないようです。私が考えている機能は、それに与えられた変数のグラフィカルな要約を生成し、いくつかのグラフ（ヒストグラムとおそらくボックスとウィスカープロット）と平均、SDなどの詳細を示すテキストで出力を生成します

この関数はベースRに含まれていなかったと確信していますが、使用したパッケージが見つからないようです。

誰もがこのような関数を知っていますか？もしそうなら、どのパッケージに含まれていますか？

Frank HarrellのHmiscパッケージには、注釈のオプションを備えたいくつかの基本的なグラフィックスがあります：summary.formula()および関連するplotラップ関数を確認してください。私もdescribe()機能が好きです。

詳細については、The Hmisc LibraryまたはAn Introduction to S-PlusおよびHmisc and Design Librariesをご覧ください。

ここでは、オンラインヘルプから取られたいくつかの写真（あるbpplt、describeとplot(summary(...))）：

他の多くの例は、R Graphical Manualでオンラインで閲覧できます。Hmiscを参照してください（およびrmsをお見逃しなく）。

パッケージPerformanceAnalyticsの関数chart.Correlationsを強くお勧めします。各変数のカーネル密度プロットとヒストグラム、および各変数ペアの散布図、低めのスムーザー、相関関係など、驚くべき量の情報を1つのグラフにまとめます。それは私のお気に入りのグラフィカルデータサマリー関数の1つです。

library(PerformanceAnalytics)
chart.Correlation(iris[,1:4],col=iris$Species)

私はこの機能が役立つことを発見しました... 元の著者のハンドルは呼吸クラブです。

f_summary <- function(data_to_plot)
{
## univariate data summary
require(nortest)
#data <- as.numeric(scan ("data.txt")) #commenting out by mike
data <- na.omit(as.numeric(as.character(data_to_plot))) #added by mike
dataFull <- as.numeric(as.character(data_to_plot))

# first job is to save the graphics parameters currently used
def.par <- par(no.readonly = TRUE)
par("plt" = c(.2,.95,.2,.8))
layout( matrix(c(1,1,2,2,1,1,2,2,4,5,8,8,6,7,9,10,3,3,9,10), 5, 4, byrow = TRUE))

#histogram on the top left
h <- hist(data, breaks = "Sturges", plot = FALSE)
xfit<-seq(min(data),max(data),length=100)
yfit<-yfit<-dnorm(xfit,mean=mean(data),sd=sd(data))
yfit <- yfit*diff(h$mids[1:2])*length(data)
plot (h, axes = TRUE, main = paste(deparse(substitute(data_to_plot))), cex.main=2, xlab=NA)
lines(xfit, yfit, col="blue", lwd=2)
leg1 <- paste("mean = ", round(mean(data), digits = 4))
leg2 <- paste("sd = ", round(sd(data),digits = 4))
count <- paste("count = ", sum(!is.na(dataFull)))
missing <- paste("missing = ", sum(is.na(dataFull)))
legend(x = "topright", c(leg1,leg2,count,missing), bty = "n")

## normal qq plot
qqnorm(data, bty = "n", pch = 20)
qqline(data)
p <- ad.test(data)
leg <- paste("Anderson-Darling p = ", round(as.numeric(p[2]), digits = 4))
legend(x = "topleft", leg, bty = "n")

## boxplot (bottom left)
boxplot(data, horizontal = TRUE)
leg1 <- paste("median = ", round(median(data), digits = 4))
lq <- quantile(data, 0.25)
leg2 <- paste("25th percentile =  ", round(lq,digits = 4))
uq <- quantile(data, 0.75)
leg3 <- paste("75th percentile = ", round(uq,digits = 4))
legend(x = "top", leg1, bty = "n")
legend(x = "bottom", paste(leg2, leg3, sep = "; "), bty = "n")

## the various histograms with different bins
h2 <- hist(data,  breaks = (0:20 * (max(data) - min (data))/20)+min(data), plot = FALSE)
plot (h2, axes = TRUE, main = "20 bins")

h3 <- hist(data,  breaks = (0:10 * (max(data) - min (data))/10)+min(data), plot = FALSE)
plot (h3, axes = TRUE, main = "10 bins")

h4 <- hist(data,  breaks = (0:8 * (max(data) - min (data))/8)+min(data), plot = FALSE)
plot (h4, axes = TRUE, main = "8 bins")

h5 <- hist(data,  breaks = (0:6 * (max(data) - min (data))/6)+min(data), plot = FALSE)
plot (h5, axes = TRUE,main = "6 bins")

## the time series, ACF and PACF
plot (data, main = "Time series", pch = 20, ylab = paste(deparse(substitute(data_to_plot))))
acf(data, lag.max = 20)
pacf(data, lag.max = 20)

## reset the graphics display to default
par(def.par)

#original code for f_summary by respiratoryclub

}

これがあなたが考えていたものかどうかはわかりませんが、fitdistrplusパッケージをチェックしてみてください。これには、分布に関する有用な要約情報を自動的に生成し、その情報の一部をプロットする素晴らしい機能がたくさんあります。ビネットの例を次に示します。

library(fitdistrplus)
data(groundbeef)
windows()              # or quartz() for mac
  plotdist(groundbeef$serving)  

windows()
> descdist(groundbeef$serving, boot=1000)
summary statistics
------
min:  10   max:  200 
median:  79 
mean:  73.64567 
estimated sd:  35.88487 
estimated skewness:  0.7352745 
estimated kurtosis:  3.551384 

fw = fitdist(groundbeef$serving, "weibull")

>summary(fw)
Fitting of the distribution ' weibull ' by maximum likelihood 
Parameters : 
       estimate Std. Error
shape  2.185885  0.1045755
scale 83.347679  2.5268626
Loglikelihood:  -1255.225   AIC:  2514.449   BIC:  2521.524 
Correlation matrix:
         shape    scale
shape 1.000000 0.321821
scale 0.321821 1.000000

fg  = fitdist(groundbeef$serving, "gamma")
fln = fitdist(groundbeef$serving, "lnorm")
windows()
  plot(fw)

windows()
  cdfcomp(list(fw,fln,fg), legendtext=c("Weibull","logNormal","gamma"), lwd=2,
          xlab="serving sizes (g)")

>gofstat(fw)
Kolmogorov-Smirnov statistic:  0.1396646 
Cramer-von Mises statistic:  0.6840994 
Anderson-Darling statistic:  3.573646 

データセットを探索するには、私は本当に好きrattleです。パッケージをインストールして、単にを呼び出しますrattle()。インターフェースは非常に自己説明的です。

たぶん、あなたは物事をきれいにプロットできるライブラリggplot2を探しているのかもしれません。または、多くのRグラフィックユーティリティがあると思われるこのWebサイトを確認できます 。http：//addictedtor.free.fr/graphiques/

おそらくあなたが探しているものとは正確に一致しませんが、Rのpsychパッケージにあるpairs.panels（）関数が役に立つかもしれません。上部の対角線に相関値、下部の対角線に黄土線と点が表示され、マトリックスの対角線に各変数のスコアのヒストグラムが表示されます。私は個人的には、それがデータの最高のグラフィカルな要約の1つだと考えています。

私のお気に入りはDescToolsです

library(DescTools)
data("iris")
Desc(iris, plotit = T)

次のような一連のプロットが生成されます。

一連の記述値（平均、平均SE、中央値、パーセンタイル、範囲、sd、IQR、歪度、尖度を含む）を表示します。

あるいは、タブプロットはグラフィカルな概要にも非常に適しています。

それはで豪華なプロットを生成します tableplot(iris, sortCol=Species)

のD3バージョンtabplot、つまりtabplotd3もあります。