Función de resumen de datos gráficos (resumen) en R

Estoy seguro de que he encontrado una función como esta en un paquete R antes, pero después de buscar en Google, parece que no puedo encontrarla en ningún lado. La función en la que estoy pensando produjo un resumen gráfico para una variable dada, produciendo resultados con algunos gráficos (un histograma y tal vez un diagrama de caja y bigotes) y algunos textos que dan detalles como media, SD, etc.

Estoy bastante seguro de que esta función no se incluyó en la base R, pero parece que no puedo encontrar el paquete que utilicé.

¿Alguien sabe de una función como esta, y si es así, en qué paquete está?

El paquete Hmisc de Frank Harrell tiene algunos gráficos básicos con opciones de anotación: consulte las funciones de ajustesummary.formula() y relacionadas plot. También me gusta la describe()función.

Para obtener información adicional, eche un vistazo a The Hmisc Library o An Introduction to S-Plus y Hmisc and Design Libraries .

Aquí hay algunas fotos tomadas de la ayuda en línea ( bpplt, describey plot(summary(...))):

Muchos otros ejemplos se pueden navegar en línea en el Manual gráfico de R , vea Hmisc (y no se pierda rms ).

Recomiendo encarecidamente el gráfico de funciones. Correlaciones en el paquete PerformanceAnalytics . Empaqueta una cantidad sorprendente de información en un solo gráfico: gráficos de densidad del núcleo e histogramas para cada variable, y gráficos de dispersión, suavizadores bajos y correlaciones para cada par de variables. Es una de mis funciones favoritas de resumen de datos gráficos:

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

He encontrado útil esta función ... el identificador del autor original es el club respiratorio .

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

}

No estoy seguro de si esto es lo que estaba pensando, pero es posible que desee consultar el paquete fitdistrplus . Esto tiene muchas funciones agradables que generan automáticamente información de resumen útil sobre su distribución, y trazan parte de esa información. Aquí hay algunos ejemplos de la viñeta :

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 

Para explorar el conjunto de datos que realmente me gusta rattle. Instale el paquete y solo llame rattle(). La interfaz es bastante autoexplicativa.

Tal vez estás buscando la biblioteca ggplot2 que te permite trazar las cosas de una manera bonita. O puede consultar este sitio web que parece tener muchas utilidades gráficas R http://addictedtor.free.fr/graphiques/

Probablemente no sea exactamente lo que está buscando, pero la función pares.panels () en el paquete psicológico para R puede resultar útil. Le proporciona valores de correlación en la diagonal superior, líneas de loess y puntos en la diagonal inferior, y muestra un histograma de las puntuaciones de cada variable en la línea diagonal de la matriz. Personalmente, creo que es uno de los mejores resúmenes gráficos de datos.

Mi favorito es DescTools

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

Lo que produce una serie de tramas como estas:

y muestra una serie de valores descriptivos (incluyendo media, media SE, mediana, percentiles, rango, SD, IQR, valores de asimetría y curtosis):

Alternativamente, tabplot también es muy bueno para una descripción gráfica.

Produce parcelas elegantes con tableplot(iris, sortCol=Species)

Incluso hay una versión D3 de tabplot, es decir, tabplotd3 .