R语言数据可视化案例（世界杯球员信息数据可视化） - 灰信网（软件开发博客聚合）

　　在 faraway 包中包含一个名为 worldcup 的数据集（加载 faraway 包后，可通过代码“head(worldcup)”查看数据的前 5 行，该数据集是 2010 年世界杯上球员的信息数据，每个变量所表示的信息如下： Team： 国家 Position：位置，包括后卫、前锋、守门员、中场 Time： 上场总时间 Shots： 射门的次数 Passes：传球次数 Tackles：铲球次数 Saves： 救球次数

　　数据概况：

　　该数据集中，数据集包含595个样本，共有7个特征。其中Team，Postition是分类变量，后面的都是数值型变量，其中行名是球员名字。 导入需要的包和数据集 ，导入需要的包和数据集；

　　上场时间和传球数量的关系

　　运行结果

　　由图形可看出，各球员上场时间多集中于 400 以内，传球次数也对应集中于 200以内，其中 Midfifielder 位置的上场时间和传球次数较为出众。同时一定程度上，上场时间越长，传球数越大。 3. 不同位置射门次数直方图

　　运行结果 由图可发现，大部分球员射门次数集中于 5 个以内，其中 Defender 射门次数较少，而 Forward 射门表现较为优异，符合常理。 4. 不同队伍射门次数直方图

　　运行结果 5. 不同队伍射门次数直方图

　　运行结果 由图可知 Brazil 队射门次数平均较高，但无极端异常高的值，可推测其与队伍战术风格有关，以进攻为主，但各队员水平相近，表现稳定，而 Ghana 等队虽然整体平均还行，但是有一个极端高值，可推测是有球员表现尤为优异，带动队伍射门进攻。 6. 绘制球员分布国家地图可视化

　　运行结果 可通过地理信息数据发现，球队主要来源于西半球，各队伍成员数量较为相近，无过于显著的差异。 其中，安装REmap时，常规方式安装会报错，可利用下面方式解决：

　　绘制球员人数分布直方图

　　运行结果 可发现人数分布服从近似正态分布。 8. 对不同位置人员进行上场时间与射门次数的分析

　　运行结果 由图可发现，Forward 的射门次数都较高于其他位置，符合常理。 9. 国家与射门次数之间的关系

　　运行结果 从整体来看，Spain 总的射门次数最多，可看出在比赛中处在上风。Honduras 较少处于劣势。 10. 每个运动员上场时间及射门次数关系

　　运行结果 图形宽度代表上场时间，颜色深浅代表射门次数。可发现 Gyan,Villa 球员上场时间多，射门次数也多，是团队核心成员，而 Jong Tae-Se 上场时间中等，但射门次数较多，是很有潜力的成员。通过这个图寻找核心成员，同时挖掘潜力成员。 11. 球员上场时间分布图

　　运行结果 12. #位置、射门、救球、传球、铲球之间的关系（散点矩阵图）

　　运行结果 由这个图可以得到许多信息。可发现后卫数量是最多的，而门卫是数量最少的。同时可看出，四个位置的传球数，射门数等都服从偏态分布。Tackles 后卫表现突出，Shots 前锋表现突出.符合常理。