Гистограмма и столбчатая диаграмма в R с примерами

Что такое столбчатая диаграмма в R?

Гистограмма — отличный способ отобразить категориальные переменные по оси X. Этот тип графика обозначает два аспекта по оси Y.

1. Первый показатель подсчитывает количество случаев в каждой группе.
2. На втором графике по оси Y отображается сводная статистика (минимум, максимум, среднее значение и т. д.) переменной.

Вы будете использовать набор данных mtcars, который содержит следующие переменные:

• цил: Номер цилиндра в автомобиле. Числовая переменная
• am: Тип передачи. 0 для автоматического и 1 для ручного режима. Числовая переменная
• миль на галлон: миль на галлон. Числовая переменная

Поскольку гистограммы выглядят очень похоже, стоит урегулировать разницу, прежде чем писать какой-либо код.

Столбчатая диаграмма и гистограмма в R: основные различия

Эти две диаграммы похожи, но их постоянно путают. Они отвечают на разные вопросы и используют разные геометрические объекты.

Общее правило: если изменение порядка столбцов по-прежнему имеет смысл, у вас столбчатая диаграмма. Если изменение порядка столбцов исказит смысл, у вас гистограмма. Для сводных данных по одной и той же непрерывной переменной на основе квартилей используйте сюжет.

Как создать столбчатую диаграмму в R

Чтобы создать график в R, вы можете использовать библиотеку ggplot, которая создает готовые к публикации графики. Основной синтаксис этой библиотеки:

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()` 

В этом руководстве основное внимание уделяется геометрическому объекту geom_bar(), который строит столбчатую диаграмму, и функции geom_histogram() для работы с непрерывными данными.

Гистограмма: подсчет

Ваш первый график показывает частоту цилиндра с помощью geom_bar(). Код ниже представляет собой самый простой синтаксис.

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

Code объяснение

• Вы передаете набор данных mtcars в ggplot.
• Внутри аргумента aes() вы устанавливаете ось X равной переменной фактора cyl.
• Знак + означает, что вы хотите, чтобы R продолжал читать код. Это делает код более читабельным, если его взломать.
• Используйте geom_bar() для геометрического объекта.

Выход:

Внимание: убедитесь, что вы преобразуете переменные в коэффициент, иначе R считает переменные числовыми. См. пример ниже.

Настройте график

Для настройки графика можно передать четыре аргумента:

- `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	

Изменение цвета полос

Вы можете изменить цвет полос. Обратите внимание, что цвета полосок одинаковы.

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

Code объяснение

• Цвета полос задаются с помощью карты aes().ping внутри геометрического объекта (то есть не в функции ggplot()). Вы можете изменить цвет с помощью аргумента fill. Здесь вы выбираете коралловый цвет.

Выход:

Вы можете использовать этот код:

grDevices::colors()

чтобы увидеть все цвета, доступные в R. Существует около 650 цветов.

Изменение интенсивности

Вы можете увеличить или уменьшить интенсивность цвета полос.

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

Code объяснение

• Чтобы увеличить/уменьшить интенсивность полосы, вы можете изменить значение альфа-канала. Большое значение альфа-канала увеличивает интенсивность, а малое — уменьшает. Значение альфа-канала варьируется от 0 до 1. При значении 1 цвет точно соответствует палитре; при значении 0 полоса невидима. Здесь вы выбираете альфа-канал = 0.5.

Выход:

Цвет по группам

Вы можете изменить цвета полосок, то есть для каждой группы будет свой цвет. Например, переменная cyl имеет три уровня, поэтому вы можете построить гистограмму тремя цветами.

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

Code объяснение

• Аргумент fill внутри функции aes() изменяет цвет полосы. Вы меняете цвет, устанавливая fill = переменной оси x. В вашем примере переменная оси x — cyl; fill = factor(cyl)

Выход:

Добавить группу в барах

Вы можете дополнительно разделить ось Y на основе другого уровня фактора. Например, вы можете посчитать количество автоматических и механических коробок передач в зависимости от типа цилиндра.

Вы будете действовать следующим образом:

• Шаг 1. Создайте фрейм данных с набором данных mtcars.
• Шаг 2. Пометьте переменную am значением auto для автоматической коробки передач и man для механической коробки передач. Преобразуйте am и cyl в коэффициенты, чтобы вам не нужно было использовать Factor() в функции ggplot().
• Шаг 3. Постройте гистограмму, чтобы подсчитать количество передач по цилиндрам.

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

Когда набор данных готов, можно построить график:

# Шаг 3

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

Code объяснение

• Вызов функции ggplot() получает данные набора данных и карту aes().ping.
• В aes() вы включаете переменную оси X и указываете, какая переменная необходима для заполнения полосы (т. е. am).
• geom_bar(): создать гистограмму.

Выход:

Картаping Полоса будет заполнена двумя цветами, по одному для каждого уровня. Изменить группу можно легко, выбрав другие факторные переменные в наборе данных.

Гистограмма в процентах

Вы можете визуализировать полосу в процентах, а не в необработанных значениях.

# Гистограмма в процентах

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

Code объяснение

• Используйте позицию = «заполнить» в аргументе geom_bar(), чтобы создать график с процентами по оси Y.

Выход:

Бок о бок бары

Легко построить гистограмму с групповой переменной рядом.

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

Code объяснение

• Position=position_dodge(): явно указывает, как расположить столбцы.

Выход:

Гистограмма со сводной статистикой

Во второй части урока по оси Y отображается вычисленное значение, а не количество. Обратите внимание, что это по-прежнему столбчатая диаграмма: настоящая гистограмма рассматривается ниже, и в ней используется другой геометрический объект.

Ваша цель — создать график со средним пробегом в милях на галлон для каждого типа цилиндров. Чтобы нарисовать информативный график, выполните следующие действия:

• Шаг 1. Создайте новую переменную со средним расходом миль на галлон по цилиндрам.
• Шаг 2. Создайте базовую гистограмму
• Шаг 3. Измените ориентацию
• Шаг 4: Измените цвет
• Шаг 5: Измените размер
• Шаг 6. Добавьте метки на график

Шаг 1) Создать новую переменную

Вы создаете фрейм данных с именем data_histogram, который просто возвращает среднее количество миль на галлон по количеству цилиндров в автомобиле. Вы называете эту новую переменную «mean_mpg» и округляете среднее значение до двух десятичных знаков.

# Шаг 1

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

Шаг 2) Создайте базовую гистограмму

Вы можете построить гистограмму. Она еще недостаточно отшлифована, чтобы передать ее клиенту, но уже показывает тенденцию.

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

Code объяснение

• В aes() теперь есть две переменные. Переменная cyl относится к оси X, а mean_mpg — к оси Y.
• Вы передаете stat = “identity”, чтобы geom_bar() использовала переменную оси Y как есть, вместо подсчета строк. Значение по умолчанию для geom_bar() — stat = “count”.

Выход:

Шаг 3) Изменить ориентацию

Вы меняете ориентацию графика с вертикальной на горизонтальную.

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

Code объяснение

• Вы можете управлять ориентацией графика с помощью функции coord_flip().

Выход:

Шаг 4) Изменить цвет

Вы можете различать цвета столбцов в зависимости от уровня фактора переменной оси X.

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

Code объяснение

• Вы можете построить график по группам, используя параметр fill=cyl map.pingR автоматически подбирает цвета на основе уровней переменной cyl.

Выход:

Шаг 5) Изменить размер

Чтобы график выглядел красивее, уменьшите ширину столбца.

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

Code объяснение

• Аргумент width в функции geom_bar() управляет толщиной полосы. Большее значение делает её шире.
• График хранится в графе объектов, поскольку на следующем шаге он используется без изменений. Хранение промежуточных графиков обеспечивает читаемость кода.

Выход:

Шаг 6) Добавьте метки на график

На последнем шаге значение переменной mean_mpg добавляется в качестве метки внутри каждого столбца.

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

Code объяснение

• Функция geom_text() полезна для управления эстетикой текста.
  • label=: добавить метку внутри полосок.
  • «mean_mpg»: используйте переменную «mean_mpg» для метки.
• Параметр hjust управляет положением метки на столбце. Значения, близкие к 1, размещают её ближе к концу столбца, а большие значения сдвигают её ближе к оси. Если ориентация графика вертикальная, измените hjust на vjust.
• color="white": Измените цвет текста. Здесь вы используете белый цвет.
• size=3: установите размер текста.

Выход:

Как упорядочить и подписать столбцы на столбчатой ​​диаграмме в R

Два завершающих штриха отличают черновой вариант диаграммы от готового к публикации: сортировка столбцов по значению и правильная маркировка осей.

Перестановка батончиков. ggplot2 по умолчанию располагает уровни факторов в алфавитном порядке, что редко бывает наиболее информативным порядком. Чтобы отсортировать данные по второй переменной, оберните переменную x в функцию reorder():

# 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()

Чтобы изменить направление сортировки, добавьте перед переменной сортировки знак минус, например, reorder(cyl, -mean_mpg).

Добавление заголовков и подписей к осям. Функция labs() устанавливает каждый текстовый элемент за один вызов:

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()

Установите fill = NULL внутри функции labs(), чтобы полностью удалить заголовок легенды, и используйте theme(legend.position = “none”), чтобы удалить легенду, если ось X уже содержит названия групп.

Выбор собственных цветов. Замените палитру по умолчанию на другую, чтобы диаграмма соответствовала вашему стилю оформления:

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

Как создать гистограмму в R с помощью функции geom_histogram()

Гистограмма показывает, как распределяется одна непрерывная переменная. Вместо подсчета категорий, ggplot2 разбивает числовой диапазон на интервалы и подсчитывает, сколько наблюдений попадает в каждый из них.

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

R выводит сообщение с рекомендацией выбрать более оптимальное количество интервалов, поскольку значение по умолчанию в 30 интервалов является произвольным. Это управляется двумя аргументами:

• бункеры: количество интервалов, на которые нужно разделить диапазон.
• ширина бина: ширина каждого интервала, выраженная в единицах измерения переменной. Используйте этот вариант, когда единицы измерения имеют смысл.

# 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()

Выбор интервалов (бинов) — это самый важный шаг при построении гистограммы. Слишком мало интервалов скрывает реальную структуру, например, второй пик; слишком много превращает график в шум. Попробуйте несколько значений, прежде чем остановиться на одном.

Сравнение групп. Укажите фактор для заполнения и задайте позицию, чтобы распределения оставались читаемыми:

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

При значении position = “identity” и уменьшенном значении alpha гистограммы перекрываются, что позволяет напрямую сравнивать их формы. Используйте position = “dodge”, если хотите видеть интервалы рядом друг с другом.

Плотность вместо количества. Если группы различаются по размеру, постройте график плотности таким образом, чтобы площади были сопоставимы, и наложите сглаженную кривую:

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()

Гистограмма и столбчатая диаграмма в R: Code Референции

Для столбчатой ​​диаграммы подходит категориальная ось X, где ось Y представляет собой либо количество, либо сводную статистику. В таблице ниже приведены вызовы ggplot2 для каждого из рассмотренных выше вариантов:

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)

Часто задаваемые вопросы (FAQ)