脸谱图的画法

脸谱图由Chernoff (1973)提出，它以一种非常形象有趣的方式来展示多元数据：人的脸部有很多特征，例如眼睛大小、眉毛弧度、脸宽、鼻高等，由于这些特征都可以用数值大小来测量，因此我们也可以反过来将一批数值对应到这些脸部特征上来，如数据的第一列控 制眼睛大小、第二列控制嘴巴大小等，每一行观测数据都可以像这样画出一个人脸来。
脸谱图和星图类似，但它却比星图可以表示更多的数据维度。用脸谱来分析多维度数据，即将P个维度的数据用人脸部位的形状或大小来表征。脸谱图在平面上能够形象的表示多维度数据并给人以直观的印象,可帮助使用者形象记忆分析结果,提高判断能力,加快分析速度。目前已应用于多地域经济战略指标数据分析，空间数据可视化等领域。TeachingDemos包(Snow, 2010)提供了两个脸谱图函数faces()和faces2()， 两个函数能反映的面部特征不尽相同，各有所长，例如faces()可以画头发和耳朵，但faces2()可以画更多的变量,faces2()的用法如下：

library(TeachingDemos)
faces2(mtcars[, c("hp", "disp", "mpg", "qsec", "wt")],
           which = c(14, 9, 11, 6, 5), adj = c(0.5, 0),)

部分汽车数据的脸谱图：谁的脸宽？谁的鼻子长？谁的眼睛大？

其中mat是主要参数，它是一个数据矩阵，每一行对应着一张脸谱，脸
谱中各个部位的特征对应着矩阵中的列；which也是一个重要参数，它用来
指定数据矩阵中的每一列分别对应着何种面部特征，它是一个整数向量，
向量的每个元素取值在1到18之间，分别表示：

1额头和脸之间的横线宽度（一张脸谱上半部分为额头，下半部分为脸）2额头和脸的相对高度（取值越大则额头越矮脸越高）3脸高4上半边脸的宽度5 下半边脸的宽度6鼻子长度7嘴巴高度8嘴巴弧度（绝对值应小于9）9嘴巴宽度10眼睛高度11两只眼睛之间的距离（取值0.5~0.9）12眼睛和眉毛的弧度13眼睛圆圈的形状（取值越大越呈椭圆形，越小越圆）14 眼睛大小15眼珠和眉毛的位置（越大越靠左，越小越靠右）16眉毛高度17眉毛弧度18眉毛宽度

在众多统计图形中，脸谱图可算是最有幽默味道的一种，大家不妨在一些轻松的场合使用这种图形，也许能让感觉眼前一亮。

###install.packages("aplpack")
library(aplpack)



data(longley)#加载数据
faces(longley[1:9,],face.type=2)##将face.type改为2则可以画出来的脸谱图是圣诞老人。

这个包里面还有一个plot.faces（）函数，他可以帮我们把脸谱图和散点图结合起来。听起来是不是很酷。

plot(longley[1:16,2:3],bty="n")
a<-faces(longley[1:16,],plot=FALSE)
plot.faces(a,longley[1:16,2],longley[1:16,3],width=35,height=30,face.type=2)

好了，今天的介绍就到这里了。