《数据驱动的网络分析》——6.5　可视化

本节书摘来自异步社区《数据驱动的网络分析》一书中的第6章，第6.5节,作者： 【美】Michael Collins 更多章节内容可以访问云栖社区“异步社区”公众号查看。

6.5 可视化

R提供了现成的、极其强大的可视化能力，许多标准可视化可以用高级命令完成。在下面的例子中，我们将用一个正态分布样本制作直方图，并将结果显示在屏幕上。

第10章讨论各种可视化技术。在本节中，我们的重点是R可视化的各种功能，包括图像控制、保存和操纵。

6.5.1 可视化命令
R有许多高级可视化命令，可以绘制时间序列、直方图和柱状图。套件中的骨干命令是plot，它可以用于提供来源于散点图的多种图形：简单散点图、阶梯图和序列图。 表6-1列出了主要的图形名称，help命令对这些图形提供了说明。

6.5.2 可视化参数
控制可视化参数有两种主要机制。首先，几乎所有可视化命令都提供一组标准的选项参数。表6-2列出了主要的选项，可视化结果对比如图6-2所示。

https://yqfile.alicdn.com/ba60dcb3eb5632daf41558c1c0fb643928bfb448.png"

可视化选项也可以使用par函数控制，该函数提供了大量特殊选项，可以管理轴尺寸、点类型、字体选择等。par采用很多选项，你可以通过help(par)了解。表6-3提供了一些较为重要的选项。

 #我们将使用par绘制一个3列2行的矩阵，然后用其他par值，为矩阵的3个单元填入不同的图形

 par(mfcol=c(2,3))

 #绘制默认的直方图

 hist(sample_rnorm,main=Sample Histogram)

 #现在我们转移到第2行中间的一列

 par(mfg=c(2,2,2,3))

 #将轴的尺寸改为默认值的一半

 par(cex.axis=0.5)

 #将轴改为蓝色

 par(col.axis=blue)

 #将图形变成红色

 par(col = red)

 #现在绘制散点图

 plot(sample_rnorm,main=Sample scatter)

 #在我们绘制完该图之后，它将自动移到第3行第1列，恢复轴尺寸

 par(cex.axis=1.0)

 #将点类型更改为散点图。使用help(points)获取PCH数量的列表

 par(pch=24)

 plot(sample_rnorm,main=Sample Scatter with New Points)

线类型

pch

数字

点类型

a cex和col有一些子参数：.axis、.main、.lab和.sub，它们影响对应的元素。例如，cex.main是标题的相对字体大小

b 颜色字符串可以是red这样的字符串，也可以是十六进制RGB字符串，形式为#RRGGBB

6.5.3 可视化注解
在绘制可视化时，我通常喜欢使用某种模型或者注解和可视化形式对比。例如，如果我要比较可视化形式和一个正态分布，应该将对应的正态分布画在屏幕上，将其与直方图的结果比较。

R 提供了在图形上绘制文本的一些支持函数。这些函数包括 lines、points、abline、polygon和text。和高级绘图函数不同，这些函数直接写入屏幕，而不重置图像。在本节中，我们将说明如何使用lines和text注解图像。

我们将首先生成一个常用场景下的直方图：在一个/22（1024台主机）网络上的扫描流量加上典型用户流量。观测参数是主机数量，我们假定在正常的情况下，该值呈正态分布，平均值为280台主机，标准差为30。在每次扫描中，会发生10种事件中的一种。在扫描期间，测得的主机数量总为1024，因为扫描器会扫描网络上的每一台主机。

 #首先，我们通过rnorm，用高斯分布建立典型活动的模型

 normal_activity - rnorm(300,280,30)

 #然后，我们创建一个攻击数量的矢量，每个攻击都是针对1024台主机

 attack_activity - rep(1024,30)

 #将两者连接起来，因为我们关注的是主机数量而不是时间相关性，所以不关心顺序

 activity_vector -c(normal_activity, attack_activity)

 hist(activity_vector,breaks=50,xlab=Hosts observed,\

 ylab=Probability of Occurence,prob=T,main=Simulated Scan Activity)

注意直方图中的breaks和prob参数，breaks控制直方图中统计堆（Bin）的数量，这在你处理长尾分布（如例中的模型）时特别重要。prob根据密度而不是频率来绘制柱状图。

现在，我们将配上一条曲线。为此，我们为lines函数创建一个x值矢量和一个y值矢量。x值平均分布到观测分布覆盖的范围中，而y值用dnom函数得出：

 xpoints -seq(min(activity_vector),max(activity_vector),length=50)

 #给定x值（xpoints）和使用来自activity矢量的均值和标准差的正太分布模型，

 #用dnorm计算对应的y值。该值的匹配情况很差，因为攻击使流量出现偏差。

 ypoints -dnorm(xpoints,mean=mean(activity_vector),sd=sd(activity_vector))

 #绘制直方图，这将清除画布

 hist(activity_vector,breaks=50,xlab=Hosts observed,\

 ylab=Density,prob=T,main=Simulated Scan Activity)

 #用lines绘制匹配曲线

 lines(xpoints,ypoints,lwd=2)

 #绘制文本。x和y值从图中得出。

 text(550,0.010,"This is an example of a fit")

6.5.4 导出可视化
R可视化在设备（Device）上输出，可以使用不同函数调用。默认设备在Unix系统上为X11，在Mac OS X上为quartz，在Windows上为win.graph。R的Devices(注意大小写）帮助提供了当前平台可用设备的列表。

要打印R输出，打开一个输出设备（如png、jpeg或pdf），然后正常编写命令。结果将写入设备文件，直到你用dev.off()解除设备。此时，你应该再次调用默认设备（不需要参数）。

 #将直方图输出到文件histogram.png

 png(file=histogram.png)

 hist(rnorm(200,50,20))

 dev.off()

 quartz()

大数据可视化分析，我们通常是怎么快速实现它的 大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。 高质量的可视化工具对于数据分析至关重要。数据可视化工具是一种应用软件，帮助用户以可视化、图形化的格式显示数据，呈现数据的完整轮廓。像饼状图、曲线图、热图、直方图、雷达/蜘蛛图只是可视化中的一小部分，这些方法可以简单地表示数据并展示特点和趋势。 当今这个高速运转的时代，越来越重视信息的及时性和准确性，才能在商业竞争中取得胜利，越来越多的企业开始意识到数据的重要性，通过数据科学的做出明智决策，
《信息可视化：交互设计（原书第2版）》——1.4节信息可视化的价值 本节书摘来自华章社区《信息可视化：交互设计（原书第2版）》一书中的第1章，第1.4节信息可视化的价值，作者：（英） Robert Spence，更多章节内容可以访问云栖社区“华章社区”公众号查看
《数据驱动安全：数据安全分析、可视化和仪表盘》一2.2.1 理解Python数据分析和可视化生态系统 本节书摘来华章计算机《数据驱动安全：数据安全分析、可视化和仪表盘》一书中的第2章 ，第2.2.1节，[美]杰·雅克布（Jay Jacobs）鲍布·鲁迪斯（Bob Rudis） 著 薛杰 王占一 张卓 胡开勇 蒋梦飏 赵爽 译, 更多章节内容可以访问云栖社区“华章计算机”公众号查看。
《数据驱动安全：数据安全分析、可视化和仪表盘》一1.1 数据分析简史 本节书摘来华章计算机《数据驱动安全：数据安全分析、可视化和仪表盘》一书中的第1章 ，第1.1节，[美]杰·雅克布（Jay Jacobs）鲍布·鲁迪斯（Bob Rudis） 著 薛杰 王占一 张卓 胡开勇 蒋梦飏 赵爽 译, 更多章节内容可以访问云栖社区“华章计算机”公众号查看。
异步社区 异步社区(www.epubit.com)是人民邮电出版社旗下IT专业图书旗舰社区，也是国内领先的IT专业图书社区，致力于优质学习内容的出版和分享，实现了纸书电子书的同步上架，于2015年8月上线运营。公众号【异步图书】，每日赠送异步新书。