인수 (n = 299)를 사용하면 팔레트에 원하는 개인 색상의 수를 정의 할 수 있습니다. 분명히 개별 색상의 수가 많을수록 전환이 더 부드러워집니다. 숫자(299)는 원활한 전환을 위해 충분히 커야 합니다. 기본적으로 RColorBrewer는 색상을 균등하게 나누어 팔레트의 모든 색상이 비슷한 크기의 개별 색상의 간격이 되도록 합니다. 그러나 분석하는 데이터에 따라 색상 범위가 약간 왜곡되는 경우가 있습니다. 예제 데이터 집합은 -1에서 1에 이르는 Pearson 상관 계수(즉, R 값)로 구성되어 있으며, 특히 0.8에서 1.0 사이의 범위의 R 값(상대적으로) 높은 상관관계를 가진 샘플에 관심이 있다고 가정해 보겠습니다. 히트 맵에서 0.8에서 1까지의 값만 녹색으로 표시하여 이러한 샘플을 강조 표시하려고 합니다. 이 경우 다음 코드를 사용하여 색상 나누기를 “고르지 않게”정의 할 수 있습니다 : 행 또는 열 레이블을 적용하여 입력 변수를 분류하는 방법을 물었습니다. 예를 들어 “측정” 변수를 3가지 범주로 그룹화하려면 측정 1-3 = 카테고리 1 측정 4-6 = 카테고리 2 측정 7-10 = 카테고리 3입니다. 내 해결책은 단순히 히트 맵.2() 함수에 추가 인수로 RowSideColors를 제공하는 것입니다.

예를 들어, ColSideColors 인수를 통해 열 변수에 유사한 레이블을 제공할 수도 있습니다. 또 다른 유용한 추가 는 새 범주 레이블에 대 한 색상 범례를 추가 하는 것입니다. 이 특정 예제의 코드는 히트맵이 표준 분석 보고서보다 훨씬 시각적이기 때문에 한눈에 쉽게 분석할 수 있습니다. 따라서 특히 대량의 데이터를 분석하는 데 익숙하지 않은 사용자가 더 쉽게 액세스할 수 있습니다. 이러한 차별화가 유용한 한 가지 예는 기본 탐색의 링크와 비교하여 바닥글의 링크를 사용하는 사람 수를 결정하는 것입니다. 이것은 종종 당신이 기대하는 것보다 더 많은 것입니다! 또한 히트맵의 한계를 인식하는 것도 중요합니다. 히트맵은 페이지(클릭 맵이라고 함)에 클릭수를 표시하는 경우가 많지만 이는 스토리의 일부일 수 있습니다. 예를 들어 양식의 히트맵을 볼 때 사용자가 첫 번째 필드를 클릭하고 있으며 이후 필드에 대한 클릭 수가 적다는 것을 보여줄 수 있습니다.