R可视化:Mosaic Plot(马赛克图)的做法与解释
上图是用Guardian’s list 中"一生要听的1000首歌”的歌曲的数据,描绘的马赛克图,数据主要分为年份(year)和主题(themes) 两个变量。横轴为年份,从1910s~2000s。纵轴为主题(Heartbreak, Love…)。在观察某一项数据所占的比重的时候，只要是比较它在横纵中的比例。比如在1910s-50s之间，people and place这一个主题在这段时间所占的比重是最高的，但是就所有年份来说1910s-50s这段时间的歌曲所占的比重很低，相反1960s, 和1970s的歌曲所占的比重相对较高。
什么是马赛克图(mosaic plot)
作者—关于为什么翻译为马赛克图，是因为这个名字之前就有人翻译过了. 我是沿用了之前的翻译，这个称呼很有歧义呵呵，所以文章里面就直接用英文的mosaic plot
Mosaic plot常常用来展示Categorical data(分类数据)(关于不同的数据类别，参照连接更严谨英文比较好的朋友可以看[1])，mosaic plot 强大的地方在于它能够很好的展示出2个或者多个分类型变量(categorical variable)的关系. 它也可以定义为用图像的方式展示分类型数据。
什么是分类型数据
首先可能要先简单的介绍一下什么是分类数据，分类数据是统计数据中的一种，它主要是用来反映数据类别的数据, 比如 性别分为男和女，再比如年龄段分为幼儿,少年，青年，成年，老年等等。下面是一个数据图表,大家可以感觉一下什么是分类型数据.
图中显示的是在泰坦尼克事件中不同等级船仓中男女的死亡人数。这里一共有三个变量
性别: 男，女
幸存: 是，否
身份:头等舱，次等舱，低等舱，船员
那要怎么样构建mosaic plot呢?[2]
我们有一个长度为1的正方形,我们可以根据男女把正方形分割成2个部分比如现在的男女比例是65/35.那我们就把它切割成2个部分比例是65/35。
下一步，我们知道女性的幸存比例是67%幸存,33%死亡，就可以将女性的那一栏切割成67/33两个部分，而男性只有17%幸存下来。我们就可以将男性那一栏切割成17/83. 当然也可在切好的模块之间填充一个空格方便比较。
3.可以继续将方格根据数据的比例进行切割。这里就不完整的解析了。根据之前提供的数据图表的数据构建下面的泰坦尼克时间人员死亡数图
深色的部分表示死亡(no survive)，浅色的部分表示存活的(yes, survive).从左到右，可以看到有四个栏分别表示1st(头等舱), 2nd(次等舱),….。由上到下可以表示性别为男和女，在图里男性在船上占了绝大多数的比例。
Tell A Story（说一个故事）[3]
每个数据可视化图表背后都有一个故事，这也是数据可视化中很重要的一个环节，我们可以称之为data story。通常情况下我们可用数据去解释一些我们所不知道的事情。那在泰坦尼克号事件背后的数据故事，我们可以用构建的mosaic plot，很好的讲述出来。
1.在这次事件中，当灾难发生的时候，人们倾向于保护妇女和儿童，所以我们可以看到，妇女存活着的比例要远远高于男性。
2.是不是富有的人在灾难发生的时候有优先权呢?根据我们构建的图标，答案是的。不管是男性还是女性，头等舱中的存活率要高于次等舱和低等舱
3.船员是不是都在关键的时刻会保护你呢?这个结论可能有待商榷，但是我从我们上面构建的图标可以看到。在四中身份(头等，次等，低等，船员)中船员的存活了是排在第二位的。(我们可以理解有些船员，带着有钱人跑了。)
4.当然还有跟多的理解，如果读者看过泰坦尼克号的话，在读这幅图的时候应该会觉的很有意思。
Reference
[1]Stevens, Stanley Smith. "On the theory of scales of measurement." (1946).
[2]https://medschool.vanderbilt.edu/cqs/files/cqs/media/DrTsai2_0.pdf
[3]Segel, Edward, and Jeffrey Heer. "Narrative visualization: Telling stories with data."IEEE transactions on visualization and computer graphics16.6 (2010): 1139-1148.
[4]https://www.perceptualedge.com/articles/visual_business_intelligence/are_mosaic_plots_worthwhile.pdf
小结
本文原创作者：kevin_leee，请支持原创。
感谢大家耐心看完，自己的文章都写的很细，代码都在原文中，希望大家都可以自己做一做，请关注后私信回复“数据链接”获取所有数据和本人收集的学习资料。如果对您有用请先收藏，再点赞转发。
也欢迎大家的意见和建议，大家想了解什么统计方法都可以在文章下留言，说不定我看见了就会给你写教程哦。
如果你是一个大学本科生或研究生，如果你正在因为你的统计作业、数据分析、论文、报告、考试等发愁，如果你在使用SPSS,R，Python，Mplus, Excel中遇到任何问题，都可以联系我。因为我可以给您提供好的，详细和耐心的数据分析服务。
如果你对Z检验，t检验，方差分析，多元方差分析，回归，卡方检验，相关，多水平模型，结构方程模型，中介调节，量表信效度等等统计技巧有任何问题，请私信我，获取详细和耐心的指导。
If you are a student and you are worried about you statistical #Assignments, #Data #Analysis, #Thesis, #reports, #composing, #Quizzes, Exams.. And if you are facing problem in #SPSS, #R-Programming, #Excel, Mplus, then contact me. Because I could provide you the best services for your Data Analysis.
Are you confused with statistical Techniques like z-test, t-test, ANOVA, MANOVA, Regression, Logistic Regression, Chi-Square, Correlation, Association, SEM, multilevel model, mediation and moderation etc. for your Data Analysis...??
Then Contact Me. I will solve your Problem...
加油吧，打工人！