Grafische Visualisierungen in R mit ggplot2

R für SAS-Anwender:innen

Melinda Higgins, PhD

Research Professor/Senior Biostatistician Emory University

Paket ggplot2

ggplot2 hexsticker logo

ggplot2 ist ein leistungsstarkes Grafikpaket für R
„GG" in ggplot steht für „grammar of graphics"
ggplot2 baut Grafiken schichtweise auf
Ein oder mehrere Geoms werden zur Basis hinzugefügt

Schichten – Basislage

# Create plot for x=sex and y=diameter
ggplot(data = abalone, aes(sex, diameter))

Basis mit ggplot() definieren
data = abalone setzen
aes auf sex und diameter setzen
Noch keine grafischen Objekte
x-Achse für sex bereit
y-Achse für diameter bereit
Raster ist angelegt

ggplot2 graphic environment no boxplot yet

Schichten – Boxplot-Geom hinzufügen

# Add boxplot geometric object or geom
ggplot(data = abalone,
       aes(sex, diameter)) +
  geom_boxplot()

Plus-Operator + fügt eine Schicht hinzu
Boxplot geom_boxplot() hinzugefügt
Ergebnis ist eine Reihe von Boxplots
Abalone-Durchmesser nach Geschlecht
F Weibchen, I Jungtiere, M Männchen

ggplot2 boxplots added

Schichten – Theme hinzufügen

# Add black white theme
ggplot(data = abalone,
       aes(sex, diameter)) +
  geom_boxplot() +
  theme_bw()

„Theme"-Schicht mit theme_bw() hinzufügen
Entfernt den grauen Hintergrund
Zeichnet einen schwarzen Rahmen um die Grafik

ggplot2 boxplot black white theme added

Boxplot-Geom durch Violin-Geom ersetzen

# Change to geom_violin()
ggplot(data = abalone,
       aes(sex, diameter)) +
  geom_violin() +
  theme_bw()

geom_violin ersetzt geom_boxplot
Erzeugt eine geigenähnliche Form
Zeigt die Dichteverteilung der Daten
Mit kleinem Wechsel neue Grafik erzeugen

ggplot2 violin plot

Histogramm mit einer Variablen

# Make histogram of shuckedWeight
ggplot(abalone, aes(shuckedWeight)) +
  geom_histogram()

Histogramm für eine Variable erstellen
Eine Variable = ein Aesthetic
geom_histogram() hinzufügen
aes() auf shuckedWeight setzen
Standardfarben brauchen Anpassung

ggplot2 histogram all black

Histogramm – Farben hinzufügen

# Make lines black and fill light blue
ggplot(abalone, aes(shuckedWeight)) +
  geom_histogram(color = "black",
                 fill = "lightblue")

Grafische Parameter ändern
color der Klassenlinien setzen
fill-Farbe für Balken setzen
Optionen in den jeweiligen () setzen
Histogramm wirkt deutlich besser

ggplot2 histogram with blue bars and black lines around bars

Histogramm – Titel und Achsenbeschriftungen

# Add x, y axis labels and title
ggplot(abalone, aes(shuckedWeight)) +
  geom_histogram(color = "black",
                 fill = "lightblue") +
  xlab("Shucked Weight") +
  ylab("Frequency Counts") +
  ggtitle("Shucked Weights Histogram")

Bessere Achsen-Labels und Titel hinzufügen
Für Achsen xlab() und ylab() nutzen
Für den Titel ggtitle() nutzen
Diese Abbildung ist publikationsreif!

ggplot2 hitogram axis labels and title added

Streudiagramm erstellen

# Make scatterplot with geom_point()
ggplot(abalone,
       aes(rings, shellWeight)) +
  geom_point()

Ein Streudiagramm-aes braucht zwei Variablen
geom_point() fügt die Punkte hinzu
Streudiagramm: Schalengewicht nach Ringzahl

ggplot2 scatterplot of shellweight by rings

Streudiagramm – geglättete Linie hinzufügen

# Add smoothed fit line
ggplot(abalone,
       aes(rings, shellWeight)) +
  geom_point() +
  geom_smooth()

Zum Streudiagramm geom_smooth() hinzufügen
Beinhaltet schattierte Konfidenzfläche

ggplot2 scatterplot with smoothed fit line added

Panels nach weiterer Variable erzeugen

# Add panels using facet_wrap()
ggplot(abalone,
       aes(rings, shellWeight)) +
  geom_point() +
  geom_smooth() +
  facet_wrap(vars(sex))

Noch eine Schicht zum Streudiagramm
Panels für jedes Abalone-Geschlecht erstellen
facet_wrap()-Schicht hinzufügen
vars(sex) definiert die Panel-Variable

ggplot2 scatterplot with 3 panels by sex

Rest des Kurses

Kapitel 1 endet mit einer kurzen Einführung in Grafiken
- Grundlage für ggplot2-Grafikskills
- Abalone-Messungen nach Geschlecht visualisieren
Kapitel 2 behandelt Data-Wrangling
- Abalone-Datensatz bereinigen
Kapitel 3 behandelt Datenexploration
- beschreibende Statistik, Korrelationen, Vergleichstests
Kapitel 4 behandelt Modellierung und Ergebnispräsentation
- Abalone-Alter aus Messungen vorhersagen
- Modelle nach Geschlecht untersuchen

Lass uns für Abalonen ein paar Plots machen

R für SAS-Anwender:innen