中级绘图--马赛克图

1 马赛克图

我们已经学习了许多可视化定量或连续型变量间关系的方法。但如果变量是类别型的呢？若只观察单个类别型变量，可以使用柱状图或者饼图；但若有两个以上的类别型变量，该怎么办呢？一种办法是绘制马赛克图（mosaic plot）。在马赛克图中，嵌套矩形面积正比于单元格频率，其中该频率即多维列联表中的频率。颜色和/或阴影可表示拟合模型的残差值。

vcd包中的mosaic()函数可以绘制马赛克图。（R基础安装中的mosaicplot()也可绘制马赛克图，但我还是推荐vcd包，因为它具有更多扩展功能。）

1.1  例子：以基础安装中的Titanic数据集为例，这是一个被充分研究过的数据集。它包含存活或者死亡的乘客数、乘客的船舱等级（一等、二等、三等和船员）、性别（男性、女性），以及年龄层（儿童、成人）。查看该数据集，以平面表的形式展示：

mosaic()函数可按如下方式调用：

mosaic(table)  

其中table是数组形式的列联表。另外，也可用：

mosaic(formula, data=)

其中formula是标准的R表达式，data设定一个数据框或者表格。添加选项shade=TRUE将根据拟合模型的皮尔逊残差值对图形上色，添加选项legend=TRUE将展示残差的图例。

library(vcd)

mosaic(~Class+Sex+Age+Survived, data=Titanic, shade=TRUE, legend=TRUE)

 

结果分析：例如：(1) 从船员Crew到头等舱1st，存活率陡然提高；(2) 大部分孩子都处在三等舱和二等舱中；(3) 在头等舱中的大部分女性都存活了下来，而三等舱中仅有一半女性存活；(4) 船员中女性很少，导致该组的Survived标签重叠（图底部的No和Yes）。在本例中，蓝色阴影表明，在假定生存率与船舱等级、性别和年龄层无关的条件下，该类别下的生存率通常超过预期值。红色阴影则含义相反。图形表明，在模型的独立条件下，头等舱女性存活数和男性船员死亡数超过模型预期值。如果存活数与船舱等级、性别和年龄层独立，三等舱男性的存活数比模型预期值低。