R语言及ggplot2在环境空气监测数据可视化中的应用探究.docVIP

R语言及ggplot2在环境空气监测数据可视化中的应用探究 　　随着新《环境空气质量标准》(GB 3095-2012)的发布、实施，全国各地都在采用环境空气自动监测以应对其严苛的数据有效性要求。环境空气自动监测系统每天都在产生大量的数据，如何对数据进行有效的统计分析，成为一个新的课题。对数据的可视化，是数据分析的第一步。本文应用R语言及ggplot2图形绘制包以浙江省常山县城区两个空气自动站即环保大楼站及图书馆站2014年全年监测数据为例进行各种可视化分析，以探讨该软件在空气质量数据分析领域应用的巨大潜力。 　　1　软件准备 　　1.1　R语言软件与扩展包 　　R语言是一种区分大小写的解释性语言，其具有的强大统计计算及绘图能力，是从大数据中获取有用信息的绝佳工具，它提供了Windows、OS X、Linux等各大操作系统下的版本，可以直接从网上免费下载、安装、使用。R语言软件在基本安装中提供了大量的数据处理、统计和图形函数，此外各社区还开发了数以千计的扩展包(packages)为R增加了更多令人惊奇的功能，本文用到的ggplot2、plyr、reshape2等即是其中的一部分。 　　ggplot2是目前R语言中的图形绘制扩展包，它为R语言提供了一个基于全面而连贯的语法的绘图系统，它由一系列独立的图形部件组成，并能以许多种不同的方式组合起来，使得数据分析者能用紧凑的语法轻松绘制出复杂的图形，从而使数据分析者更能将注意力集中于数据分析本身。plyr与reshape2是两个功能强大的数据整理扩展包，它们为R语言扩展了对数据变换、数据变形的功能。 　　ggplot2软件包可以在R语言命令提示符后输入install.packages(“ggplot2”)，选择合适的下载镜像后，就可以自动从网上下载安装。在Windows操作系统下下载的是二进制文件，可以直接使用;在类Unix操作系统下，下载的是包的源代码，经过编译后才能使用，但只要具备gcc等编译工具，安装都可通过简单的命令完成。在使用前，需要输入library(ggplot2)或require(ggplot2)调用该软件包。plyr包等也是如此。 　　1.2　Excel 　　但面对原始数据，微软公司的Excel往往是对数据进行清洗、分列的直观分析利器。各地自动监测站采集并导出的原始数据往往是xml格式的，而Excel处理这种格式极为得心应手。Excel中的数据筛选功能可以轻易地删除大量无效数据，分列功能可以将监测日期与时刻分离以便于下一步的处理，数据格式也可以得到统一，将数据“另存为”csv格式后即可通过read.csv()函数导入R软件。R软件也可以通过write.csv()函数写出csv格式的文件与Excel交互使用。 　　2　数据处理 　　2.1　数据的收集与整理 　　在数据分析工作中，收集、整理数据的时间往往是占了工作时间的80%以上。在数据收集、整理工作中交互地使用R语言与Excel，可极大地提高工作效率。首先使用Excel将在自动监测过程中产生的无效数据进行筛选、剔除，再按需要，对某些数据进行分列处理，最后导出为csv文件后以便R语言读取。与Matlab等将一切视为矩阵不同，R语言可以灵活地对向量、矩阵、数组、数据框、因子、列表等多种数据结构进行处理。通过read.csv()导入的数据都被视为数据框(data.frame)。数据框是R语言中最常用的数据结构，其每一列都可以包含不同模式的数据，如环境空气监测数据之后，可以增加名为“month”的一列，用中文“一月份”表示该数据是一月份的数据，增加“site”的一列，用中文标注其站点名称，如假设hbdl201401为导入的环保大楼站一月份数据，用R命令行示例如下：sitelt;-rep(“环保大楼站”，dim(hbdl201401))monthlt;-rep(“一月份”，dim(hbdl201401))hbdl201401lt;-cbind(hbdl201401，site，month)同一站点中的数据，可以使用rbind()函数进行按月合并。当多站点数据合并时，由于设备配置的原因，数据框中各列的名称与数量并不完全一致，使用rbind()合并数据时会出错。如常山县环保大楼站除常规六参数外还配有碳黑仪、能见度仪、气象五参数等，而图书馆站中仅有常规六参数。这时的合并可以用到merge()函数。假设hbdl2014为常山县环保大楼站2014年全年小时均值数据，而tsg2014为图书馆站数据，则可用以下命令合并数据框： 　　cs2014lt;-merge(hbdl2014，tsg2014，all=T，sort=F)合并后的数据框cs2014中在