¿Herramientas de código abierto para visualizar datos multidimensionales?

31

Además de gnuplot y ggobi , ¿qué herramientas de código abierto utilizan las personas para visualizar datos multidimensionales?

Gnuplot es más o menos un paquete de trazado básico.

Ggobi puede hacer una serie de cosas ingeniosas, como:

animar datos a lo largo de una dimensión o entre colecciones discretas
Animar combinaciones lineales que varían los coeficientes
calcular componentes principales y otras transformaciones
visualizar y rotar grupos de datos tridimensionales
usar colores para representar una dimensión diferente

¿Qué otros enfoques útiles se basan en código abierto y, por lo tanto, se pueden reutilizar o personalizar libremente?

Proporcione una breve descripción de las habilidades del paquete en la respuesta.

data-visualization open-source

— usuario87
fuente

44

Me pregunto si no es más sensato pedir métodos de visualización, en lugar de paquetes, especialmente dado que la mayoría de las respuestas proporcionan pocos detalles, y muchos paquetes proporcionan los mismos métodos. Ver, por ejemplo, stats.stackexchange.com/questions/41326/…

— naught101

13

¿Qué tal R con ggplot2 ?

Otras herramientas que realmente me gustan:

— Shane
fuente

ggplot2 es solo un paquete gráfico? ¿Qué te hace recomendarlo para datos multidimensionales? Facetas?

— naught101

14

Mondrian : Análisis exploratorio de datos con enfoque en grandes datos y bases de datos.
iPlots : un paquete para el entorno estadístico R que proporciona gráficos estadísticos de alta interacción, escritos en Java.

— rcs
fuente

+1 para Mondrian - juguete muy útil, especialmente para datos grandes

— radek

datos grandes! = alta dimensionalidad. ¿Mondrian es más útil que otros paquetes para alta dimensionalidad?

— nada101

11

El paquete de celosía en R.

Lattice es un sistema de visualización de datos de alto nivel potente y elegante, con énfasis en datos multivariados, que es suficiente para las necesidades gráficas típicas y también es lo suficientemente flexible como para manejar la mayoría de los requisitos no estándar.

Quick-R tiene una introducción rápida .

— Jeromy Anglim
fuente

Je No puedo editar esta respuesta para agregar este enlace porque es demasiado corto. Con 4 upvotes, debe haber al menos unas pocas personas ahí fuera lo suficientemente familiarizado con celosía que se podría añadir un par de líneas de descripción, para hacer realidad esta respuesta útil a mitad de camino ...

— naught101

1

buen punto. Agregué una propaganda y su enlace de

— acceso

4

ggobi y los enlaces R a Ggobi son realmente bastante buenos para esto. Hay visualizaciones más simples (iPlots es muy agradable, también interactivo, como se mencionó).

Pero depende de si estás haciendo algo más especializado. Por ejemplo, TreeView le permite visualizar el tipo de dendrogramas de clúster que obtiene de los microarrays.

— Paul Hewson
fuente

3

Matplotlib de Python

— Andre Holzner
fuente

3

Los puntos de vista son útiles para conjuntos de datos con múltiples variantes.

— revs mankoff
fuente

Solo puedo decir que ... por lo que he visto, puede seleccionar datos con el mouse en una proyección mientras mira cómo se ve el subconjunto seleccionado en otra proyección.

— Andre Holzner

1

t-SNE tiene muchas implementaciones de código abierto . Uno de los más fáciles de usar es probablemente sklearn.manifold.TSNE. sklearn.manifoldcontiene otros métodos de aprendizaje múltiples para trazar sus datos a 2D:

— Franck Dernoncourt
fuente

0

Mire también la biblioteca de trazado de datos SCaVis . Funciona en cualquier plataforma desde Java. Admite muchos contenedores de datos y estilos de trazado (2D, 3D, etc.)

— IraS
fuente