数据可视化图表（未完待续）
1、森林图
森林图展示了单个研究和Meta分析的效应估计值及可信区间。每个研究都由位于干预效果点估计值位置的方块来代表，同时一条横线分别向该方块的两边延伸出去。方块的面积代表在Meta分析中该研究被赋予的权重，而横线代表可信区间（通常为95%可信区间）。方块面积和可信区间传达的信息是相似的，但在森林图中两者的作用却不同。可信区间描述的是与研究结果相符的干预效果的范围，且能表示每个研究是否有统计学意义。较大的方块意味着较大权重的研究（通常为可信区间较窄的研究），这些研究也决定了最终合并的结果。（源自百度百科）
2、曼哈顿图
曼哈顿图是一种散点图，通常用于显示具有大量数据点，许多非零振幅和更高振幅值分布的数据。该图通常用于全基因组关联研究（GWAS）以显示重要的SNP（来源wiki）。
3、小提琴图
小提琴图是一种绘制数值数据的方法。它类似于箱线图，在每一侧都增加了一个旋转的核密度图。
小提琴图类似于箱线图，除了它们还显示不同值的数据的概率密度，通常由核密度估计器平滑。通常，小提琴图将包括箱形图中的所有数据：数据中位数的标记；指示四分位距的框或标记；如果样本数量不太高，可能还有所有样本点。
小提琴图比普通的箱形图更能提供信息。箱线图仅显示汇总统计数据，例如平均值/中位数和四分位距，而小提琴图则显示了数据的完整分布。当数据分布是多峰的（多于一个峰）时，这种差异特别有用。在这种情况下，小提琴图显示了不同峰值的存在、它们的位置和相对幅度。
与箱线图一样，小提琴图用于表示不同”类别”之间的变量分布（或样本分布）的比较（例如，昼夜之间的温度分布比较，或不同汽车制造商之间比较的汽车价格分布）。
小提琴图可以有多个层次。例如，外部形状代表所有可能的结果。里面的下一层可能代表 95% 的时间出现的值。内部的下一层（如果存在）可能代表 50% 的时间出现的值。(源自维基百科）
4、列线图
列线图领域由法国工程师 Philbert Maurice d’Ocagne (1862-1938) 于 1884 年发明，多年来广泛用于为工程师提供复杂公式的快速图形计算，以达到实用的精度。列线图使用 d’Ocagne 发明的平行坐标系，而不是标准的笛卡尔坐标。
列线图由一组 n 个尺度组成，一个代表方程中的每个变量。知道n-1个变量的值，就可以求出未知变量的值，或者通过固定一些变量的值，研究未固定变量之间的关系。结果是通过在刻度上的已知值上放置直尺并从它与该变量的刻度相交的位置读取未知值来获得的。由直尺创建的虚拟线或绘制线称为索引线或等值线。
列线图可以直观的查看结果，广泛应用与机器学习领域。（源自维基百科）
Original: https://blog.csdn.net/kangyushuju/article/details/123544313
Author: kangyushuju
Title: 数据可视化图表
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/698255/
转载文章受原作者版权保护。转载请注明原作者出处！