Инструменты с открытым исходным кодом для визуализации многомерных данных?

31

Помимо gnuplot и ggobi , какие инструменты с открытым исходным кодом люди используют для визуализации многомерных данных?

Gnuplot - более или менее базовый пакет для построения графиков.

Ггоби может сделать несколько изящных вещей, таких как:

анимировать данные вдоль измерения или среди дискретных коллекций
одушевленные линейные комбинации, меняющие коэффициенты
вычислить основные компоненты и другие преобразования
визуализировать и вращать трехмерные кластеры данных
использовать цвета для представления другого измерения

Какие другие полезные подходы основаны на открытом исходном коде и поэтому могут свободно использоваться или настраиваться?

Пожалуйста, предоставьте краткое описание возможностей пакета в ответе.

data-visualization open-source

— user87
источник

4

Интересно, не разумнее ли спрашивать о методах визуализации, а не о пакетах, тем более что большинство ответов содержат мало деталей, а многие пакеты предоставляют одинаковые методы. См., Например, stats.stackexchange.com/questions/41326/…

— naught101

13

Как насчет R с ggplot2 ?

Другие инструменты, которые мне действительно нравятся:

— Шейн
источник

ggplot2 это просто графический пакет? Что из того, что заставляет вас рекомендовать его для многомерных данных? Facetting?

— naught101

14

Мондриан : Исследовательский анализ данных с акцентом на большие данные и базы данных.
iPlots : пакет для статистической среды R, который обеспечивает статистическую графику с высоким взаимодействием, написанную на Java.

— rcs
источник

+1 для Мондриана - очень полезная игрушка, особенно для больших данных

— Радек

большие данные! = высокая размерность. Является ли Mondrian более полезным, чем другие пакеты для высокой размерности?

— naught101

11

Решетчатый пакет в R.

Lattice - это мощная и элегантная высокоуровневая система визуализации данных с акцентом на многовариантные данные, которая достаточна для типичных графических нужд, а также достаточно гибка для удовлетворения большинства нестандартных требований.

Quick-R имеет краткое введение .

— оборота Джером Англим
источник

Хех. Я не могу изменить этот ответ, чтобы добавить эту ссылку, потому что она слишком короткая. С 4 голосами против, должно быть, по крайней мере, несколько человек, достаточно знакомых с решеткой, чтобы они могли добавить пару строк описания, чтобы на самом деле сделать этот ответ наполовину полезным ...

— naught101

1

хорошая точка зрения. Я добавил рекламу и вашу ссылку для

— быстрого доступа

4

ggobi и R-ссылки на Ggobi действительно хороши для этого. Есть более простые визуализации (iPlots очень хороши, также, как уже упоминалось, интерактивные).

Но это зависит от того, занимаетесь ли вы чем-то более специализированным. Например, TreeView позволяет визуализировать вид кластерных дендрограмм, которые вы получаете из микрочипов.

— Пол Хьюсон
источник

3

Пайтона Matplotlib

— Андре Хольцнер
источник

3

Точки обзора полезны для множественных наборов данных.

— оборота mankoff
источник

Я могу только подтвердить, что ... из того, что я видел, вы можете выбрать данные с помощью мыши в одной проекции, глядя, как выглядит выбранное подмножество в другой проекции.

— Андре Хольцнер

1

У t-SNE есть много реализаций с открытым исходным кодом . Вероятно, одним из самых простых в использовании sklearn.manifold.TSNE. sklearn.manifoldсодержит другие методы обучения для построения графиков ваших данных в 2D:

— Франк Дернонкур
источник

0

Смотрите также библиотеку построения графиков данных SCaVis . Работает на любой платформе начиная с Java. Он поддерживает множество контейнеров данных и стилей печати (2D, 3D и т. Д.)

— IRAS
источник