統計：sum 與 quantile

ggplot2 中級資料視覺化

Rick Scavetta

Founder, Scavetta Academy

回顧課程 1

	過度疊圖原因	解法
1.	資料集很大	半透明、空心圓、調整點大小
2.	值在同一軸對齊	同上，另可改變位置
3.	低精度資料	位置：jitter
4.	整數資料	位置：jitter

用計數圖克服過度疊圖

	過度疊圖原因	解法	此外…
1.	資料集很大	半透明、空心圓、調整點大小
2.	值在同一軸對齊	同上，另可改變位置
3.	低精度資料	位置：jitter	`geom_count()`
4.	整數資料	位置：jitter	`geom_count()`

低精度（與整數）資料

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

p + geom_point()

抖動可能造成錯覺

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

geom_count()

p + 
  geom_count()

geom/stat 的關聯

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

stat_sum()

p + 
  stat_sum()

過度疊圖仍可能發生！

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)

處理異質變異性

library(AER)
data(Journals)

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

p

使用 geom_quantile

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

geom/stat 的關聯

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

準備好做練習了！

ggplot2 中級資料視覺化