15、统计绘图：从单变量到聚类结果可视化

统计绘图：从单变量到聚类结果可视化

1. 单变量分布统计绘图回顾

在描述单变量分布时，常用的统计绘图包括直方图、密度图、箱线图、小提琴图和 Q - Q 图等。可以使用 StatsPlots 进行绘制，同时也能借助 Gadfly 和 Makie 生态系统创建类似的图形。

例如，在绘制 Q - Q 图时，需要显式使用 Distributions 包来访问正态分布对象和 fit 函数，从而将正态分布拟合到变量上以计算 x 轴的分位数。Stat.qq 仅绘制点，若要得到恒等线，则需在单独的图层中绘制。可以使用 extrema 函数获取数据的最小值和最大值，由于该函数返回一个元组，需要使用 splat 运算符 ... 将元组元素作为函数参数传递。

2. 双变量分布绘图与回归

2.1 散点图

散点图是查看两个变量关系的简单方法，尤其在样本较少时。但当样本数量较多时，点会重叠，难以了解不同区域的点密度。可以通过设置 scatter 函数的 alpha 关键字参数（值介于 0 到 1 之间）来增加点的透明度，缓解此问题。不过，更好的方法是创建近似两个变量联合概率分布的图形，常见的有二维直方图和二维密度图。

2.2 二维直方图

可以使用 Plots 和 StatsPlots 中的 histogram2d 函数创建二维直方图。它与单变量直方图类似，但会对两个变量进行离散化，定义不同的“箱子”，并使用颜色编码每个箱子的数据密度。histogram2d 函数的 bins 关键字参数可用于指定分箱策略，可传递一个二元组，分别为 x 和 y 变量设置不同的分箱数量。