Wykres słupkowy i histogram w R z przykładem

Czym jest wykres słupkowy w R?

Wykres słupkowy to świetny sposób na przedstawienie zmiennych kategorycznych na osi X. Ten typ wykresu przedstawia dwa aspekty na osi Y.

1. Pierwszy zlicza liczbę wystąpień w każdej grupie.
2. Drugi wykres pokazuje statystykę podsumowującą (minimum, maksimum, średnia itd.) zmiennej na osi Y.

Użyjesz zbioru danych mtcars, który zawiera następujące zmienne:

• cyl: Liczba cylindrów w samochodzie. Zmienna numeryczna
• am: Typ skrzyni biegów. 0 dla automatycznej i 1 dla ręcznej. Zmienna numeryczna
• mpg: mile na galon. Zmienna numeryczna

Ponieważ histogramy wyglądają podobnie, warto ustalić różnice przed napisaniem jakiegokolwiek kodu.

Wykres słupkowy a histogram w R: kluczowe różnice

Te dwa wykresy wyglądają podobnie i ciągle są mylone. Odpowiadają na różne pytania i wykorzystują różne obiekty geometryczne.

Zasada praktyczna: jeśli zmiana kolejności słupków nadal ma sens, mamy wykres słupkowy. Jeśli zmiana kolejności zniszczyłaby ich znaczenie, mamy histogram. W przypadku podsumowań kwartylowych tej samej zmiennej ciągłej użyj fabuła pudełkowa.

Jak utworzyć wykres słupkowy w R

Aby utworzyć wykres w R, możesz skorzystać z biblioteki ggplot, która tworzy wykresy gotowe do publikacji. Podstawowa składnia tej biblioteki jest następująca:

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()` 

W tym samouczku skupimy się na obiekcie geometrycznym geom_bar(), który rysuje wykres słupkowy, oraz na geom_histogram() dla danych ciągłych.

Wykres słupkowy: liczba

Twój pierwszy wykres pokazuje częstotliwość cylindra za pomocą geom_bar(). Poniższy kod jest najbardziej podstawową składnią.

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

Code Wyjaśnienie

• Przekazujesz zbiór danych mtcars do ggplot.
• W argumencie aes() ustawiasz oś x na zmienną czynnikową cyl
• Znak + oznacza, że ​​chcesz, aby R nadal czytał kod. Kod staje się bardziej czytelny, ponieważ go łamie.
• Użyj geom_bar() dla obiektu geometrycznego.

Wyjście:

Note: upewnij się, że konwertujesz zmienne na czynnik, w przeciwnym razie R traktuje zmienne jako numeryczne. Zobacz poniższy przykład.

Dostosuj wykres

Aby dostosować wykres, można przekazać cztery argumenty:

- `stat`: Controls what is plotted on the y-axis. By default `count`, which tallies rows. To plot a value you already computed, pass `stat = "identity"`
- `alpha`: Control density of the color
- `fill`: Change the color of the bar
- `size`: Control the size the bar	

Zmień kolor pasków

Możesz zmienić kolor pasków. Należy pamiętać, że kolory pasków są wszystkie podobne.

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

Code Wyjaśnienie

• Kolory pasków są kontrolowane przez mapę aes()ping wewnątrz obiektu geometrycznego (tj. nie w ggplot()). Możesz zmienić kolor za pomocą argumentów wypełnienia. Tutaj wybierasz kolor koralowy.

Wyjście:

Możesz użyć tego kodu:

grDevices::colors()

aby zobaczyć wszystkie kolory dostępne w R. Dostępnych jest około 650 kolorów.

Zmień intensywność

Możesz zwiększyć lub zmniejszyć intensywność koloru pasków

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

Code Wyjaśnienie

• Aby zwiększyć/zmniejszyć intensywność paska, możesz zmienić wartość alfa. Wysoka alfa zwiększa intensywność, a niska alfa zmniejsza. Alfa waha się od 0 do 1. Przy 1 kolor idealnie pasuje do palety; przy 0 pasek jest niewidoczny. W tym przypadku wybierasz alfa = 0.5.

Wyjście:

Koloruj według grup

Możesz zmieniać kolory pasków, co oznacza inny kolor dla każdej grupy. Na przykład zmienna cyl ma trzy poziomy, wówczas można wykreślić wykres słupkowy za pomocą trzech kolorów.

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

Code Wyjaśnienie

• Argument fill w funkcji aes() zmienia kolor paska. Kolor zmienia się, ustawiając zmienną fill = oś x. W Twoim przykładzie zmienna osi x to cyl; fill = factor(cyl)

Wyjście:

Dodaj grupę w paskach

Możesz dalej podzielić oś Y na podstawie innego poziomu czynnika. Na przykład możesz policzyć liczbę automatycznych i manualnych skrzyń biegów na podstawie typu cylindra.

Będziesz postępować w następujący sposób:

• Krok 1: Utwórz ramkę danych ze zbiorem danych mtcars
• Krok 2: Oznacz zmienną am jako auto dla automatycznej skrzyni biegów i man dla manualnej skrzyni biegów. Przekształć am i cyl jako czynnik, aby nie trzeba było używać factor() w funkcji ggplot().
• Krok 3: Narysuj wykres słupkowy, aby policzyć liczbę skrzyń biegów według cylindra

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

Mając gotowy zbiór danych, możesz narysować wykres:

# Krok 3

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

Code Wyjaśnienie

• Wywołanie ggplot() odbiera dane zestawu danych i mapę aes()ping.
• W aes() dołączasz zmienną osi x i określasz, która zmienna jest wymagana do wypełnienia paska (np. am)
• geom_bar(): Utwórz wykres słupkowy

Wyjście:

Mapaping wypełni pasek dwoma kolorami, po jednym dla każdego poziomu. Można łatwo zmienić grupę, wybierając inne zmienne czynnikowe w zestawie danych.

Wykres słupkowy w procentach

Możesz wizualizować pasek w procentach zamiast surowej liczby.

# Wykres słupkowy w procentach

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

Code Wyjaśnienie

• Użyj pozycji = „wypełnij” w argumencie geom_bar(), aby utworzyć grafikę z procentami na osi Y.

Wyjście:

Paski obok siebie

Wykres słupkowy ze zmienną grupową można łatwo wykreślić obok siebie.

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

Code Wyjaśnienie

• position=position_dodge(): Jawnie mówi, jak rozmieścić słupki

Wyjście:

Wykres słupkowy ze statystyką podsumowującą

W drugiej części samouczka oś Y przedstawia wartość obliczoną, a nie liczbę. Należy pamiętać, że to nadal wykres słupkowy: prawdziwy histogram jest omówiony dalej i wykorzystuje inny obiekt geometryczny.

Twoim celem jest utworzenie wykresu przedstawiającego średnią milę na galon dla każdego typu cylindra. Aby narysować wykres informacyjny, wykonaj następujące kroki:

• Krok 1: Utwórz nową zmienną ze średnią milą na galon na cylinder
• Krok 2: Utwórz podstawowy histogram
• Krok 3: Zmień orientację
• Krok 4: Zmień kolor
• Krok 5: Zmień rozmiar
• Krok 6: Dodaj etykiety do wykresu

Krok 1) Utwórz nową zmienną

Tworzysz ramkę danych o nazwie data_histogram, która po prostu zwraca średnią liczbę mil na galon na podstawie liczby cylindrów w samochodzie. Nazywasz tę nową zmienną mean_mpg i zaokrąglasz średnią do dwóch miejsc po przecinku.

# Krok 1

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

Krok 2) Utwórz podstawowy histogram

Możesz narysować histogram. Nie jest on jeszcze na tyle dopracowany, aby móc go przekazać klientowi, ale już pokazuje trend.

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

Code Wyjaśnienie

• Funkcja aes() ma teraz dwie zmienne. Zmienna cyl odnosi się do osi x, a średnia_mpg jest osią y.
• Przekazujesz stat = “identity”, aby funkcja geom_bar() używała zmiennej osi Y bez zmian, zamiast zliczać wiersze. Domyślna wartość dla geom_bar() to stat = “count”.

Wyjście:

Krok 3) Zmień orientację

Zmieniasz orientację wykresu z pionowej na poziomą.

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

Code Wyjaśnienie

• Możesz kontrolować orientację wykresu za pomocą coord_flip().

Wyjście:

Krok 4) Zmień kolor

Kolory słupków można różnicować w zależności od poziomu współczynnika zmiennej osi X.

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

Code Wyjaśnienie

• Możesz narysować wykres według grup za pomocą mapy fill=cylping. R automatycznie dba o kolory na podstawie poziomów zmiennej cyl

Wyjście:

Krok 5) Zmień rozmiar

Aby wykres wyglądał ładniej, zmniejszasz szerokość słupka.

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

Code Wyjaśnienie

• Argument szerokości w funkcji geom_bar() kontroluje grubość paska. Większa wartość sprawia, że ​​pasek staje się szerszy.
• Wykres jest przechowywany w grafie obiektów, ponieważ w kolejnym kroku jest on ponownie wykorzystywany w niezmienionej postaci. Przechowywanie wykresów pośrednich sprawia, że ​​kod jest czytelny.

Wyjście:

Krok 6) Dodaj etykiety do wykresu

Ostatni krok polega na dodaniu wartości mean_mpg jako etykiety wewnątrz każdego słupka.

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

Code Wyjaśnienie

• Funkcja geom_text() jest przydatna do kontrolowania estetyki tekstu.
  • label=: Dodaj etykietę wewnątrz pasków
  • mean_mpg: Użyj zmiennej mean_mpg jako etykiety
• Zmienna hjust kontroluje położenie etykiety na pasku. Wartości bliskie 1 umieszczają ją blisko końca paska, a większe wartości przesuwają ją w kierunku osi. Jeśli wykres ma orientację pionową, zmień wartość hjust na vjust.
• color=”white”: Zmień kolor tekstu. Tutaj używasz koloru białego.
• size=3: Ustaw rozmiar tekstu.

Wyjście:

Jak uporządkować i oznaczyć słupki na wykresie słupkowym w R

Dwa elementy wykończenia odróżniają wersję roboczą wykresu od wykresu gotowego do publikacji: sortowanie słupków według wartości i odpowiednie oznaczanie osi.

Zmiana kolejności pasków. ggplot2 domyślnie porządkuje poziomy czynników alfabetycznie, co rzadko jest najbardziej informatywnym porządkiem. Otocz zmienną x funkcją reorder(), aby posortować według drugiej zmiennej:

# Sort the bars from lowest to highest mean_mpg
ggplot(data_histogram, aes(x = reorder(cyl, mean_mpg), y = mean_mpg)) +
    geom_bar(stat = "identity", fill = "coral") +
    theme_classic()

Aby odwrócić kierunek, dodaj do zmiennej sortującej prefiks w postaci znaku minus, reorder(cyl, -mean_mpg.

Dodawanie tytułów i etykiet osi. Funkcja labs() ustawia każdy element tekstowy w jednym wywołaniu:

ggplot(data_histogram, aes(x = cyl, y = mean_mpg, fill = cyl)) +
    geom_bar(stat = "identity") +
    labs(title = "Average fuel economy by cylinder count",
        subtitle = "mtcars dataset",
        x = "Number of cylinders",
        y = "Mean miles per gallon",
        fill = "Cylinders",
        caption = "Source: mtcars") +
    theme_classic()

Ustaw fill = NULL wewnątrz labs(), aby całkowicie usunąć tytuł legendy, a następnie użyj theme(legend.position = “none”), aby usunąć legendę, gdy oś x już nazywa grupy.

Wybieranie własnych kolorów. Zastąp domyślną paletę paletą konkretną, tak aby wykres pasował do stylu Twojego domu:

scale_fill_manual(values = c("4" = "#0e9cd1", "6" = "coral", "8" = "grey40"))

Jak utworzyć histogram w R za pomocą geom_histogram()

Histogram pokazuje rozkład pojedynczej zmiennej ciągłej. Zamiast zliczać kategorie, ggplot2 dzieli zakres liczbowy na przedziały i liczy, ile obserwacji mieści się w każdym z nich.

library(ggplot2)
# Most basic histogram
ggplot(mtcars, aes(x = mpg)) +
    geom_histogram()

R wyświetla komunikat zalecający wybór lepszej liczby pojemników, ponieważ domyślna wartość 30 pojemników jest dowolna. Kontrolują to dwa argumenty:

• pojemniki: liczba przedziałów, na które ma zostać podzielony zakres.
• szerokość kosza: szerokość każdego przedziału wyrażona w jednostkach zmiennej. Użyj tego, gdy jednostki są znaczące.

# Set the number of bins
ggplot(mtcars, aes(x = mpg)) +
    geom_histogram(bins = 10, fill = "coral", color = "white") +
    theme_classic()

# Or set the width of each bin instead
ggplot(mtcars, aes(x = mpg)) +
    geom_histogram(binwidth = 4, fill = "coral", color = "white") +
    theme_classic()

Binning to najważniejszy wybór w histogramie. Zbyt mała liczba przedziałów ukrywa rzeczywistą strukturę, taką jak drugi szczyt; zbyt wiele powoduje, że wykres staje się szumem. Wypróbuj kilka wartości, zanim zdecydujesz się na jedną.

Porównywanie grup. Zmapuj współczynnik do wypełnienia i ustaw pozycję tak, aby rozkłady pozostały czytelne:

ggplot(mtcars, aes(x = mpg, fill = factor(cyl))) +
    geom_histogram(bins = 10, position = "identity", alpha = 0.5) +
    theme_classic()

Przy ustawieniu position = „identity” i obniżonym współczynniku alfa histogramy nakładają się na siebie, co pozwala na bezpośrednie porównywanie kształtów. Użyj position = „dodge”, jeśli wolisz widzieć pojemniki obok siebie.

Gęstość zamiast ilości. Jeżeli grupy różnią się wielkością, narysuj gęstość tak, aby obszary były porównywalne, i nałóż na nią wygładzoną krzywą:

ggplot(mtcars, aes(x = mpg)) +
    geom_histogram(aes(y = after_stat(density)), bins = 10,
        fill = "coral", alpha = 0.6) +
    geom_density(color = "steelblue", linewidth = 1) +
    theme_classic()

Wykres słupkowy i histogram w R: Code Numer Referencyjny

Wykres słupkowy pasuje do kategorycznej osi x, gdzie oś y przedstawia liczbę lub statystykę podsumowującą. Poniższa tabela zawiera wywołania ggplot2 dla każdego wariantu omówionego powyżej:

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

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

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

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

ggplot(df, aes(x = factor(x1), fill = factor(x2))) + geom_bar(position = "fill")

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

ggplot(df, aes(x = x1)) + geom_histogram(bins = 30)

FAQ