การสร้างแผนภาพกระจายจุดใน R โดยใช้ ggplot2 พร้อมตัวอย่าง

เหตุใดกราฟจึงมีความสำคัญในการวิเคราะห์ข้อมูล

กราฟเป็นส่วนที่สามของกระบวนการวิเคราะห์ข้อมูล ภาคแรกเป็นเรื่องเกี่ยวกับ ข้อมูล extracการส่วนที่สองเกี่ยวข้องกับ ทำความสะอาดและจัดการข้อมูล- ในที่สุด Data Scientist ก็อาจจำเป็นต้องทำ สื่อสารผลลัพธ์ของเขาแบบกราฟิก.

ภาพด้านล่างสรุปขั้นตอนการทำงานของนักวิทยาศาสตร์ข้อมูล

• งานแรกของนักวิทยาศาสตร์ข้อมูลคือการกำหนดคำถามการวิจัย คำถามวิจัยนี้ขึ้นอยู่กับวัตถุประสงค์และเป้าหมายของโครงการ
• หลังจากนั้นงานที่โดดเด่นที่สุดอย่างหนึ่งก็คือวิศวกรรมฟีเจอร์ นักวิทยาศาสตร์ข้อมูลจำเป็นต้องรวบรวม จัดการ และทำความสะอาดข้อมูล
• เมื่อขั้นตอนนี้เสร็จสิ้น เขาสามารถเริ่มสำรวจชุดข้อมูลได้ บางครั้งจำเป็นต้องปรับปรุงและเปลี่ยนแปลงสมมติฐานเดิมเนื่องจากการค้นพบครั้งใหม่

• เมื่อราคาของ อธิบาย การวิเคราะห์ข้อมูลทำได้สำเร็จแล้ว Data Scientist จะต้องคำนึงถึงความสามารถของผู้อ่านด้วย เข้าใจแนวคิดและโมเดลพื้นฐาน.
• ผลลัพธ์ของเขาควรนำเสนอในรูปแบบที่ผู้มีส่วนได้ส่วนเสียทุกคนสามารถเข้าใจได้ หนึ่งในวิธีที่ดีที่สุดในการ สื่อสาร ผลลัพธ์คือผ่าน กราฟ.
• กราฟเป็นเครื่องมือที่น่าทึ่งในการทำให้การวิเคราะห์ที่ซับซ้อนง่ายขึ้น

ส่วนที่เหลือของบทช่วยสอนนี้จะสร้างกราฟเหล่านั้นโดยใช้แพ็กเกจ ggplot2

แพ็คเกจ ggplot2

บทช่วยสอนนี้เน้นการสร้างแผนภูมิใน R โดยใช้ ggplot2

ในบทเรียนนี้ คุณจะใช้แพ็กเกจ ggplot2 แพ็กเกจนี้ใช้หลักไวยากรณ์ของกราฟิก (Grammar of Graphics) ที่ Leland Wilkinson อธิบายไว้ในปี 2005 ggplot2 มีความยืดหยุ่น มาพร้อมกับธีมมากมาย และช่วยให้คุณสามารถกำหนดรายละเอียดของกราฟได้อย่างละเอียดในระดับสูงสุดtracโปรดทราบว่าโปรแกรมนี้ไม่ได้สร้างกราฟิกสามมิติหรือกราฟิกแบบโต้ตอบได้ ซึ่งต้องใช้โปรแกรมเสริม เช่น plotly หรือ rgl

ใน ggplot2 กราฟประกอบด้วยอาร์กิวเมนต์ดังต่อไปนี้:

• ข้อมูล
• แผนที่สุนทรียศาสตร์ping
• วัตถุทางเรขาคณิต
• การเปลี่ยนแปลงทางสถิติ
• ตาชั่ง
• ระบบพิกัด
• การปรับตำแหน่ง
• เผชิญหน้า

คุณจะได้เรียนรู้วิธีควบคุมข้อโต้แย้งเหล่านั้นในบทช่วยสอน

ไวยากรณ์พื้นฐานของ ggplot2 คือ:

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

วิธีการสร้างแผนภูมิกระจายจุดใน R

มาดูกันว่า ggplot ทำงานอย่างไรกับชุดข้อมูล mtcars คุณเริ่มต้นด้วยการวางแผน Scatterplot ของตัวแปร mpg และตัวแปร drat

พล็อตกระจายพื้นฐาน

library(ggplot2)
ggplot(mtcars, aes(x = drat, y = mpg)) +
    geom_point()

Code คำอธิบาย

• ก่อนอื่นคุณต้องส่งชุดข้อมูล mtcars ไปที่ ggplot
• ภายในอาร์กิวเมนต์ aes() คุณต้องเพิ่มแกน x และแกน y
• เครื่องหมาย + หมายถึงคุณต้องการให้ R อ่านโค้ดต่อไป ซึ่งจะทำให้โค้ดอ่านง่ายขึ้นโดยการทำลายโค้ด
• ใช้ geom_point() สำหรับวัตถุทางเรขาคณิต

Output:

พล็อตกระจายกับกลุ่ม

บางครั้ง การแยกแยะค่าตามกลุ่มข้อมูล (เช่น ข้อมูลระดับปัจจัย) อาจเป็นเรื่องที่น่าสนใจ

ggplot(mtcars, aes(x = mpg, y = drat)) +
    geom_point(aes(color = factor(gear)))

Code คำอธิบาย

• ฟังก์ชัน aes() ภายใน geom_point() ควบคุมสีของแต่ละกลุ่มping ตัวแปรต้องเป็นแฟกเตอร์ ดังนั้นเกียร์จึงถูกห่อด้วยแฟกเตอร์()
• โดยรวมแล้ว คุณมีโค้ด aes(color = factor(gear)) ที่เปลี่ยนสีของจุด

Output:

เปลี่ยนมาตราส่วนแกนด้วยการแปลงลอการิทึม

การปรับขนาดข้อมูลเป็นส่วนสำคัญของงานนักวิเคราะห์ เนื่องจากตัวแปรดิบมักไม่ปรากฏในรูปทรงระฆังที่เรียบร้อย การใช้ลอการิทึมเป็นวิธีหนึ่งในการบีบอัดค่าที่ผิดปกติและทำให้กราฟมีความไวต่อค่าผิดปกติลดลง

ggplot(mtcars, aes(x = log(mpg), y = log(drat))) +
    geom_point(aes(color = factor(gear)))

Code คำอธิบาย

• คุณแปลงค่าตัวแปร x และ y ใน log() โดยตรงภายใน map ของ aes()ping.

โปรดทราบว่าการเปลี่ยนแปลงอื่นๆ สามารถนำไปใช้ได้ เช่น การทำให้เป็นมาตรฐานหรือการทำให้เป็นมาตรฐาน

Output:

แผนภูมิกระจายที่มีค่าพอดี

คุณสามารถเพิ่มข้อมูลอีกระดับหนึ่งลงในกราฟได้ คุณสามารถซ้อนทับค่าที่คาดการณ์ไว้ของ a ลงไปได้ การถดถอยเชิงเส้น.

my_graph <- ggplot(mtcars, aes(x = log(mpg), y = log(drat))) +
    geom_point(aes(color = factor(gear))) +
    stat_smooth(method = "lm",
        col = "#C42126",
        se = FALSE,
        size = 1)
my_graph

Code คำอธิบาย

• my_graph: กราฟจะถูกเก็บไว้ในอ็อบเจ็กต์ my_graph ดังนั้นในขั้นตอนต่อไปสามารถเพิ่มเลเยอร์ได้โดยไม่ต้องเรียกใช้ฟังก์ชันทั้งหมดซ้ำอีก
• อาร์กิวเมนต์ stat_smooth() ควบคุมวิธีการปรับให้เรียบ
• method = “lm”: การถดถอยเชิงเส้น
• คอลัมน์ = “#C42126”: Code สำหรับเส้นสีแดง
• se = FALSE: อย่าแสดงข้อผิดพลาดมาตรฐาน
• size = 1: ความหนาของเส้น ใน ggplot2 เวอร์ชัน 3.4.0 และเวอร์ชันที่ใหม่กว่านั้น อาร์กิวเมนต์นี้ถูกเปลี่ยนชื่อเป็น linewidth สำหรับรูปทรงเรขาคณิตของเส้น

Output:

โปรดทราบว่ามีวิธีการปรับให้เรียบอื่นๆ ให้เลือก

• กล
• เกม
• ดินเลส: ค่าเริ่มต้นสำหรับข้อมูลน้อยกว่า 1,000 รายการ
• rlm: แบบจำลองเชิงเส้นที่แข็งแกร่ง (robust linear model) จากแพ็กเกจ MASS

ก่อนที่จะตกแต่งแผนภูมิ เราควรทราบก่อนว่าเมื่อใดจึงเหมาะสมที่จะใช้แผนภูมิกระจายจุด

แผนภูมิกระจายเทียบกับแผนภูมิเส้นเทียบกับ Bubblแผนภูมิ e ใน R

ทั้งสามแบบแสดงความสัมพันธ์ระหว่างตัวแปรต่อเนื่องสองตัว ดังนั้นการเลือกจึงขึ้นอยู่กับว่าผู้อ่านควรได้รับอะไรจากแบบกราฟนี้

การเชื่อมจุดกระจายด้วยเส้นตรงเมื่อแกน x ไม่มีลำดับตามธรรมชาติเป็นความผิดพลาดที่พบบ่อย: มันบ่งบอกถึงลำดับที่ไม่มีอยู่จริง ควรใช้ geom_line() สำหรับแกนที่มีลำดับ เช่น วันที่ สำหรับข้อมูลการแจกแจงของตัวแปรเดียว ให้ใช้... พล็อตกล่อง แทน.

เพิ่มข้อมูลลงในกราฟ

ขณะนี้กราฟยังไม่มีข้อความอธิบายใดๆ ผู้อ่านควรจะสามารถเข้าใจเรื่องราวจากข้อมูลในแผนภูมิได้โดยไม่ต้องศึกษาเอกสารเพิ่มเติม ซึ่งหมายความว่าแผนภูมิจำเป็นต้องมีป้ายกำกับที่ดี คุณสามารถเพิ่มป้ายกำกับได้โดยใช้ฟังก์ชัน labs()

ไวยากรณ์พื้นฐานสำหรับฟังก์ชัน labs() คือ:

labs(title = "Hello Guru99")
arguments:
- title: Main title displayed above the plot
- subtitle: Secondary line below the title
- caption: Note below the plot, usually the data source
- x: Rename the x-axis
- y: Rename the y-axis
- color / fill: Rename the legend

Example: labs(title = "Hello Guru99", subtitle = "My first plot")

เพิ่มชื่อ

ข้อมูลที่จำเป็นอย่างหนึ่งที่ต้องเพิ่มคือชื่ออย่างชัดเจน

my_graph +
    labs(
        title = "Plot Mile per hours and drat, in log"
         )

Code คำอธิบาย

• my_graph: คุณใช้กราฟที่คุณเก็บไว้ หลีกเลี่ยงการเขียนโค้ดทั้งหมดใหม่ทุกครั้งที่คุณเพิ่มข้อมูลใหม่ลงในกราฟ
• คุณใส่ชื่อเรื่องไว้ใน labs()

Output:

เพิ่มชื่อเรื่องด้วยชื่อแบบไดนามิก

ชื่อแบบไดนามิกมีประโยชน์ในการเพิ่มข้อมูลที่แม่นยำยิ่งขึ้นในชื่อ

คุณสามารถใช้ฟังก์ชัน paste() เพื่อพิมพ์ข้อความคงที่และข้อความไดนามิก ไวยากรณ์พื้นฐานของ paste() คือ:

paste("This is a text", A)
arguments
- " ": Text inside the quotation marks are the static text
- A: Display the variable stored in A
- Note you can add as much static text and variable as you want. You need to separate them with a comma	

ตัวอย่าง:

A <- 2010
paste("The first year is", A)

Output:

## [1] "The first year is 2010"

B <- 2018
paste("The first year is", A, "and the last year is", B)

Output:

## [1] "The first year is 2010 and the last year is 2018"

คุณสามารถเพิ่มชื่อไดนามิกลงในกราฟของเราได้ ซึ่งก็คือค่าเฉลี่ยของ mpg

mean_mpg <- mean(mtcars$mpg)
my_graph + labs(
    title = paste("Plot Mile per hours and drat, in log. Average mpg is", mean_mpg)
)

Code คำอธิบาย

• คุณสร้างค่าเฉลี่ยของ mpg โดยมีค่าเฉลี่ย (mtcars$mpg) เก็บไว้ในตัวแปรmean_mpg
• คุณใช้ paste() กับ mean_mpg เพื่อสร้างชื่อแบบไดนามิกที่ส่งคืนค่าเฉลี่ยของ mpg

Output:

เพิ่มคำบรรยาย

รายละเอียดเพิ่มเติมอีกสองอย่างจะทำให้กราฟชัดเจนยิ่งขึ้น คุณกำลังพูดถึงคำบรรยายย่อยและคำอธิบายภาพ คำบรรยายย่อยจะอยู่ด้านล่างชื่อเรื่อง ส่วนคำอธิบายภาพสามารถให้ข้อมูลเกี่ยวกับผู้ที่ทำการคำนวณและแหล่งที่มาของข้อมูลได้

my_graph +
    labs(
        title =
        "Relation between Mile per hours and drat",
        subtitle =
        "Relationship break down by gear class",
        caption = "Authors own computation"
    )

Code คำอธิบาย

• ภายใน labs() คุณได้เพิ่ม:
  • title = “ความสัมพันธ์ระหว่างไมล์ต่อชั่วโมงและปริมาณน้ำฝน”: เพิ่มชื่อเรื่อง
  • subtitle = “ความสัมพันธ์แบ่งตามคลาสเกียร์”: เพิ่มคำบรรยาย
  • Caption = “ผู้แต่งคำนวณเอง: เพิ่มคำบรรยายภาพ
  • คุณแยกข้อมูลใหม่แต่ละรายการด้วยเครื่องหมายจุลภาค ,
• โปรดทราบว่าคุณทำลายบรรทัดของโค้ด มันไม่ได้บังคับ แต่ช่วยให้อ่านโค้ดได้ง่ายขึ้นเท่านั้น

Output:

เปลี่ยนชื่อแกน x และแกน y

ชื่อคอลัมน์มักจะไม่ถูกจัดเตรียมให้พร้อมสำหรับการนำเสนอ มักจะใช้ชื่อย่อหรือใช้เครื่องหมายขีดล่างคั่นระหว่างคำ เช่น GDP_CAP ควรเปลี่ยนชื่อคอลัมน์บนกราฟและเพิ่มหน่วยวัดในส่วนที่จำเป็น

my_graph +
    labs(
        x = "Drat definition",
        y = "Mile per hours",
        color = "Gear",
        title = "Relation between Mile per hours and drat",
        subtitle = "Relationship break down by gear class",
        caption = "Authors own computation"
    )

Code คำอธิบาย

• ภายใน labs() คุณได้เพิ่ม:
  • x = “คำจำกัดความ Drat”: เปลี่ยนชื่อแกน x
  • y = “ไมล์ต่อชั่วโมง”: เปลี่ยนชื่อแกน y

Output:

ควบคุมตาชั่ง

คุณสามารถควบคุมขนาดของแกนได้

ฟังก์ชัน seq() มีประโยชน์เมื่อคุณต้องการสร้างลำดับตัวเลข ไวยากรณ์พื้นฐานคือ:

seq(begin, last, by = x)
arguments:
- begin: First number of the sequence
- last: Last number of the sequence
- by= x: The step. For instance, if x is 2, the code adds 2 to `begin-1` until it reaches `last`	

ตัวอย่างเช่น ช่วงค่าตั้งแต่ 0 ถึง 12 โดยมีช่วงห่าง 4 จะได้ผลลัพธ์เป็นตัวเลขสี่ตัว ได้แก่ 0, 4, 8 และ 12

seq(0, 12,4)

Output:

## [1]  0  4  8 12

คุณสามารถควบคุมขนาดของแกน x และแกน y ได้ดังต่อไปนี้

my_graph +
    scale_x_continuous(breaks = seq(1, 3.6, by = 0.2)) +
    scale_y_continuous(breaks = seq(1, 1.6, by = 0.1)) +
    labs(
        x = "Drat definition",
        y = "Mile per hours",
        color = "Gear",
        title = "Relation between Mile per hours and drat",
        subtitle = "Relationship break down by gear class",
        caption = "Authors own computation"
    )

Code คำอธิบาย

• ฟังก์ชัน scale_y_continuous() ควบคุม แกน y
• ฟังก์ชัน scale_x_continuous() ควบคุม แกน x.
• ตัวแบ่งพารามิเตอร์จะควบคุมการแยกแกน คุณสามารถเพิ่มลำดับของตัวเลขด้วยตนเองหรือใช้ฟังก์ชัน seq():
  • seq(1, 3.6, by = 0.2): สร้างลำดับจาก 1 ถึง 3.6 โดยเพิ่มขึ้นทีละ 0.2 นั่นคือ 14 จุดแบ่ง
  • seq(1, 1.6, by = 0.1): สร้างตัวเลขเจ็ดตัวตั้งแต่ 1 ถึง 1.6 โดยเพิ่มขึ้นทีละ 0.1

Output:

กระทู้

สุดท้ายนี้ ggplot2 ช่วยให้คุณปรับแต่งรูปทรงของกราฟทั้งหมดได้ด้วยฟังก์ชันธีมเพียงฟังก์ชันเดียว โดยมีธีมสำเร็จรูปให้เลือกใช้ถึงแปดแบบในแพ็กเกจ:

• theme_bw()
• ธีม_ไลท์()
• ธีม_คลาสสิก()
• theme_linedraw()
• theme_dark()
• theme_minimal()
• theme_gray()
• ธีม_โมฆะ()

my_graph +
    theme_dark() +
    labs(
        x = "Drat definition, in log",
        y = "Mile per hours, in log",
        color = "Gear",
        title = "Relation between Mile per hours and drat",
        subtitle = "Relationship break down by gear class",
        caption = "Authors own computation"
    )

Output:

บันทึกแปลง

หลังจากทำตามขั้นตอนทั้งหมดแล้ว ก็ถึงเวลาบันทึกและแชร์กราฟของคุณ เรียกใช้คำสั่ง ggsave(“name_of_the_file.png”) ทันทีหลังจากสร้างกราฟเสร็จ และภาพจะถูกบันทึกลงดิสก์

กราฟจะถูกบันทึกไว้ในไดเร็กทอรีการทำงาน หากต้องการตรวจสอบไดเร็กทอรีการทำงาน คุณสามารถรันโค้ดนี้ได้:

directory <- getwd()
directory

สร้างกราฟที่เสร็จสมบูรณ์ บันทึก และตรวจสอบว่ากราฟนั้นแสดงผลที่ตำแหน่งใด:

my_graph +
    theme_dark() +
    labs(
        x = "Drat definition, in log",
        y = "Mile per hours, in log",
        color = "Gear",
        title = "Relation between Mile per hours and drat",
        subtitle = "Relationship break down by gear class",
        caption = "Authors own computation"
    )

Output:

ggsave("my_fantastic_plot.png")

Output:

## Saving 5 x 4 in image

หมายเหตุ: เพื่อวัตถุประสงค์ในการสอนเท่านั้น เราได้สร้างฟังก์ชันที่เรียกว่า open_folder() เพื่อเปิดโฟลเดอร์ไดเร็กทอรีให้กับคุณ คุณเพียงแค่ต้องเรียกใช้โค้ดด้านล่างและดูว่ารูปภาพถูกเก็บไว้ที่ไหน คุณควรเห็นชื่อไฟล์ my_fantastic_plot.png

# Run this code to create the function
open_folder <- function(dir) {
    if (.Platform['OS.type'] == "windows") {
        shell.exec(dir)
    } else {
        system(paste(Sys.getenv("R_BROWSER"), dir))
    }
}

# Call the function to open the folder
open_folder(directory)

วิธีสร้างแผนภูมิกระจายแบบหลายมิติใน R โดยใช้ facet_wrap()

การแบ่งกลุ่มข้อมูล (Faceting) เป็นหนึ่งในแปดส่วนประกอบของ ggplot2 ที่กล่าวถึงไปก่อนหน้านี้ และเป็นวิธีที่สะอาดที่สุดสำหรับการสร้างกราฟที่มีข้อมูลหนาแน่น แทนที่จะบีบทุกกลุ่มลงในแผงเดียว ggplot2 จะวาดแผงเล็กๆ หลายแผงสำหรับแต่ละระดับของตัวแปร โดยใช้มาตราส่วนเดียวกันทั้งหมด เพื่อให้แผงต่างๆ สามารถเปรียบเทียบกันได้

# One panel per gear count
ggplot(mtcars, aes(x = drat, y = mpg)) +
    geom_point() +
    facet_wrap(~ gear) +
    theme_classic()

เหตุผลหลักสามข้อนี้ทำหน้าที่ได้อย่างสมบูรณ์แล้ว

• น or แคบ: บังคับให้แผงต่างๆ อยู่ในรูปแบบที่กำหนด เช่น facet_wrap(~ gear, ncol = 2)
• ตาชั่ง: ค่าเริ่มต้นคือ “fixed” เพื่อให้ทุกแผงใช้ช่วงแกนเดียวกัน ใช้ “free_y” หรือ “free” เมื่อกลุ่มต่างๆ มีสัดส่วนแตกต่างกันมาก แต่โปรดทราบว่ามาตราส่วนแบบอิสระอาจทำให้การเปรียบเทียบภาพระหว่างแผงต่างๆ เกิดความคลาดเคลื่อนได้
• ฉลาก: แทนที่ระดับปัจจัยดิบในแต่ละแถบ ตัวอย่างเช่น labeller = label_both จะพิมพ์ “gear: 4” แทนที่จะเป็น “4”

สองกลุ่มping ตัวแปร ใช้ facet_grid() เพื่อสร้างเมทริกซ์ของแผง โดยให้ตัวแปรแรกอยู่ตามแถว และตัวแปรที่สองอยู่ตามคอลัมน์:

ggplot(mtcars, aes(x = drat, y = mpg)) +
    geom_point(aes(color = factor(cyl))) +
    facet_grid(am ~ gear) +
    theme_classic()

เหลี่ยมมุมหรือสี? การใช้สีเหมาะสมกับการจัดกลุ่มข้อมูลบนแผนภูมิได้ไม่เกินสี่กลุ่ม โดยมีการทับซ้อนกันน้อย หากมากกว่านั้น หรือกลุ่มข้อมูลทับซ้อนกันมาก การใช้การแบ่งกลุ่มย่อย (faceting) จะอ่านง่ายกว่า เพราะแต่ละแผงจะมีเฉพาะจุดข้อมูลของตัวเองเท่านั้น คุณสามารถผสมผสานทั้งสองวิธีได้ คือ การแบ่งกลุ่มย่อยด้วยตัวแปรหนึ่ง และใช้สีด้วยอีกตัวแปรหนึ่ง ดังตัวอย่าง facet_grid() ด้านบน

วิธีจัดการกับการทับซ้อนกันของจุดในแผนภาพกระจายใน R

เมื่อมีการสังเกตการณ์เพียงไม่กี่สิบจุด ทุกจุดก็สามารถมองเห็นได้ชัดเจน แต่เมื่อมีหลายพันจุด เครื่องหมายก็จะซ้อนทับกัน และบริเวณที่มีความหนาแน่นสูงสุดก็จะปรากฏเป็นก้อนทึบๆ นั่นคือ การวางแผนมากเกินไปและ ggplot2 มีวิธีการแก้ไขมาตรฐานสี่วิธี

1. ลดค่าความทึบแสง วิธีแก้ไขที่ถูกที่สุด การทับซ้อนกันping จุดต่างๆ จะเข้มขึ้นตามธรรมชาติ ทำให้เห็นความหนาแน่นได้ชัดเจน:

ggplot(diamonds, aes(x = carat, y = price)) +
    geom_point(alpha = 0.05) +
    theme_classic()

2. ค่าความผันผวนแบบไม่ต่อเนื่อง เมื่อตัวแปรมีค่าเพียงไม่กี่ค่า จุดต่างๆ จะอยู่บนพิกัดเดียวกัน การเคลื่อนที่แบบสุ่มเล็กน้อยจะทำให้จุดเหล่านั้นแยกออกจากกัน:

ggplot(mtcars, aes(x = factor(cyl), y = mpg)) +
    geom_jitter(width = 0.15, height = 0) +
    theme_classic()

ตั้งค่าความสูงเป็น 0 เพื่อให้ค่า y ซึ่งเป็นค่าที่มีข้อมูลจริง ไม่เปลี่ยนแปลง

3. ทิ้งเครื่องบินลำนั้นไป สำหรับชุดข้อมูลขนาดใหญ่ ให้นับจำนวนข้อมูลต่อเซลล์และกำหนดสีให้กับจำนวนนั้น การใช้ช่องข้อมูลรูปหกเหลี่ยมจะช่วยหลีกเลี่ยงสิ่งผิดปกติทางสายตาที่เกิดจากช่องข้อมูลรูปสี่เหลี่ยม:

ggplot(diamonds, aes(x = carat, y = price)) +
    geom_hex(bins = 40) +
    theme_classic()

4. วาดเส้นแสดงความหนาแน่น เส้นคอนทัวร์แสดงถึงบริเวณที่มีการสังเกตการณ์หนาแน่น และทับซ้อนกับจุดที่จางลงอย่างเป็นระเบียบ:

ggplot(diamonds, aes(x = carat, y = price)) +
    geom_point(alpha = 0.05) +
    geom_density_2d(color = "#C42126") +
    theme_classic()

โดยทั่วไปแล้ว ฟังก์ชัน alpha จะจัดการกับจุดข้อมูลจำนวนไม่กี่พันจุด การแบ่งกลุ่มแบบหกเหลี่ยมจะจัดการกับจุดข้อมูลหลายหมื่นจุด และการสุ่มตัวอย่างข้อมูลด้วย dplyr::slice_sample() เป็นตัวเลือกที่เหมาะสมกว่านั้น

การสร้างแผนภาพกระจายใน R: Code อ้างอิง

ตารางด้านล่างแสดงคำสั่งเรียกใช้ ggplot2 สำหรับแต่ละตัวเลือกที่กล่าวถึงข้างต้น:

ggplot(df, aes(x = x1, y = y)) + geom_point()

ggplot(df, aes(x = x1, y = y)) + geom_point(aes(color = factor(x2)))

ggplot(df, aes(x = x1, y = y)) + geom_point() + stat_smooth(method = "lm")

ggplot(df, aes(x = x1, y = y)) + geom_point() + labs(title = paste("Hello Guru99"))

ggplot(df, aes(x = x1, y = y)) + geom_point() + labs(subtitle = paste("Hello Guru99"))

ggplot(df, aes(x = x1, y = y)) + geom_point() + labs(x = "X1")

ggplot(df, aes(x = x1, y = y)) + geom_point() + labs(y = "y1")

ggplot(df, aes(x = x1, y = y)) + geom_point() + scale_y_continuous(breaks = seq(10, 35, by = 10)) + scale_x_continuous(breaks = seq(2, 5, by = 1))

ggplot(df, aes(x = log(x1), y = log(y))) + geom_point()

ggplot(df, aes(x = x1, y = y)) + geom_point() + theme_classic()

ggplot(df, aes(x = x1, y = y)) + geom_point() + facet_wrap(~ x2)

ggplot(df, aes(x = x1, y = y)) + geom_point(alpha = 0.3)

ggsave("my_fantastic_plot.png")

คำถามที่พบบ่อย