我很难选择正确的数据可视化方式。假设我们有卖书的书店，每本书至少有一个类别。
对于一家书店，如果我们计算所有书籍类别，我们会获得一个直方图，该直方图显示该书店属于特定类别的书籍数量。
我想可视化书店的行为，我想看看他们是否更喜欢一个类别而不是其他类别。我不想看看他们是否都偏爱科幻，但我想看看他们是否平等地对待每个类别。
我有大约 100 万家书店。
我想到了4种方法：
对数据进行采样，仅显示 500 个书店的直方图。使用 10x10 网格在 5 个单独的页面中显示它们。4x4 网格示例：
与#1 相同。但是这一次根据它们的计数降序对 x 轴值进行排序，所以如果有一个偏爱它会很容易看到。
想象一下，将#2 中的直方图像套牌一样放在一起，并以 3D 形式显示它们。像这样的东西：
而不是使用第三轴使用颜色来表示颜色，而是使用热图（2D 直方图）：
如果通常书店更喜欢某些类别而不是其他类别，它将显示为从左到右的漂亮渐变。
您是否有任何其他可视化想法/工具来表示多个直方图？
正如您所发现的，您的问题没有简单的答案！
我想你有兴趣寻找奇怪或不同的书店吗？如果是这种情况，那么您可以尝试诸如PCA之类的方法（有关更多详细信息，请参阅维基百科集群分析页面）。
为了给你一个想法，考虑这个例子。您有 26 家书店（名称为 A、B、..Z）。所有的书店都是相似的，除了：
主成分图突出显示这些商店以供进一步调查。
这是一些示例 R 代码：
> d = data.frame(Romance = rpois(26, 50), Horror = rpois(26, 100),
Science = rpois(26, 75), History = rpois(26, 125))
> rownames(d) = LETTERS
#Alter a few shops
> d[15:25,][1] = rpois(11,150)
> d[26,][4] = rpois(1, 10)
#look at the data
> head(d, 2)
Romance Horror Science History
A 36 107 62 139
B 47 93 64 118
> books.PC.cov = prcomp(d)
> books.scores.cov = predict(books.PC.cov)
# Plot of PC1 vs PC2
> plot(books.scores.cov[,1],books.scores.cov[,2],
xlab="PC 1",ylab="PC 2", pch=NA)
> text(books.scores.cov[,1],books.scores.cov[,2],labels=LETTERS)
这给出了以下情节：
PCA 图 http://img265.imageshack.us/img265/7263/tmplx.jpg
请注意：
其他可能性
你也可以看看GGobi，我没用过，但看起来很有趣。
我会建议一些没有定义名称的东西（可能是“平行图”），看起来像这样：
基本上，您将所有书店的所有计数绘制为 x 轴上列出的类别上的点，并将每个书店的结果用一条线连接起来。不过，这对于 1M 行来说可能还是太复杂了。这个概念来自csgillespie已经提到的GGobi。
