Diagramme mit Polarkoordinaten werden sicherlich nicht ausreichend genutzt - manche würden dies aus gutem Grund sagen. Ich denke, die Situationen, die ihre Verwendung rechtfertigen, sind nicht häufig. Ich denke auch, dass in solchen Situationen Polardiagramme Muster in Daten aufdecken können, die lineare Diagramme nicht können.
Ich denke, das liegt daran, dass Ihre Daten manchmal eher von Natur aus polar als linear sind - z. B. zyklisch (x-Koordinaten, die Zeiten während eines 24-Stunden-Tages über mehrere Tage darstellen) oder die Daten zuvor auf einen polaren Merkmalsraum abgebildet wurden.
Hier ist ein Beispiel. Dieses Diagramm zeigt das durchschnittliche Verkehrsaufkommen einer Website pro Stunde. Beachten Sie die beiden Spitzen um 22 Uhr und um 1 Uhr. Für die Netzwerktechniker der Site sind diese von Bedeutung. Es ist auch wichtig, dass sie nahe beieinander auftreten (nur zwei Stunden voneinander entfernt). Wenn Sie jedoch dieselben Daten in einem herkömmlichen Koordinatensystem darstellen, wird dieses Muster vollständig ausgeblendet - linear dargestellt, sind diese beiden Spitzen 20 Stunden voneinander entfernt, obwohl sie an aufeinanderfolgenden Tagen auch nur zwei Stunden voneinander entfernt sind. Das Polardiagramm oben zeigt dies auf sparsame und intuitive Weise (eine Legende ist nicht erforderlich).
Es gibt zwei Möglichkeiten (die mir bekannt sind), solche Diagramme mit R zu erstellen (ich habe das Diagramm über w / R erstellt). Eine besteht darin, Ihre eigene Funktion entweder im Basis- oder im Rastergrafiksystem zu codieren. Die andere Möglichkeit, die einfacher ist, besteht darin, das Rundpaket zu verwenden . Die Funktion, die Sie verwenden würden, ist ' rose.diag ':
data = c(35, 78, 34, 25, 21, 17, 22, 19, 25, 18, 25, 21, 16, 20, 26,
19, 24, 18, 23, 25, 24, 25, 71, 27)
three_palettes = c(brewer.pal(12, "Set3"), brewer.pal(8, "Accent"),
brewer.pal(9, "Set1"))
rose.diag(data, bins=24, main="Daily Site Traffic by Hour", col=three_palettes)