Wizualizacje graficzne w R z pakietem ggplot2

R dla użytkowników SAS

Melinda Higgins, PhD

Research Professor/Senior Biostatistician Emory University

Pakiet ggplot2

logo ggplot2 w formie hexsticker

ggplot2 to zaawansowany pakiet graficzny dla R
„GG" w ggplot oznacza „grammar of graphics" (gramatyka grafiki)
ggplot2 buduje wykresy warstwowo
Do bazowej warstwy dodaje się jeden lub więcej obiektów geometrycznych

Warstwy — warstwa bazowa

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

Zdefiniuj warstwę bazową za pomocą ggplot()
Ustaw data = abalone
Ustaw aes na sex i diameter
Na wykresie nie ma jeszcze obiektów graficznych
Oś x jest gotowa na sex
Oś y jest gotowa na diameter
siatka jest już rozrysowana

środowisko graficzne ggplot2 bez wykresu pudełkowego

Warstwy — dodanie geometrii boxplot

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

Operator plus + dodaje warstwę
Dodano wykres pudełkowy geom_boxplot()
Wynik to seria wykresów pudełkowych
Średnice uchowców według płci
F samice, I młode, M samce

dodane wykresy pudełkowe ggplot2

Warstwy — dodanie motywu

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

Dodaj warstwę „theme" za pomocą theme_bw()
Usuwa szare tło
Rysuje czarną ramkę wokół wykresu

wykres pudełkowy ggplot2 z dodanym motywem czarno-białym

Zmiana geometrii boxplot na violin

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

geom_violin zastępuje geom_boxplot
Tworzy kształt przypominający skrzypce
Odzwierciedla rozkład gęstości danych
Nowy wykres dzięki prostej zmianie

wykres skrzypcowy ggplot2

Histogram jednej zmiennej

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

Utwórz histogram dla jednej zmiennej
Jedna zmienna to jeden atrybut estetyczny
Dodaj geom_histogram()
Ustaw aes() na shuckedWeight
Domyślne kolory wymagają zmiany

histogram ggplot2 w całości czarny

Histogram — dodanie kolorów

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

Zmień parametry graficzne
Ustaw color dla linii słupków
Ustaw fill dla kolorów słupków
Każdą opcję ustawiasz w nawiasach ()
Histogram wygląda dużo lepiej

histogram ggplot2 z niebieskimi słupkami i czarnymi liniami

Histogram — dodanie tytułu i etykiet osi

# 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")

Dodaj lepsze etykiety osi i tytuł
Użyj xlab() i ylab() dla osi
Użyj ggtitle() dla tytułu
Ten wykres jest gotowy do publikacji!

histogram ggplot2 z dodanymi etykietami osi i tytułem

Twórz wykres punktowy

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

Wykres punktowy aes wymaga dwóch zmiennych
geom_point() dodaje punkty
Wykres punktowy masy skorupy według liczby pierścieni

wykres punktowy ggplot2 masy skorupy według liczby pierścieni

Wykres punktowy — dodanie linii wygładzonej

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

Dodaj linię geom_smooth() do wykresu punktowego
Zawiera zacieniowany obszar ufności

wykres punktowy ggplot2 z dodaną linią wygładzoną

Twórz panele według innej zmiennej

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

Dodaj jeszcze jedną warstwę do wykresu punktowego
Utwórz panele dla każdej płci uchowca
Dodaj warstwę facet_wrap()
vars(sex) definiuje zmienną dla paneli

wykres punktowy ggplot2 z 3 panelami według płci

Dalsza część kursu

Rozdział 1 zakończy się krótkim wprowadzeniem do grafiki
- podstawy pracy z pakietem ggplot2
- wizualizacja pomiarów uchowców według płci
Rozdział 2 uczy porządkowania danych
- czyszczenie zbioru danych o uchowcach
Rozdział 3 uczy metod eksploracji danych
- statystyka opisowa, korelacje i testy porównawcze
Rozdział 4 uczy modelowania i prezentacji wyników
- przewidywanie wieku uchowców na podstawie pomiarów
- analiza modeli według płci

Zróbmy kilka wykresów dla uchowców

R dla użytkowników SAS