Точечные диаграммы

Лучшие практики визуализации в R

Nick Strayer

Instructor

Когда столбчатая диаграмма не подходит

Не количество
Нелинейные преобразования

Точечные диаграммы

Просто замените столбец точкой
Иногда называют точечными диаграммами или dot plots

Преимущества точечных диаграмм

Высокая точность
Компактное представление
Простота

Данные для урока

Работаем с подмножеством данных ВОЗ
Страны подобраны «особым» образом — попробуем выяснить, почему

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

Код для точечных диаграмм

geom_point() с одной категориальной и одной числовой осью

who_subset %>% 
  # We log transform our values here so bars are not appropriate
  ggplot(aes(y = country, x = log10(cases_2016))) +
  # Simple geom_point()
  geom_point()

Упорядочивание точечных диаграмм

Упорядочивание значительно улучшает читаемость
Используйте функцию reorder() при задании эстетик

who_subset %>% 
  # calculate the log fold change between 2016 and 2006
  mutate(logFoldChange = log2(cases_2016/cases_2006)) %>% 
  ggplot(aes(x = logFoldChange, y = reorder(country, logFoldChange))) +
  geom_point()

Давайте потренируемся!

Лучшие практики визуализации в R