Open Source Tools zur Visualisierung mehrdimensionaler Daten?

31

Mit welchen Open-Source-Tools werden neben gnuplot und ggobi mehrdimensionale Daten visualisiert?

Gnuplot ist mehr oder weniger ein einfaches Plot-Paket.

Ggobi kann eine Reihe von raffinierten Dingen erledigen, wie zum Beispiel:

Animieren Sie Daten entlang einer Dimension oder zwischen diskreten Sammlungen
animieren Sie lineare Kombinationen, indem Sie die Koeffizienten variieren
Hauptkomponenten und andere Transformationen berechnen
Visualisieren und drehen Sie dreidimensionale Datencluster
Verwenden Sie Farben, um eine andere Dimension darzustellen

Welche anderen nützlichen Ansätze basieren auf Open Source und sind somit frei wiederverwendbar oder anpassbar?

Bitte geben Sie in der Antwort eine kurze Beschreibung der Fähigkeiten des Pakets an.

data-visualization open-source

— Benutzer87
quelle

4

Ich frage mich, ob es nicht sinnvoller ist, nach Visualisierungsmethoden als nach Paketen zu fragen, zumal die meisten Antworten nur wenige Details enthalten und viele Pakete dieselben Methoden bieten. Siehe beispielsweise stats.stackexchange.com/questions/41326/…

— naught101

13

Wie wäre es mit R mit ggplot2 ?

Andere Tools, die ich wirklich mag:

— Shane
quelle

ggplot2 ist nur ein Grafikpaket? Warum empfehlen Sie es für mehrdimensionale Daten? Facettierung?

— Naught101

14

Mondrian : Explorative Datenanalyse mit Schwerpunkt auf großen Datenmengen und Datenbanken.
iPlots : Ein Paket für die statistische R-Umgebung, das in Java geschriebene statistische Grafiken mit hoher Interaktion bietet.

— U / min
quelle

+1 für Mondrian - sehr nützliches Spielzeug, vor allem für große Datenmengen

— radek

große daten! = hohe dimensionalität. Ist Mondrian für hohe Dimensionalität nützlicher als andere Pakete?

— naught101

11

Das Gitterpaket in R.

Lattice ist ein leistungsstarkes und elegantes High-Level-Datenvisualisierungssystem mit Schwerpunkt auf multivariaten Daten, das für typische Grafikanforderungen ausreicht und außerdem flexibel genug ist, um die meisten nicht standardmäßigen Anforderungen zu erfüllen.

Quick-R hat eine schnelle Einführung .

— Jeromy Anglim
quelle

Heh. Ich kann diese Antwort nicht bearbeiten, um diesen Link hinzuzufügen , da er zu kurz ist. Mit 4 Upvotes müssen mindestens ein paar Leute da draußen sein, die mit Gitter vertraut genug sind, um ein paar Beschreibungszeilen hinzuzufügen, damit diese Antwort tatsächlich halbwegs nützlich ist ...

— naught101

1

guter Punkt. Ich habe ein Klappentext und Ihren Quick-R-Link hinzugefügt

— Jeromy Anglim

4

ggobi und die R-Links zu Ggobi sind dafür wirklich ziemlich gut. Es gibt einfachere Visualisierungen (iPlots ist sehr schön, auch interaktiv, wie erwähnt).

Aber es kommt darauf an, ob Sie etwas spezialisierteres tun. Zum Beispiel können Sie mit TreeView die Art der Cluster-Dendrogramme visualisieren, die Sie aus Microarrays erhalten.

— Paul Hewson
quelle

3

Pythons Matplotlib

— Andre Holzner
quelle

3

Viewpoints ist nützlich für Datensätze mit mehreren Variablen.

— mankoff
quelle

Ich kann das nur zweitens ... von dem, was ich gesehen habe, können Sie Daten mit der Maus in einer Projektion auswählen, während Sie sehen, wie die ausgewählte Teilmenge in einer anderen Projektion aussieht.

— Andre Holzner

1

t-SNE hat viele Open-Source-Implementierungen . Eine der am einfachsten zu verwendenden ist wahrscheinlich sklearn.manifold.TSNE. sklearn.manifoldenthält weitere vielfältige Lernmethoden zum Zeichnen Ihrer Daten in 2D:

— Franck Dernoncourt
quelle

0

Schauen Sie sich auch die SCaVis-Datenplotbibliothek an . Es funktioniert auf jeder Plattform seit Java. Es unterstützt viele Datencontainer und Plotstile (2D, 3D usw.)

— IraS
quelle