Puntdiagrammen

Best practices voor visualisaties in R

Nick Strayer

Instructor

Wanneer een staafdiagram niet ideaal is

Geen hoeveelheid
Niet-lineaire transformaties

Puntdiagrammen

Vervang de staaf simpelweg door een punt
Ook wel puntdiagram of dot plot genoemd

Voordelen van puntdiagrammen

Hoge precisie
Efficiënte weergave
Eenvoudig

Data voor de les

Werken met een subset van WHO-gegevens
Landen zijn een 'interessante' subset — kijken waarom

interestingCountries <- c("NGA", "SDN", "FRA", "NPL", "MYS", "TZA", "YEM", "UKR", "BGD", "VNM")

who_subset <- who_disease %>%
  filter(
    countryCode %in% interestingCountries,
    disease == 'measles',
    year %in% c(2006, 2016)) %>% 
  mutate(year = paste0('cases_', year)) %>% 
  arrange(year, region) %>%
  pivot_wider(names_from = year, values_from = cases)

who_subset

who_subset

# A tibble: 10 x 6
   region countryCode country     disease cases_2006 cases_2016
   <chr>  <chr>       <chr>       <chr>        <dbl>      <dbl>
 1 AFR    NGA         Nigeria     measles        704      17136
 2 AFR    TZA         Tanzania    measles       2362         33
 3 EMR    SDN         Sudan (the) measles        228       1767
 4 EMR    YEM         Yemen       measles       8079        143
 5 EUR    FRA         France      measles         40         79
 6 EUR    UKR         Ukraine     measles      42724        102
 7 SEAR   BGD         Bangladesh  measles       6192        972
 8 SEAR   NPL         Nepal       measles       2838       1269
 9 WPR    MYS         Malaysia    measles        564       1569
10 WPR    VNM         Viet Nam    measles       1978         46

Code voor puntdiagrammen

geom_point() met één categorische en één numerieke as

who_subset %>% 
  # We log-transformeren de waarden, dus staven passen niet
  ggplot(aes(y = country, x = log10(cases_2016))) +
  # Eenvoudige geom_point()
  geom_point()

Je puntdiagrammen ordenen

Ordening helpt de leesbaarheid enorm
Gebruik de functie reorder() in de aesthetische mapping

who_subset %>% 
  # bereken de log fold change tussen 2016 en 2006
  mutate(logFoldChange = log2(cases_2016/cases_2006)) %>% 
  ggplot(aes(x = logFoldChange, y = reorder(country, logFoldChange))) +
  geom_point()

Laten we oefenen!

Best practices voor visualisaties in R