根据医疗患者数据表创建并行坐标图。

加载病人数据集，并从一个变量子集中创建一个表加载到工作空间中。使用表格创建一个平行坐标图。图中的线条与个别患者相对应。用图表来观察数据的趋势。例如，图表显示吸烟者倾向于有较高的血压值(包括舒张和收缩压)。

负载病人tbl = table(舒张，吸烟者，收缩压);P =并行图(tbl)

p = ParallelCoordinatesPlot with properties: SourceTable: [100x3 table] coordinatvariables:{'舒张''吸烟者''收缩期'}GroupVariable: "显示所有属性

默认情况下，软件随机抖动绘图线，使它们不太可能沿着坐标标尺完美重叠。这种抖动对可视化分类数据特别有帮助，因为它使您能够更容易地区分绘图线。例如，观察沿着吸烟者协调的统治者;情节线与两者都不一致真正的或假刻度线。

要禁用默认抖动，请设置抖动财产0。

p.抖动= 0;

根据海啸数据表创建一个平行坐标图。指定要显示的表变量及其顺序，并根据其中一个变量对图中的行进行分组。

将海啸数据作为表读入工作区。

海啸=可读(“tsunamis.xlsx”）;

使用表中变量的子集创建一个并行坐标图。首先，增加图形窗口的大小，以防止情节过于拥挤。然后，要指定变量及其顺序，使用“CoordinateVariables”名称-值对参数。要根据事件的有效性对其进行分组，请设置“GroupVariable”到的名称-值对参数“有效性”。图中的线条对应单独的海啸事件。该图表明数据集中的大多数事件都具有有效性价值被认为是明确的海啸。

图(“单位”，“归一化”，“位置”，[0.3 0.3 0.45 0.4]) codvars = {“年”，“有效性”，“原因”，“国家”};P =并行plot(海啸，“CoordinateVariables”coordvars,“GroupVariable”，“有效性”）;

从包含医疗患者数据的矩阵创建并行坐标图。对矩阵中某列中的值进行分类，并使用分类后的值对图中的行进行分组。

加载病人数据集，并从中创建一个矩阵年龄，高度,重量值。使用矩阵数据创建一个平行坐标图。在图中标记坐标变量。图中的线条与个别患者相对应。

负载病人X =[年龄身高体重];p =平行plot(X)

p = ParallelCoordinatesPlot with properties: Data: [100x3 double] CoordinateData: [1 2 3] GroupData:[]显示所有属性

p.CoordinateTickLabels = {的年龄(年)，的身高(英寸)，的体重(磅)};

创建一个新的分类变量，将每个患者分为三个类别之一:短，平均,或高。设置箱子边，使它们包括最小值和最大值高度值。

分钟(高度)

Ans = 60

马克斯(高度)

Ans = 72

binEdges = [60 64 68 72];bin = {“短”，“平均”，“高”};groupHeight =离散化(高度，binEdges，“分类”箱);

现在使用groupHeight值在平行坐标图中对行进行分组。图表显示短病人的体重往往小于高病人。

p.GroupData = groupHeight;

从包含医疗患者数据的矩阵中创建并行坐标图。对于每个图，指定要显示的矩阵列，并根据单独的变量对图中的行进行分组。

加载病人数据集，并创建一个矩阵，从一些变量加载到工作空间。

负载病人X =[年龄身高体重];

使用矩阵中列的子集创建一个并行坐标图X。属性可以指定列及其顺序“CoordinateData”名称-值对参数。根据患者的吸烟状况进行分组吸烟者的值“GroupData”名称-值对参数。图中的线条与个别患者相对应。图表显示，吸烟状况与年龄或体重之间没有明确的关系。

Coorddata = [1 3];p =并行plot(X，“CoordinateData”coorddata,“GroupData”吸烟者)

p = ParallelCoordinatesPlot with properties: Data: [100x3 double] CoordinateData: [1 3] GroupData: [100x1 logical]显示所有属性

p.CoordinateTickLabels = {“年龄”，“重量”};

中列的不同子集创建另一个平行坐标图X。把病人按性别分组。图表显示，男性比女性更高、更重。

Coorddata2 = [2 3];p2 =并行plot(X，“CoordinateData”coorddata2,“GroupData”、性别)

p2 = ParallelCoordinatesPlot with properties: Data: [100x3 double] CoordinateData: [2 3] GroupData: {100x1 cell}显示所有属性

p2。CoordinateTickLabels = {“高度”，“重量”};

根据停电数据表创建一个并行坐标图。更改数值坐标变量的归一化方法。

将停电数据作为表读入工作区。显示表的前几行。

中断=可读(“outages.csv”）;头(停机)

ans =8×6表地区OutageTime RestorationTime造成损失客户  _____________ ________________ ______ __________ ________________ ___________________ {' 西南的}2002-02-01 12:18 458.98 - 1.8202 e + 06 2002-02-01 16:50{“暴风雪”}{“东南”}2003-01-23 00:49 530.14 - 2.1204 e + 05 NaT{“暴风雪”}{“东南”}2003-02-07)21:15 289.4 - 1.4294 e + 05 2003-02-07 08:14{“暴风雪”}{‘西方’}2004-04-06 05:44 434.81 - 3.4037 e + 05 2004-04-06 06:10{“设备故障”}{“中西部”}2002-03-16 06:18 186.442.1275e+05 2002-03-18 23:23{'严重风暴'}{'西部'}2003-06-18 02:49 00 2003-06-18 10:54{'攻击'}{'西部'}2004-06-20 14:39 231.29 NaN 2004-06-20 19:16{'设备故障'}{'西部'}2002-06-06 19:28 311.86 NaN 2002-06-07 00:51{'设备故障'}

创建一个名为OutageDuration这表明每次停电持续了多长时间。转换OutageDuration到每次停电持续的天数。将新变量添加到中断表，并调用它OutageDays。

OutageDuration =停机。RestorationTime- outages.OutageTime; outages.OutageDays = days(OutageDuration);

控件创建一个平行坐标图损失，客户,OutageDays变量。因为坐标变量是数值型的，所以可以使用“DataNormalization”而且“抖动”名称-值对参数。

Coordvars = {“损失”，“客户”，“OutageDays”};P =并行plot(中断，“CoordinateVariables”coordvars,“DataNormalization”，“zscore”，“抖动”, 0);

的OutageDays变量包含一个与平均值相差超过30个标准差的值OutageDays值和与平均值相差10个标准差以上的另一个值。将鼠标悬停在图中的值上以显示数据提示。每个数据提示表示表中与图中的行对应的行。

中的行中断表，具有标识的极值OutageDays值。注意RestorationTime这两次断电的数值是可疑的。

异常值=中断([1011 269]，:)

离群值=表2×7地区OutageTime RestorationTime导致OutageDays损失客户  _____________ ________________ ______ __________ ________________ ____________________ __________ {' 东北的}2009-08-20探测南1.7355 e + 05 2009-08-20二三31 12083{“暴风”}{“中西部”}2008-02-07 06:18 2378.7 0 2008-02-07 4206.4 16:16{“能源应急”}

创建一个平行坐标图。重新排列其中一个坐标变量的类别。

将有关断电的数据作为表读入工作区。

中断=可读(“outages.csv”）;

使用表中列的子集创建并行坐标图。根据导致停电的事件将图中的线路分组。

Coordvars = [1 3 4 6];P =并行plot(中断，“CoordinateVariables”coordvars,“GroupVariable”，“原因”）;

更改事件的顺序导致通过更新源表。首先,把导致到一个分类变量，指定事件的新顺序，并使用reordercats函数创建一个名为orderCause。然后，更换原来的导致变量，使用neworderCause图的源表中的变量。

categoricalCause = categorical(p.SourceTable.Cause);newOrder = {“攻击”，“地震”，“能源危机”，“设备故障”，.．.“火”，“暴风”，“雷雨”，“风”，“暴风雪”，“未知”};orderCause = reordercats(categoricalCause,newOrder);p.SourceTable.Cause = orderCause;

因为导致变量包含7个以上的类别，其中一些组在图中有相同的颜色。为每个组分配不同的颜色颜色的属性p。

p.Color = parula(10);