建立医疗患者数据的表中的平行坐标图。

加载病人数据集，并从加载到工作区中的变量子集创建一个表。使用该表创建一个并行坐标图。图中的线条对应于个别病人。使用图表观察数据中的趋势。例如，图中显示吸烟者的血压值更高(舒张压和收缩压)。

负载病人TBL =表（舒张，吸烟者，收缩压）;P = parallelplot（TBL）

P = ParallelCoordinatesPlot与属性：sourceTable会：[100x3表] CoordinateVariables：{ '舒张' '吸烟者' '收缩'} GroupVariable： '' 显示所有属性

默认情况下，该软件随机抖动的情节线，使他们不可能完全重叠沿坐标统治者。这是抖动可视化分类数据，因为它使你更容易的情节线区分特别有帮助。例如，观察沿着情节线抽烟者协调统治者;情节线不与任何冲洗真正要么假刻度线。

若要禁用默认抖动，请设置抖动财产0。

p.Jitter = 0;

创建一个从海啸的数据表中的平行坐标图。根据变量中的一个指定表变量来显示和它们的顺序，并且组中的情节的行。

阅读海啸数据到工作区中的表。

海啸= readtable（'tsunamis.xlsx'）;

创建使用该表中的变量子集的平行坐标图。首先，增加了数字窗口大小，以防止过度拥挤的情节。然后，指定变量和它们的顺序，使用'CoordinateVariables'名称-值对的论点。要组出现根据其有效性，设置'GroupVariable'名称 - 值对参数“有效性”。在剧情对应于各个海啸事件的线条。该图表明，大部分出现在数据组中具有的有效性价值被认为是明确的海啸。

数字（“单位”,“归一化”,“位置”，[0.3 0.3 0.45 0.4]) coordvars = {“年”,“有效性”,'原因',“国家”};p = parallelplot(海啸,'CoordinateVariables'，coordvars，'GroupVariable',“有效性”）;

创建从包含医疗患者数据为矩阵状的平行坐标图。宾在矩阵的一列，和组使用分级值中的情节的线的值。

加载病人数据集，并创建从一个矩阵年龄,高度和重量值。使用矩阵数据创建一个平行坐标图。在图中标记坐标变量。图中的线条对应于个别病人。

负载病人X =[年龄、身高、体重];p = parallelplot (X)

Data: [100x3 double] CoordinateData: [1 2 3] GroupData:[]显示所有属性

p.CoordinateTickLabels = {“年龄（岁）”,“身高（英寸）”,“重量（磅）”};

创建一个新的分类变量组每名患者为以下三类：短,平均， 要么高。设置垃圾桶边，使得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];仓= {'短','平均',“高”};groupHeight =离散化（身高，binEdges，“绝对”，频段）;

现在使用groupHeight值组中的平行坐标图中的线。该图表明，短病人的体重往往低于高病人。

p。GroupData = groupHeight;

创建从包含医疗患者数据的矩阵平行坐标图。对于每条曲线，根据一个单独的变量中的情节指定矩阵的列来显示，和组的行。

加载病人数据集，并创建从一些加载到工作区中的变量的矩阵。

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。若要指定列及其顺序，请使用'CoordinateData'名称-值对的论点。根据患者吸烟情况进行分组抽烟者值'GroupData'名称-值对的论点。图中的线条对应于个别病人。该图表明，吸烟者状态，要么年龄或体重之间不存在明显的关系。

coorddata = [1 3];p = parallelplot (X,'CoordinateData'coorddata,'GroupData'吸烟者)

Data: [100x3 double] CoordinateData: [1 3] GroupData: [100x1 logical]显示所有属性

p.CoordinateTickLabels = {'年龄','重量'};

创建使用列在不同的子集，另一个平行坐标曲线图X。集团根据自己的性别的患者。该图表明，男性身高和体重超过女性。

coorddata2 = [2 3];P2 = parallelplot（X，'CoordinateData'，coorddata2，'GroupData'，性别）

P2 = ParallelCoordinatesPlot具有属性：数据：[100x3双] CoordinateData：[2 3] GroupData：{100X1细胞}显示所有属性

p2.CoordinateTickLabels = {“高度”,'重量'};

创建停电数据表中的平行坐标图。更改归一化方法的数字坐标变量。

将断电数据作为表读入工作区。显示表的前几行。

中断= readtable（'outages.csv'）;头（停电）

ANS =8×6表地区OutageTime客户流失RestorationTime原因_____________ ________________ ______ __________ ________________ ___________________ { '西南'} 2002-02-01 12:18 458.98 1.8202e + 06 2002年2月7日16:50 { '暴风雪'} { '东南'} 2003-01-23 0时49 530.14 2.1204e + 05的NaT { '冬季风暴'} { '东南亚'} 2003-02-07 21时15 289.4 1.4294e + 05 2003-02-17八点14 { '冬季风暴'} { '西'} 2004-04-06 05:44 434.81 3.4037e + 05 2004-04-06 06:10 { '设备故障'} {“中西部地区} 2002年3月16日06:18 186.44 2.1275e +05 2002-03-18 23:23 { '剧烈风暴'} { '西'} 2003-06-18 02:49 0 0 2003-06-18 10:54 { '攻击'} { '西'} 2004-06-20 14:39 231.29 NaN 2004-06-20 19:16 {'equipment fault'} {'West' } 2002-06-06 19:28 311.86 NaN 2002-06-07 00:51 {'equipment fault'}

创建一个名为新变量OutageDuration表示每停电持续了多久。兑换OutageDuration到每次停电持续的天数。将新变量添加到停电表，并将其命名为OutageDays。

OutageDuration = outages.RestorationTime  -  outages.OutageTime;outages.OutageDays =天（OutageDuration）;

创建一个平行坐标图失利,客户和OutageDays变量。因为坐标变量是数字，显示在图中为z得分的值，没有任何抖动，使用“DataNormalization”和“抖动”名称 - 值对的参数。

coordvars = {'失利','顾客',“OutageDays”};p = parallelplot(中断,'CoordinateVariables'，coordvars，“DataNormalization”,“zscore”,“抖动”，0）;

的OutageDays变量包含一个离均值超过30个标准差的值OutageDays值和另一个离均值超过10个标准差的值。将鼠标悬停在绘图中的值上以显示数据提示。每个数据提示表示表中的行对应于图中的行。

查找的行停电表具有已确定的极端OutageDays值。请注意，RestorationTime这两个断电值是可疑的。

异常值=服务中断([1011 269]，:)

离群值=2×7表地区OutageTime损失客户RestorationTime引起OutageDays _________________ ___________ ______ __________ ___________ ____________________ __________{“东北”}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”}

创建平行坐标图。重新排序的坐标变量中的一个类别。

阅读关于停电的数据到工作区中的表。

中断= readtable（'outages.csv'）;

创建使用该表中的列的子集的平行坐标图。根据造成的停电事件中的情节集团的线。

coordvars = [1 3 4 6];p = parallelplot(中断,'CoordinateVariables'，coordvars，'GroupVariable','原因'）;

更改事件的顺序原因通过更新源表。首先，转换原因到一个明确的变量，指定事件的新顺序，并使用reordercats函数创建一个名为新变量orderCause。然后，取代原来的原因用新变量orderCause的源表中的变量。

categoricalCause =分类（p.SourceTable.Cause）;newOrder = {“攻击”,“地震”,“能源危机”,“设备故障”,...“火”,“强风暴”,“雷雨”,“风”,“冬季风暴”,'未知'};orderCause = reordercats (categoricalCause里newOrder);p.SourceTable。原因= orderCause;

由于原因变量包含超过七个类别，一些团体在情节相同的颜色。分配不同的颜色，以各组通过改变颜色的属性p。

p.Color = parula（10）;