在交互式平行坐标图中，有一个很好的htmlwidgets的例子。

由Kaizong Ye，Liao Bao撰写

你可以交互式地操作平行坐标图来放大有趣的观察结果。

不久前，我读到了关于系统参数优化结果的可视化，使用应用程序来创建和操作回测结果。这个想法是通过改变系统参数来运行多个回测，并使用平行坐标图显示结果。

平行坐标是一种通常的可视化方法，用于对高维几何多元数据的可视化。为了表示在高维空间的一个点集，在N条平行的线的背景下，一个在高维空间的点被表示为一条拐点在N条平行坐标轴的折线，在第K个坐标轴上的位置就表示这个点在第K个维的值。

平行坐标是信息可视化的一种重要技术。为了克服传统的笛卡尔直角坐标系容易耗尽空间、难以表达三维以上数据的问题，平行坐标将高维数据的各个变量用一系列相互平行的坐标轴表示，变量值对应轴上位置。为了反映变化趋势和各个变量间相互关系，往往将描述不同变量的各点连接成折线。所以平行坐标图的实质是将维欧式空间的一个点Xi(xi1,xi2,…,xim) 映射到维平面上的一条曲线。

平行坐标图可以表示超高维数据。平行坐标的一个显著优点是其具有良好的数学基础，其射影几何解释和对偶特性使它很适合用于可视化数据分析。下面我们看看具体的应用案例。

在如何优化交易系统中描述了一个系统参数优化的好例子。如果你只优化两个参数，三维图是一个非常好的方法，但如果你有两个以上的参数，该怎么做？

平行坐标就来了。假设我们运行一个系统参数优化，改变了3个参数，并将结果存储在数据矩阵中。第一列将包含CAGR，第2：4列将包含参数值。

比如说。

#*****************************************************************
#加载历史数据

getSymbols(tickers, src = 'yahoo', from = '1970-01-01', env = data, auto.assign = T)


# 只选择快 < 中 < 慢
choices = choices\[choices$fast < choices$mid & choices$mid < choices$slow,\]

# 预先计算所有的移动平均线
mas = list()
for( i in unique(unlist(choices)) )
    mas\[\[i\]\] = bt.apply.matrix(prices, SMA, i)

# 对所有组合进行回测
result = choices


for(i in 1:nrow(choices)) {

    data$weight\[\] = NA

    result$CAGR\[i\] = compute.cagr(model$equity, nyears)



#*****************************************************************
# 平行坐标图

#*****************************************************************
coord(result, col=1:nrow(result))

可下载资源

完整程序、数据和文档（word）

最受欢迎的见解

1.R语言动态图可视化：如何、创建具有精美动画的图

2.R语言生存分析可视化分析

3.Python数据可视化-seaborn Iris鸢尾花数据

4.r语言对布丰投针（蒲丰投针）实验进行模拟和动态

5.R语言生存分析数据分析可视化案例

6.r语言数据可视化分析案例：探索brfss数据数据分析

7.R语言动态可视化：制作历史全球平均温度的累积动态折线图动画gif视频图

8.R语言高维数据的主成分pca、 t-SNE算法降维与可视化分析案例报告

9.python主题LDA建模和t-SNE可视化