Stats: sum and quantile

การสร้างภาพข้อมูลระดับกลางด้วย ggplot2

Rick Scavetta

Founder, Scavetta Academy

ทบทวนจากคอร์ส 1

	สาเหตุของ Over-plotting	วิธีแก้ไข
1.	ชุดข้อมูลขนาดใหญ่	Alpha-blending, วงกลมกลวง, ขนาดจุด
2.	ค่าที่ตรงกันบนแกนเดียว	เหมือนข้างต้น บวกกับเปลี่ยน position
3.	ข้อมูลความละเอียดต่ำ	Position: jitter
4.	ข้อมูลจำนวนเต็ม	Position: jitter

พล็อตจำนวนนับเพื่อแก้ปัญหา Over-plotting

	สาเหตุของ Over-plotting	วิธีแก้ไข	ที่นี่...
1.	ชุดข้อมูลขนาดใหญ่	Alpha-blending, วงกลมกลวง, ขนาดจุด
2.	ค่าที่ตรงกันบนแกนเดียว	เหมือนข้างต้น บวกกับเปลี่ยน position
3.	ข้อมูลความละเอียดต่ำ	Position: jitter	`geom_count()`
4.	ข้อมูลจำนวนเต็ม	Position: jitter	`geom_count()`

ข้อมูลความละเอียดต่ำ (และข้อมูลจำนวนเต็ม)

p <- ggplot(iris, aes(Sepal.Length, 
                      Sepal.Width))

p + geom_point()

Jittering อาจทำให้เข้าใจผิดได้

p + geom_jitter(alpha = 0.5,
                width = 0.1,
                height = 0.1)

geom_count()

p + 
  geom_count()

ความสัมพันธ์ระหว่าง geom และ stat

geom_	stat_
`geom_count()`	`stat_sum()`

stat_sum()

p + 
  stat_sum()

Over-plotting ยังคงเป็นปัญหาอยู่!

ggplot(iris, aes(Sepal.Length,
                 Sepal.Width, 
                 color = Species)) + 
  geom_count(alpha = 0.4)

geom_quantile()

ggplot(iris, aes(Sepal.Length,
                 Sepal.Width, 
                 color = Species)) + 
  geom_count(alpha = 0.4)

การจัดการกับ Heteroscedasticity

library(AER)
data(Journals)

p <- ggplot(Journals, 
            aes(log(price/citations), 
                log(subs))) +
  geom_point(alpha = 0.5) +
  labs(...)

p

การใช้ geom_quantile

p +
  geom_quantile(quantiles = 
                c(0.05, 0.50, 0.95))

ความสัมพันธ์ระหว่าง geom และ stat

geom_	stat_
`geom_count()`	`stat_sum()`
`geom_quantile()`	`stat_quantile()`

มาฝึกกันเถอะ!

การสร้างภาพข้อมูลระดับกลางด้วย ggplot2