In diesem Kapitel sehen Sie grafische Methoden zur Exploration von multivariaten Zusammenhängen.






Multivariates Histogramm-Plot



Script


# Entwicklung eines multivariaten Histogramm-Plots für den data.frame:
# fussball
# Untersuchungseinheiten: verschiedene Fussballspieler
# Vergleichsdimensionen: Spiele; Tore; Torquote

# 1) Schritt: z-Standardisierung der Variablen tore spiele und quote


z_tore <- scale(fussball$tore)
z_spiele <- scale(fussball$spiele)
z_quote <- scale(fussball$tore/fussball$spiele)


# 2) Schritt: Zeichnung der Histogramme für jede Person

# Wir verwenden hier die barplot Funktion, da es sich im engeren Sinne um
# Balkendiagramme handelt (die aber wie Histogramme aussehen)

# 2.1) Anpassung von Grafikinhalten für 5 Grafiken


y_achse_min <- min(c(z_tore,z_spiele,z_quote))
y_achse_max <- max(c(z_tore,z_spiele,z_quote))
y_achse <- c(y_achse_min,y_achse_max)
farbe <- c("grey","lihtgrey" , "white" )


# Einstellung zur Darstellung in einem gemeinsamen Grafikfenster


par(mfrow=c(2,3), mar=c(2,2,2,2))


# 2.2) Erstellung der Histogramme für den jeweiligen Spieler mit den
# Vergleichsdimensionen unter Verwendung des Index

# Spieler 1: Mario Mandzukic


barplot(c(z_tore[1], z_spiele[1], z_quote[1]),
# Anpassung der Grafik für eine bessere Lesbarkeit
ylim=y_achse,space=0,
yaxt="n",
main=fussball$spieler_name[1],
col=farbe)


# Die Spieler 2 bis 5


barplot(c(z_tore[2], z_spiele[2],z_quote[2]), ylim=y_achse,space=0, yaxt="n",
main=fussball$spieler_name[2], col=farbe)

barplot(c(z_tore[3], z_spiele[3],z_quote[3]), ylim=y_achse,space=0, yaxt="n",
main=fussball$spieler_name[3], col=farbe)

barplot(c(z_tore[4], z_spiele[4],z_quote[4]), ylim=y_achse,space=0, yaxt="n",
main=fussball$spieler_name[4], col=farbe)

barplot(c(z_tore[5], z_spiele[5],z_quote[5]), ylim=y_achse,space=0, yaxt="n",
main=fussball$spieler_name[5], col=farbe)


# Legende


plot.new()
legend("center", legend=c("Tore", "Spiele", "Torquote"), fill=farbe, cex=1.6, bty="n")


# Zurücksetzen der Grafikoption auf Standardwerte


par(mfrow=c(1,1), mar=c(5, 4, 4, 2) + 0.1)


Plot







Überblick über die Abkürzungen der Fussballvereine des Datensatz: bundesliga_2014


Starplot



Script


# Erstellung eines Starplots


stars(


# Auswahl der Variablen im Bundesliga Datensatz


bundesliga_2014[,2:12],


# Vergabe der Bezeichnungen (in der star Funktion müssen diese die Objektklasse
# character besitzen


labels=as.character(bundesliga_2014[,1])
)


# Legende Starplot


stars(matrix(c(rep(1,11), rep(0,11)),ncol=11,byrow=T),
key.labels=colnames(bundesliga_2014)[2:13], locations =c(1,1),
key.loc = c(1,1))


Plot







Chernoff-Gesichter



Script


# Zeichnen der Chernoff-Gesichter


library(aplpack)
faces(


# Variablen ohne Vereinsnamen


bundesliga_2014[,c(2:12)],


# labels vergibt die Namen der Gesichter; erste Spalte des Datensatzes


labels=bundesliga_2014[,c(1)],


# Wir verzichten hier auf Farbe, dieses Argument können Sie auch weglassen


ncolor=0


Plot


effect of variables:
modified item Var
"height of face " "ges"
"width of face " "loge"
"structure of face" "sitz"
"height of mouth " "steh"
"width of mouth " "bier"
"smiling " "gew"
"height of eyes " "une"
"width of eyes " "verl"
"height of hair " "tore"
"width of hair " "gegtore"
"style of hair " "pkt"
"height of nose " "ges"
"width of nose " "loge"
"width of ear " "sitz"
"height of ear " "steh"





Heatmap



Script


# Erstellung einer Heatmap für den Datensatz bundesliga_2014 mit den Variablen:
# gewonnenn (gew), untentschieden (une) und verloren (ver)


heatmap(


# Auswahl der Spalten mit gewonnen, unentschiedenen und verlorenen Spielen und
# Konvertierung in ein Matrix-Objekt


as.matrix(bundesliga_2014[,7:9]),


# Standardisierung: spaltenweise


scale="column",


# Anpassung der Schriftgröße


cexCol=1,


# Hinzufügen der Vereinsbeschriftung


labRow= bundesliga_2014[,1]
)


Plot