Interaktive Plots. 2. Theorie und Beispiele. Motivation. 4. Fazit. 3. iplots. Gliederung. Fragen:

Transkript

1 Interaktive Plots Peter Mayer betreut durch: Armin Monecke 13. Januar 2011 LMU München, Institut für Statistik, Wintersemester 10/11, Seminar: Graphiken in R im Bachelor-Studiengang 1 Motivation Datensatz Allgemeine Bevölkerungsumfrage der Sozialwissenschaften (ALLBUS) - Umfrageserie zu Einstellungen, Verhaltensweisen und Sozialstruktur der Bevölkerung in der BRD - Erhebungen seit 1980 in zweijährigem Abstand - In persönlichen Interviews wird ein repräsentativer Querschnitt der Bevölkerung befragt Variablen Beobachtungen 3 Gliederung 1. Motivation Fazit 2 Motivation SEHR GLUECKLICH ZIEMLICH GLUECKLICH NICHT SEHR GLUECKL. GAR NICHT GLUECKLICH VERHEIRAT.ZUSAM.LEB. VERH.GETRENNT LEBEND VERWITWET GESCHIEDEN LEDIG Fragen: Wie viele nicht-verheiratete Personen sind sehr glücklich? Wie viele verheiratete Personen sind gar nicht glücklich? etc. 4

2 Motivation Motivation Grundüberlegungen zur Interaktiven Grafik Interaktives Arbeiten meint, dass statistische Objekte direkt verändert werden, ohne Menus, Dialoge, Boxes oder Kommandozeilen aufrufen zu müssen Interaktive Grafiken sollen die Möglichkeit geben, möglichst effizient Informationen aus einem Datensatz zu erhalten Vor allem bei großen Datensätzen sollen die Vorteile von Interaktiven Grafiken zum Tragen kommen Interaktive Grafiken sollen die explorative Datenanalyse effizienter gestalten 5 6 Gliederung 1. Motivation Fazit Bausteine der interaktiven Grafik: - Abfragen/Queries Methoden um exakte oder nicht sichtbare Informationen in einer Grafik abzufragen - Selektionen / Linking Um effiziente Gruppenvergleiche durchführen zu können braucht man Werkzeuge um Daten auf vielfältige Art und Weise zu selektieren - Highlighting Jede Selektion muss via Verlinkungen in alle Repräsentationen der Daten propagiert werden um einen Vergleich zu ermöglichen - Modifikationen von Grafikparametern Man will die Eigenschaften von Grafiken schnell und effizient variieren um immer die optimale Ansicht nutzen zu können 7 8

3 Selektion Linking Highlighting - Linking wird verwendet um Attribute der Daten zu propagieren Beispiel: Dataset Attribute selection color r r w w r w... 9 Abfragen auf verschiedenen Ebenen Die Detailtiefe einer Abfrage kann in 3 Stufen gegliedert werden - Orientierung, was sind die Koordinaten am Mauszeiger? - Standard, was sind die Koordinaten eines konkreten Wertes? - Erweitert, welchen Wert haben Variablen, die nicht in der Grafik sind? 11 Abfragen / Queries - Grafiken eignen sich gut um qualitative Informationen darzustellen geben aber keine exakten Werte wider Abfragen - sehr hilfreich um erste Informationen zu überprüfen - temporäre Anzeigen verhindern Unübersichtlichkeiten - Interaktive Grafiken verzichten oft auf zusätzliche Skalen (Data-Ink-Ratio) 10 Standard Erweitert 12

4 Selektionen -Selektionen als solches sind nicht wirklich interessant; sie sind aber Voraussetzung, um Subgruppen von Interesse zu spezifiziern - In einer explorativen Datenanalyse will man oft die Eigenschaften einer spezifischen Untergruppe analysieren - Die Flexibilität mit der man Daten selektieren kann bestimmt direkt, wie erfolgreich man in einer explorativen Analyse sein kann - Somit braucht man verschiedene Selektionswerkzeuge- und modi Werkzeuge zur Selektion - Zeiger... um einzelne Werte zu selektieren - Drag-Box... selektiert einen rechteckigen Bereich in der Grafik - Brush...ermöglicht eine dynamische Veränderung der Selektion - meist auf der Basis eines Rechtecks - Slicer...selektiert dynamisch achsenparallele Bereiche - Lasso... erlaubt quasi beliebige Formen der Selektion Selektions Modi - Einfach / Standard...nur die aktuell selektierten Werte werden selektiert - Schnitt / AND... nur die Punkte die selektiert werden und vorher auch schon selektiert waren, werden selektiert - Vereinigung / OR... die neuerlich selektierten Punkte werden zur Selektion hinzugefügt - Exklusiver Oder / XOR... die Selektion invertiert den Selektionsstatus der selektierten Punkte - Negation / NOT...Punkte die selektiert werden, werden aus der Selektion entfernt

5 17 Bei stetigen Variablen können auch Regenbogenfarben, die mehr Abstufungen erlauben verwendet werden 19 Color - Brushing Selection und Highlighting teilen die Daten im wesentlichen in zwei Gruppen, in den Selektierten und nicht Selektierten In Fällen in denen mehr als nur 2 Gruppen betrachtet werden, empfiehlt sich Color - Brushing: 18 Linking Veränderungen in einer Instanz (seien es Graphiken, Statistiken oder die Daten selber) haben oft Auswirkungen auf andere Instanzen. Das Linking zwischen Instanzen von Beobachtungen kann über ihren Aktualisierungsmechanismus kategorisiert werden : - Coldlinking Kaltes Linking ist im Prinzip kein Linking, z.b. alle Grafiken und Summaries in R sind kalt gelinkt - Warmlinking heißt, dass der Benutzer die Auswahl hat, ob eine Änderung (Selektion,Transformation...) der Daten propagiert werden soll - Hotlinking Die meisten interaktiven Systeme unterstützen heißes Linking zwischen allen Instanzen der Daten, d.h. alle Änderungen werden sofort an alle Ausgaben und Fenster propagiert. 20

6 Highlighting Wenn eine Selektion definiert worden ist, muss sie zu allen anderen Repräsentatoren der Daten propagiert werden alle Grafiktypen müssen wissen wie sie Gruppen highlighten Highlighting kann zwei Formen annehmen - transistent (ändert sich mit jeder neuen Selektion) - persistent (ein neuer Status muss den Punkten explizit zugewiesen werden) Klare, wie sich das Highlighting einer Subgruppe darstellen sollte sind zwar wünschenswert, Ausnahmen können aber sinnvoll sein 21 Demo 23 Modifikation von Grafikparametern Zur Untersuchung von was-wäre-wenn Szenarien muss man Selektionen und Grafik Parameter unmittelbar ändern können Man kann Interaktionen grob in zwei Klassen aufteilen Generelle Interaktionen - Erstellung und Veränderung von Selektionen - Sortieren und Umordnen - Änderung der Skalierung (Zooming) - Änderung der Stärke der α-transparenz Grafikspezifische Interaktionen - Setzen und Verändern des Startpunktes und der Klassenbreite eines Histogramms - Veränderung der Punktgröße und Transparenz im Streudiagramm - Vertauschen der Achsen eines Streudiagramms - Änderung der Darstellung (relativ oder absolut) in einem Balkendiagramm/Spineplot oder Histogramm/Spineplot 22 Gliederung 1. Motivation Fazit 24

7 Einführung - R Graphiken sind absolut statisch - locator(...) und identify(...) sind die einzigen interaktiven Funktionen in R Graphiken - bringt Interaktive Statistische Grafiken für R - wird als R Paket angeboten und läuft als separater Java - Prozess neben R Design Grundidee in Syntax und Handhabung soll sich so nah wie möglich und sinnvoll an den vorhandenen statischen Grafiken in R orientieren (i) Namen der Plots werden mit dem Präfix i versehen (ii) Parameter der Funktionen sollen möglichst kompatibel sein (iii) Plot Fenster werden über das Device Handling gesteuert Das Datenhandling in R erlaubt kein Hot-Linking, daher werden die in verwendeten Daten von selber verwaltet müssen - wie die statischen Graphiken in R - mit weiteren Komponenten (Linien, Punkte,...) versehen werden können 26 Kompatibilität Plots - plot iplot Scatterplot (nicht generisch wie plot) - hist ihist Histogram - bar ibar Barchart (benötigt im Gegensatz zu barplot nicht table()) Fenster/Devices - Wenn mehr als ein iplot geöffnet ist, muss man zwischen den verschiedenen Fenstern (aus R heraus) wechseln können. - Die Verwaltung von Fenstern geschieht dabei wie die von Devices iplot.list() liefert alle aktuell existierenden iplot Fenster iplot.cur() liefert den aktiven iplot iplot.next() und iplot.prev() liefern die Nummer des nächsten oder vorherigen IPlots relativ zum aktiven iplot.set() setzt den aktiven iplot iplot.off() schließt das aktive Fenster iplot.data() liefert die Daten aus dem iplot 28

8 isets R hat einige Defizite bei der Datenhandhabung: - Es gibt nur ein loses Konzept eines Datensatzes, für Linking benötigt man jedoch ein sehr strenges Konzept um Konsistenz zu gewährleisten. - Bei jeder Änderung von Daten in R wird immer eine Kopie der Daten erzeugt Daher werden die Daten für auf Seiten der Java VM in sogenannte isets gespeichert Plots werden immer eindeutig einem iset zugeordnet Alle Plots die zum gleichen iset gehören sind gelinkt isets werden automatisch generiert, immer wenn ein iplot erzeugt wird, der nicht zum aktuellen iset gelinkt werden kann, also falls - es existiert noch kein iset - die Anzahl der Daten passt nicht zum aktuellen iset - der Benutzer erzeugt explizit ein neues iset 29 iobjects Alle können mit (statischen) grafischen Objekten versehen werden: - iabline(...) - ilines(...) - itext(...) Auch hier gelten die üblichen Verwaltungsfunktionen - iobj.rm(...) Löschen des aktiven Objekts - iobj.opt(...) setzt Eigenschaften des Objekts Bisher implementierte Plots in : - ibar - ihist - iplot - imosaic - iparcoord 31 isets Auch isets können über die üblichen Verwaltungsfunktionen bearbeitet werde: - iset.cur() Akives iset - iset.list() Liste aller isets - iset.new() Erstelen eines neuen iset - etc. Wichtig sind die Funktionen zur Verwaltung der selektierten Daten: - iset.select(...) Explizites Setzen der Selektion - iset.selected Menge der selektierten Fälle - iset.sel.changed() true oder false falls sich die Selektion geändert hat Color Brushing wird auch über iset Funktionen realisiert - iset.col(...) Definition der Farbe über die Integerwerte eines Faktors - iset.brush(...) 30 iplot(alter,einkommen) selected <- iset.selected() iabline(lm(einkommen~alter,subset = selected)) 32

9 Weitere Software für Interaktive Grafiken ggobi (Open Source) - Stärke bei der Analyse von hochdimensioalen, rein stetigen Daten - Verbindung zu R über Paket rggobi DataDesk (kommerziell) - wurde 1985 entwickelt, lange Zeit Standardprogramm für Interaktive Grafiken SAS/StatStudio (kommerziell) Mondrian (Open Source) - Stand-alone Programm - breitestes Angebot an interaktive Grafiken, eignet sich auch für geografische Daten - kann Daten aus R Workspaces laden 33 Interaktive Grafiken Vielen Dank für Eure Aufmerksamkeit 35 Fazit Interaktive Grafik ist ein flexibler und effizienter Weg um Daten zu analysieren gibt erstmals die Möglichkeit Interaktive Grafiken mit R zu erstellen ist für R Benutzer sehr einfach anzuwenden Es gib wenig Möglichkeiten Grafikparameter in Grafiken zu ändern 34 Quellen - Unwin,Theuss,Hufmann (2006) Graphics of Large Data Sets: Visiualizing a Million - %C3%B6lkerungsumfrage_der_Sozialwissenschaften DatenanalyseInteraktiveGrafiken Beitrag,property=file.pdf

10