Staafdiagram en histogram in R (met voorbeeld)

Een staafdiagram is een uitstekende manier om categorische variabelen op de x-as weer te geven. Dit type grafiek geeft twee aspecten op de y-as aan.

1. De eerste telt het aantal gebeurtenissen tussen groepen.
2. De tweede toont een samenvattende statistiek (min, max, gemiddelde, enzovoort) van een variabele op de y-as.

U gebruikt de mtcars-dataset met de volgende variabelen:

• cilinder: Nummer van de cilinder in de auto. Numerieke variabele
• am: Type transmissie. 0 voor automatisch en 1 voor handmatig. Numerieke variabele
• mpg: mijlen per gallon. Numerieke variabele

Hoe u een staafdiagram maakt

Om een ​​grafiek te maken in R, kunt u de bibliotheek ggplot gebruiken, die grafieken maakt die gereed zijn voor publicatie. De basissyntaxis van deze bibliotheek is:

ggplot(data, mapping = aes()) +
geometric object 

arguments: 
data: dataset used to plot the graph 
mapping: Control the x and y-axis 
geometric object: The type of plot you want to show. The most common objects are:

- Point: `geom_point()`
- Bar: `geom_bar()`
- Line: `geom_line()`
- Histogram: `geom_histogram()` 

In deze zelfstudie bent u geïnteresseerd in het geometrische object geom_bar() waarmee het staafdiagram wordt gemaakt.

Staafdiagram: tellen

Je eerste grafiek toont de frequentie van cilinder met geom_bar(). De onderstaande code is de meest elementaire syntaxis.

library(ggplot2)
# Most basic bar chart
ggplot(mtcars, aes(x = factor(cyl))) +
    geom_bar()

Code Uitleg

• U geeft de dataset mtcars door aan ggplot.
• Binnen het aes()-argument voeg je de x-as toe als een factorvariabele(cyl)
• Het + teken betekent dat u wilt dat R de code blijft lezen. Het maakt de code leesbaarder door deze te breken.
• Gebruik geom_bar() voor het geometrische object.

Output:

Note: zorg ervoor dat u de variabelen omzet in een factor, anders behandelt R de variabelen als numeriek. Zie het onderstaande voorbeeld.

Pas de grafiek aan

Er kunnen vier argumenten worden doorgegeven om de grafiek aan te passen:

- `stat`: Control the type of formatting. By default, `bin` to plot a count in the y-axis. For continuous value, pass `stat = "identity"`
- `alpha`: Control density of the color
- `fill`: Change the color of the bar
- `size`: Control the size the bar	

Verander de kleur van de balken

U kunt de kleur van de balken wijzigen. Merk op dat de kleuren van de balken allemaal hetzelfde zijn.

# Change the color of the bars
ggplot(mtcars, aes(x = factor(cyl))) +
    geom_bar(fill = "coral") +
    theme_classic()

Code Uitleg

• De kleuren van de balken worden bepaald door de aes()-toewijzing binnen het geometrische object (dwz niet in de ggplot()). U kunt de kleur wijzigen met de vulargumenten. Hier kies je de koraalkleur.

Output:

U kunt deze code gebruiken:

grDevices::colors()

om alle kleuren te zien die beschikbaar zijn in R. Er zijn ongeveer 650 kleuren.

Verander de intensiteit

U kunt de intensiteit van de kleur van de balken verhogen of verlagen

# Change intensity
ggplot(mtcars,
        aes(factor(cyl))) +
    geom_bar(fill = "coral",
        alpha = 0.5) +
    theme_classic()

Code Uitleg

• Om de intensiteit van de balk te verhogen/verlagen, kunt u de waarde van de alfa wijzigen. Een grote alfa verhoogt de intensiteit, en een lage alfa vermindert de intensiteit. alfa varieert van 0 tot 1. Indien 1, dan is de kleur hetzelfde als het palet. Indien 0, is de kleur wit. U kiest alfa = 0.1.

Output:

Kleur per groep

Je kunt de kleuren van de balken veranderen, wat betekent dat er voor elke groep een andere kleur is. De cil-variabele heeft bijvoorbeeld drie niveaus, waarna u het staafdiagram met drie kleuren kunt uitzetten.

# Color by group
ggplot(mtcars, aes(factor(cyl),
        fill = factor(cyl))) +
    geom_bar()

Code Uitleg

• Het argument fill binnen de aes() maakt het mogelijk de kleur van de balk te veranderen. U wijzigt de kleur door de variabele fill = x-as in te stellen. In uw voorbeeld is de variabele op de x-as cil; vullen = factor(cil)

Output:

Voeg een groep toe in de balken

U kunt de y-as verder splitsen op basis van een ander factorniveau. U kunt bijvoorbeeld het aantal automatische en handmatige transmissies tellen op basis van het cilindertype.

U gaat als volgt te werk:

• Stap 1: Maak het dataframe met de mtcars-dataset
• Stap 2: Label de am-variabele met auto voor automatische transmissie en man voor handmatige transmissie. Converteer am en cyl als een factor, zodat u factor() niet hoeft te gebruiken in de ggplot()-functie.
• Stap 3: Teken het staafdiagram om het aantal transmissies per cilinder te tellen

library(dplyr)
# Step 1
data <- mtcars % > % 
#Step 2
mutate(am = factor(am, labels = c("auto", "man")),
    cyl = factor(cyl))

Je hebt de dataset klaar, je kunt de grafiek plotten;

# Stap 3

ggplot(data, aes(x = cyl, fill = am)) +
    geom_bar() +
    theme_classic()

Code Uitleg

• De ggpplot() bevat de gegevenssetgegevens en de aes().
• In de aes() neem je de variabele x-as op en welke variabele nodig is om de balk te vullen (dat wil zeggen am)
• geom_bar(): Maak het staafdiagram

Output:

De mapping vult de balk met twee kleuren, één voor elk niveau. Het is moeiteloos om de groep te veranderen door andere factorvariabelen in de dataset te kiezen.

Staafdiagram in procenten

U kunt de balk in percentage visualiseren in plaats van in de ruwe telling.

# Staafdiagram in percentage

ggplot(data, aes(x = cyl, fill = am)) +
    geom_bar(position = "fill") +
    theme_classic()

Code Uitleg

• Gebruik position = “fill” in het geom_bar() argument om een ​​afbeelding te maken met een percentage op de y-as.

Output:

Staven naast elkaar

Het is gemakkelijk om het staafdiagram uit te zetten met de groepsvariabele naast elkaar.

# Bar chart side by side
ggplot(data, aes(x = cyl, fill = am)) +
    geom_bar(position = position_dodge()) +
    theme_classic()

Code Uitleg

• position=position_dodge(): Geeft expliciet aan hoe de balken moeten worden gerangschikt

Output:

histogram

In het tweede deel van de zelfstudie over staafdiagrammen kunt u de groep variabelen weergeven met waarden op de y-as.

Je doel is om een ​​grafiek te maken met de gemiddelde mijl per gallon voor elk type cilinder. Om een ​​informatieve grafiek te tekenen, volgt u deze stappen:

• Stap 1: Maak een nieuwe variabele met de gemiddelde mijl per gallon per cilinder
• Stap 2: Maak een basishistogram
• Stap 3: Verander de richting
• Stap 4: Verander de kleur
• Stap 5: Wijzig de maat
• Stap 6: Voeg labels toe aan de grafiek

Stap 1) Een nieuwe variabele maken

U maakt een dataframe met de naam data_histogram, dat eenvoudigweg de gemiddelde mijlen per gallon retourneert op basis van het aantal cilinders in de auto. Je noemt deze nieuwe variabele mean_mpg, en je rondt het gemiddelde af met twee decimalen.

# Stap 1

data_histogram <- mtcars % > %
mutate(cyl = factor(cyl)) % > %
group_by(cyl) % > %
summarize(mean_mpg = round(mean(mpg), 2))

Stap 2) Maak een basishistogram

U kunt het histogram plotten. Het is niet klaar om te communiceren om aan de klant te worden afgeleverd, maar geeft ons een intuïtie over de trend.

ggplot(data_histogram, aes(x = cyl, y = mean_mpg)) +
    geom_bar(stat = "identity")

Code Uitleg

• De aes() heeft nu twee variabelen. De cil-variabele verwijst naar de x-as en de mean_mpg is de y-as.
• U moet het argument stat=”identity” doorgeven om de variabele op de y-as als een numerieke waarde te verwijzen. geom_bar gebruikt stat=”bin” als standaardwaarde.

Output:

Stap 3) Verander de richting

U wijzigt de richting van de grafiek van verticaal naar horizontaal.

ggplot(data_histogram, aes(x = cyl, y = mean_mpg)) +
    geom_bar(stat = "identity") +
    coord_flip()

Code Uitleg

• Je kunt de oriëntatie van de grafiek bepalen met coord_flip().

Output:

Stap 4) Verander de kleur

U kunt de kleuren van de staven differentiëren op basis van het factorniveau van de variabele op de x-as.

ggplot(data_histogram, aes(x = cyl, y = mean_mpg, fill = cyl)) +
    geom_bar(stat = "identity") +
    coord_flip() +
    theme_classic()

Code Uitleg

• U kunt de grafiek per groep uitzetten met de fill= cyl-toewijzing. R zorgt automatisch voor de kleuren op basis van de niveaus van de cil-variabele

Output:

Stap 5) Verander de maat

Om de grafiek er mooier uit te laten zien, verkleint u de breedte van de balk.

graph <- ggplot(data_histogram, aes(x = cyl, y = mean_mpg, fill = cyl)) +
    geom_bar(stat = "identity",
        width = 0.5) +
    coord_flip() +
    theme_classic()

Code Uitleg

• Het breedteargument binnen de geom_bar() bepaalt de grootte van de balk. Een grotere waarde vergroot de breedte.
• Let op, u slaat de grafiek op in de variabele grafiek. U doet dit omdat de volgende stap de code van de variabele grafiek niet verandert. Het verbetert de leesbaarheid van de code.

Output:

Stap 6) Voeg labels toe aan de grafiek

De laatste stap bestaat uit het toevoegen van de waarde van de variabele mean_mpg aan het label.

graph +
    geom_text(aes(label = mean_mpg),
        hjust = 1.5,
        color = "white",
        size = 3) +
    theme_classic()

Code Uitleg

• De functie geom_text() is handig om de esthetiek van de tekst te bepalen.
  • label=: Voeg een label toe binnen de balken
  • mean_mpg: Gebruik de variabele mean_mpg voor het label
• hjust bepaalt de locatie van het label. Waarden gesloten op 1 geven het label bovenaan de balk weer, en hogere waarden brengen het label naar de onderkant. Als de oriëntatie van de grafiek verticaal is, verander dan hjust in vjust.
• color=”white”: Verander de kleur van de tekst. Hier gebruik je de witte kleur.
• size=3: Stel de grootte van de tekst in.

Output:

Samenvatting

Een staafdiagram is handig wanneer de x-as een categorische variabele is. De y-as kan een telling of een samenvattende statistiek zijn. De onderstaande tabel vat samen hoe u een staafdiagram met ggplot2 kunt besturen:

ggplot(df, eas(x= factor(x1)) + geom_bar()

ggplot(df, eas(x= factor(x1), fill = factor(x1))) + geom_bar()

ggplot(df, eas(x= factor(x1), fill = factor(x2))) + geom_bar(position=position_dodge())

ggplot(df, eas(x= factor(x1), fill = factor(x2))) + geom_bar()

ggplot(df, eas(x= factor(x1), fill = factor(x2))) + geom_bar(position=position_dodge())

ggplot(df, eas(x= factor(x1)+ y = x2) + geom_bar(stat="identity")