Stolpediagram og histogram i R (med eksempel)

Et stolpediagram er en fin måte å vise kategoriske variabler på x-aksen. Denne typen grafer angir to aspekter i y-aksen.

1. Den første teller antall forekomster mellom grupper.
2. Den andre viser en oppsummeringsstatistikk (min, maks, gjennomsnitt og så videre) for en variabel på y-aksen.

Du vil bruke mtcars-datasettet med følgende variabler:

• cyl: Nummer på sylinderen i bilen. Numerisk variabel
• am: Type overføring. 0 for automatisk og 1 for manuell. Numerisk variabel
• mpg: Miles per gallon. Numerisk variabel

Hvordan lage søylediagram

For å lage graf i R, kan du bruke biblioteket ggplot som lager grafer som er klare for publisering. Den grunnleggende syntaksen til dette biblioteket er:

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()` 

I denne opplæringen er du interessert i det geometriske objektet geom_bar() som lager stolpediagrammet.

Stolpediagram: telle

Din første graf viser frekvensen til sylinder med geom_bar(). Koden nedenfor er den mest grunnleggende syntaksen.

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

Kode Forklaring

• Du sender datasettet mtcars til ggplot.
• Inne i aes()-argumentet legger du til x-aksen som en faktorvariabel(cyl)
• +-tegnet betyr at du vil at R skal fortsette å lese koden. Det gjør koden mer lesbar ved å bryte den.
• Bruk geom_bar() for det geometriske objektet.

Utgang:

Merknader: sørg for at du konverterer variablene til en faktor ellers behandler R variablene som numeriske. Se eksempelet nedenfor.

Tilpass grafen

Fire argumenter kan sendes for å tilpasse grafen:

- `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	

Endre fargen på stolpene

Du kan endre fargen på stolpene. Merk at fargene på stolpene er like.

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

Kode Forklaring

• Fargene på stolpene styres av aes()-kartleggingen inne i det geometriske objektet (dvs. ikke i ggplot()). Du kan endre fargen med fyllargumentene. Her velger du korallfargen.

Utgang:

Du kan bruke denne koden:

grDevices::colors()

for å se alle fargene tilgjengelig i R. Det er rundt 650 farger.

Endre intensiteten

Du kan øke eller redusere intensiteten til stolpenes farge

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

Kode Forklaring

• For å øke/redusere intensiteten til søylen, kan du endre verdien på alfaen. En stor alfa øker intensiteten, og lav alfa reduserer intensiteten. alfa varierer fra 0 til 1. Hvis 1, er fargen den samme som paletten. Hvis 0, er fargen hvit. Du velger alfa = 0.1.

Utgang:

Fargelegg etter grupper

Du kan endre fargene på stolpene, noe som betyr en annen farge for hver gruppe. For eksempel har cyl variabel tre nivåer, så kan du plotte søylediagrammet med tre farger.

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

Kode Forklaring

• Argumentfyllet inne i aes() tillater å endre fargen på linjen. Du endrer fargen ved å sette fyll = x-akse variabel. I ditt eksempel er x-aksevariabelen cyl; fyll = faktor(cyl)

Utgang:

Legg til en gruppe i stolpene

Du kan dele y-aksen videre basert på et annet faktornivå. For eksempel kan du telle antall automatiske og manuelle girkasser basert på sylindertypen.

Du vil fortsette som følger:

• Trinn 1: Lag datarammen med mtcars datasett
• Trinn 2: Merk am variabelen med auto for automatgir og man for manuell girkasse. Konverter am og cyl som en faktor slik at du ikke trenger å bruke factor() i ggplot()-funksjonen.
• Trinn 3: Plott søylediagrammet for å telle antall overføringer per sylinder

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

Du har datasettet klart, du kan plotte grafen;

# Trinn 3

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

Kode Forklaring

• ggpplot() inneholder datasettdataene og aes().
• I aes() inkluderer du variabelen x-aksen og hvilken variabel som kreves for å fylle linjen (dvs. am)
• geom_bar(): Lag søylediagrammet

Utgang:

Kartleggingen vil fylle linjen med to farger, en for hvert nivå. Det er enkelt å endre gruppen ved å velge andre faktorvariabler i datasettet.

Stolpediagram i prosent

Du kan visualisere søylen i prosent i stedet for det rå antallet.

# Stolpediagram i prosent

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

Kode Forklaring

• Bruk posisjon = "fyll" i geom_bar()-argumentet for å lage en grafikk med prosent i y-aksen.

Utgang:

Side ved side stenger

Det er enkelt å plotte stolpediagrammet med gruppevariabelen side ved side.

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

Kode Forklaring

• position=position_dodge(): Forteller eksplisitt hvordan stolpene skal arrangeres

Utgang:

histogram

I den andre delen av stolpediagramopplæringen kan du representere gruppen av variabler med verdier i y-aksen.

Målet ditt er å lage en graf med gjennomsnittlig mil per gallon for hver type sylinder. For å tegne en informativ graf, følger du disse trinnene:

• Trinn 1: Lag en ny variabel med gjennomsnittlig mil per gallon per sylinder
• Trinn 2: Lag et grunnleggende histogram
• Trinn 3: Endre retningen
• Trinn 4: Endre fargen
• Trinn 5: Endre størrelsen
• Trinn 6: Legg til etiketter i grafen

Trinn 1) Opprett en ny variabel

Du oppretter en dataramme kalt data_histogram som ganske enkelt returnerer gjennomsnittlige miles per gallon etter antall sylindre i bilen. Du kaller denne nye variabelen mean_mpg, og du avrunder gjennomsnittet med to desimaler.

# Trinn 1

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

Trinn 2) Lag et grunnleggende histogram

Du kan plotte histogrammet. Den er ikke klar til å kommunisere for å bli levert til kunden, men gir oss en intuisjon om trenden.

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

Kode Forklaring

• Aes() har nå to variabler. Cyl-variabelen refererer til x-aksen, og mean_mpg er y-aksen.
• Du må sende argumentet stat=”identity” for å referere til variabelen i y-aksen som en numerisk verdi. geom_bar bruker stat=”bin” som standardverdi.

Utgang:

Trinn 3) Endre retningen

Du endrer retningen på grafen fra vertikal til horisontal.

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

Kode Forklaring

• Du kan kontrollere retningen til grafen med coord_flip().

Utgang:

Trinn 4) Endre fargen

Du kan differensiere fargene på stolpene i henhold til faktornivået til x-aksevariabelen.

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

Kode Forklaring

• Du kan plotte grafen etter grupper med fill= cyl mapping. R tar seg automatisk av fargene basert på nivåene av cyl variabel

Utgang:

Trinn 5) Endre størrelse

For å få grafen til å se penere ut, reduserer du bredden på stolpen.

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

Kode Forklaring

• Bredde-argumentet inne i geom_bar() styrer størrelsen på linjen. Større verdi øker bredden.
• Merk at du lagrer grafen i variabelgrafen. Du gjør det fordi neste trinn ikke vil endre koden til variabelgrafen. Det forbedrer lesbarheten til koden.

Utgang:

Trinn 6) Legg til etiketter i grafen

Det siste trinnet består i å legge til verdien av variabelen mean_mpg i etiketten.

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

Kode Forklaring

• Funksjonen geom_text() er nyttig for å kontrollere tekstens estetikk.
  • label=: Legg til en etikett inne i stolpene
  • mean_mpg: Bruk variabelen mean_mpg for etiketten
• hjust kontrollerer plasseringen av etiketten. Verdier lukket til 1 viser etiketten øverst på linjen, og høyere verdier bringer etiketten til bunnen. Hvis retningen til grafen er vertikal, endre hjust til vjust.
• color=”white”: Endre fargen på teksten. Her bruker du den hvite fargen.
• size=3: Angi størrelsen på teksten.

Utgang:

Sammendrag

Et stolpediagram er nyttig når x-aksen er en kategorisk variabel. Y-aksen kan enten være en telling eller en oppsummerende statistikk. Tabellen nedenfor oppsummerer hvordan du kontrollerer stolpediagram med ggplot2:

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")