Wykresy punktowe

Wprowadzenie do wizualizacji danych z ggplot2

Rick Scavetta

Founder, Scavetta Academy

48 geometrii

geom_*
abline	contour	dotplot	jitter	pointrange	ribbon	spoke
area	count	errorbar	label	polygon	rug	step
bar	crossbar	errorbarh	line	qq	segment	text
bin2d	curve	freqpoly	linerange	qq_line	sf	tile
blank	density	hex	map	quantile	sf_label	violin
boxplot	density2d	histogram	path	raster	sf_text	vline
col	density_2d	hline	point	rect	smooth

Typowe rodzaje wykresów

Typ wykresu	Możliwe geomy
Wykresy punktowe	points, jitter, abline, smooth, count

Wykresy punktowe

Każdy geom przyjmuje określone mapowania estetyczne, np. geom_point():

Niezbędne
x,y

ggplot(iris, aes(x = Sepal.Length, 
                 y = Sepal.Width)) + 
  geom_point()

Wykresy punktowe

Każdy geom przyjmuje określone mapowania estetyczne, np. geom_point():

Niezbędne	Opcjonalne
x,y	alpha, color, fill, shape, size, stroke

ggplot(iris, aes(x = Sepal.Length, 
                 y = Sepal.Width,
                 col = Species)) + 
  geom_point()

Mapowania estetyczne specyficzne dla geom

# These result in the same plot! 
ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, col = Species)) + 
  geom_point()

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) + 
  geom_point(aes(col = Species))

Niezależna kontrola mapowań estetycznych każdej warstwy:

head(iris, 3) # Raw data

Species Sepal.Length Sepal.Width Petal.Length Petal.Width
1  setosa          5.1         3.5          1.4         0.2
2  setosa          4.9         3.0          1.4         0.2
3  setosa          4.7         3.2          1.3         0.2

iris %>%
  group_by(Species) %>% 
  summarise_all(mean) -> iris.summary

iris.summary # Summary statistics

# A tibble: 3 x 5
  Species    Sepal.Length Sepal.Width Petal.Length Petal.Width
  <fct>             <dbl>       <dbl>        <dbl>       <dbl>
1 setosa             5.01        3.43         1.46       0.246
2 versicolor         5.94        2.77         4.26       1.33 
3 virginica          6.59        2.97         5.55       2.03

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, col = Species)) +
  # Inherits both data and aes from ggplot() 
  geom_point() + 
  # Different data, but inherited aes
  geom_point(data = iris.summary, shape = 15, size = 5)

Wartości atrybutu shape

Przykład

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, col = Species)) + 
  geom_point() +
  geom_point(data = iris.summary, shape = 21, size = 5, 
             fill = "black", stroke = 2)

Statystyki obliczane przez ggplot2

Warstwa statystyk omówiona jest w drugim kursie.
Uwaga: należy unikać przedstawiania wyłącznie średniej bez miary rozproszenia, np. odchylenia standardowego.

position = "jitter"

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, col = Species)) + 
  geom_point(position = "jitter")

geom_jitter()

Skrót dla geom_point(position = "jitter")

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, col = Species)) + 
  geom_jitter()

Pamiętaj o dostosowaniu alpha

W razie potrzeby należy połączyć jitter z przezroczystością (alpha)

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, col = Species)) + 
  geom_jitter(alpha = 0.6)

Puste okręgi również pomagają

shape = 1 to pusty okrąg.
Nie ma potrzeby stosowania dodatkowo przezroczystości (alpha).

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, col = Species)) + 
  geom_jitter(shape = 1)

Czas na ćwiczenia!

Wprowadzenie do wizualizacji danych z ggplot2