Стовпчаста діаграма та гістограма в R з прикладом

Що таке стовпчаста діаграма в R?

Гістограма — чудовий спосіб відображення категоріальних змінних на осі абсцис. Цей тип графіка позначає два аспекти на осі y.

1. Перший підраховує кількість випадків у кожній групі.
2. Другий показує зведену статистику (мінімум, максимум, середнє значення тощо) змінної на осі Y.

Ви будете використовувати набір даних mtcars, який має такі змінні:

• cyl: номер циліндра в автомобілі. Числова змінна
• am: Тип трансмісії. 0 для автоматичного і 1 для ручного. Числова змінна
• mpg: Милі на галон. Числова змінна

Оскільки гістограма виглядає дуже схоже, варто з'ясувати різницю, перш ніж писати будь-який код.

Гістограма проти гістограми в R: ключові відмінності

Дві діаграми виглядають однаково, і їх постійно плутають. Вони відповідають на різні запитання та використовують різні геометричні об'єкти.

Емпіричне правило: якщо зміна порядку стовпців все ще має сенс, у вас є стовпчаста діаграма. Якщо ж зміна їх порядку втрачає сенс, у вас є гістограма. Для квартильних зведень тієї ж безперервної змінної використовуйте коробкова діаграма.

Як створити стовпчасту діаграму в R

Щоб створити графік у R, ви можете використовувати бібліотеку ggplot, яка створює готові до публікації графіки. Основний синтаксис цієї бібліотеки:

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()` 

Цей посібник зосереджений на геометричному об'єкті geom_bar(), який малює стовпчасту діаграму, та на geom_histogram() для безперервних даних.

Стовпчаста діаграма: кол

Ваш перший графік показує частоту циліндра з geom_bar(). Наведений нижче код є найпростішим синтаксисом.

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

Code Пояснення

• Ви передаєте набір даних mtcars до ggplot.
• Всередині аргументу aes() ви встановлюєте вісь x на змінну фактора cyl.
• Знак + означає, що ви хочете, щоб R продовжував читати код. Це робить код більш читабельним, розбиваючи його.
• Використовуйте geom_bar() для геометричного об’єкта.

вихід:

Примітка:: переконайтеся, що ви перетворили змінні на фактор, інакше R розглядатиме змінні як числові. Дивіться приклад нижче.

Налаштуйте графік

Для налаштування графіка можна передати чотири аргументи:

- `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	

Змініть колір смужок

Ви можете змінити колір смужок. Зауважте, що всі кольори смужок однакові.

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

Code Пояснення

• Кольори смужок контролюються мапою aes()ping всередині геометричного об'єкта (тобто не в ggplot()). Ви можете змінити колір за допомогою аргументів заповнення. Тут ви обираєте кораловий колір.

вихід:

Ви можете використовувати цей код:

grDevices::colors()

щоб побачити всі кольори, доступні в R. Існує близько 650 кольорів.

Змініть інтенсивність

Ви можете збільшити або зменшити інтенсивність кольору смуг

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

Code Пояснення

• Щоб збільшити/зменшити інтенсивність смуги, ви можете змінити значення альфи. Велика альфа збільшує інтенсивність, а низька альфа зменшує її. Альфа коливається від 0 до 1. При значенні 1 колір точно відповідає палітрі; при 0 смуга невидима. Тут ви вибираєте альфу = 0.5.

вихід:

Розфарбуй по групах

Ви можете змінювати кольори смужок, тобто один інший колір для кожної групи. Наприклад, змінна cyl має три рівні, тоді ви можете побудувати гістограму трьома кольорами.

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

Code Пояснення

• Аргумент fill всередині aes() змінює колір смужки. Ви змінюєте колір, встановлюючи fill = змінна осі x. У вашому прикладі змінна осі x — це cyl; fill = factor(cyl)

вихід:

Додайте групу в барах

Ви можете додатково розділити вісь y на основі іншого рівня факторів. Наприклад, ви можете порахувати кількість автоматичних і механічних коробок передач залежно від типу циліндра.

Ви будете діяти наступним чином:

• Крок 1: Створіть фрейм даних із набором даних mtcars
• Крок 2. Позначте змінну am auto для автоматичної трансмісії та man для ручної трансмісії. Перетворіть am і cyl як коефіцієнт, щоб вам не потрібно було використовувати factor() у функції ggplot().
• Крок 3: побудуйте гістограму, щоб підрахувати кількість передач циліндрами

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

Коли набір даних готовий, можна побудувати графік:

# Крок 3

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

Code Пояснення

• Виклик ggplot() отримує дані набору даних та карту aes()ping.
• У aes() ви включаєте змінну вісь x і яка змінна потрібна для заповнення смужки (тобто am)
• geom_bar(): Створення гістограми

вихід:

Картаping заповнить смужку двома кольорами, по одному для кожного рівня. Змінити групу, вибравши інші факторні змінні в наборі даних, не складно.

Гістограма у відсотках

Ви можете візуалізувати смужку у відсотках замість необробленої кількості.

# Гістограма у відсотках

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

Code Пояснення

• Використовуйте position = “fill” в аргументі geom_bar(), щоб створити графік із відсотками на осі Y.

вихід:

Бари поруч

Легко побудувати гістограму з груповою змінною поруч.

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

Code Пояснення

• position=position_dodge(): явно вказує, як розташувати смуги

вихід:

Гістограма зі зведеною статистикою

У другій частині посібника на осі Y відображається обчислене значення, а не кількість. Зверніть увагу, що це все ще стовпчаста діаграма: справжня гістограма розглядається далі, і в ній використовується інший геометричний об'єкт.

Ваше завдання — побудувати графік із середньою милею на галон для кожного типу циліндрів. Щоб намалювати інформативний графік, виконайте такі дії:

• Крок 1: Створіть нову змінну із середньою милею на галон на циліндр
• Крок 2. Створіть базову гістограму
• Крок 3: Змініть орієнтацію
• Крок 4: Змініть колір
• Крок 5: Змініть розмір
• Крок 6. Додайте мітки до графіка

Крок 1) Створіть нову змінну

Ви створюєте кадр даних під назвою data_histogram, який просто повертає середнє значення миль на галон за кількістю циліндрів у автомобілі. Ви називаєте цю нову змінну mean_mpg і округляєте середнє значення двома десятковими знаками.

# Крок 1

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

Крок 2) Створіть базову гістограму

Ви можете побудувати гістограму. Вона ще недостатньо відшліфована, щоб передати її клієнту, але вже показує тенденцію.

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

Code Пояснення

• Тепер aes() має дві змінні. Змінна cyl відноситься до осі x, а mean_mpg – до осі y.
• Ви передаєте stat = “identity”, щоб geom_bar() використовувала змінну осі Y як є, замість підрахунку рядків. Значення за замовчуванням для geom_bar() — stat = “count”.

вихід:

Крок 3) Змініть орієнтацію

Ви змінюєте орієнтацію графіка з вертикальної на горизонтальну.

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

Code Пояснення

• Ви можете контролювати орієнтацію графіка за допомогою coord_flip().

вихід:

Крок 4) Змінити колір

Ви можете диференціювати кольори смужок відповідно до рівня фактора змінної осі X.

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

Code Пояснення

• Ви можете побудувати графік за групами за допомогою карти fill=cylpingR автоматично піклується про кольори на основі рівнів змінної cyl.

вихід:

Крок 5) Змінити розмір

Щоб графік виглядав красивіше, ви зменшуєте ширину стовпчика.

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

Code Пояснення

• Аргумент ширини всередині geom_bar() контролює товщину смужки. Більше значення робить її ширшою.
• Графік зберігається в графі об'єктів, оскільки наступний крок повторно використовує його без змін. Зберігання проміжних графіків забезпечує читабельність коду.

вихід:

Крок 6) Додайте мітки до графіка

На останньому кроці значення mean_mpg додано як мітку всередині кожного стовпчика.

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

Code Пояснення

• Функція geom_text() корисна для контролю естетики тексту.
  • label=: додайте мітку всередину смуг
  • mean_mpg: використовуйте змінну mean_mpg для мітки
• hjust контролює розташування мітки вздовж стовпчика. Значення, близькі до 1, розміщують її ближче до кінця стовпчика, а більші значення зміщують її назад до осі. Якщо орієнтація графіка вертикальна, змініть hjust на vjust.
• color=”white”: змінити колір тексту. Тут ви використовуєте білий колір.
• size=3: встановити розмір тексту.

вихід:

Як упорядкувати та позначити стовпці на стовпчастій діаграмі в R

Два останні штрихи відрізняють чернетку діаграми від публікуємої: сортування стовпчиків за значеннями та правильне маркування осей.

Зміна порядку стовпців. ggplot2 за замовчуванням упорядковує рівні факторів в алфавітному порядку, що рідко є найінформативнішим порядком. Помістіть змінну x у reorder() для сортування за другою змінною:

# 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()

Додайте перед змінною сортування знак мінус, reorder(cyl, -mean_mpg), щоб змінити напрямок у зворотному напрямку.

Додавання заголовків та підписів осей. Функція labs() встановлює кожен текстовий елемент за один виклик:

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()

Встановіть fill = NULL всередині labs(), щоб повністю видалити назву легенди, та використовуйте theme(legend.position = “none”), щоб видалити легенду, коли вісь x вже містить назви груп.

Вибір власних кольорів. Замініть палітру за замовчуванням на явну, щоб діаграма відповідала стилю вашого будинку:

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

Як створити гістограму в R за допомогою geom_histogram()

Гістограма показує, як розподілена одна безперервна змінна. Замість підрахунку категорій, ggplot2 розбиває числовий діапазон на контейнери та підраховує, скільки спостережень потрапляє в кожен з них.

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

R виводить повідомлення з рекомендацією вибрати кращу кількість контейнерів, оскільки значення за замовчуванням 30 контейнерів є довільним. Цим керують два аргументи:

• бункерів: кількість інтервалів, на які потрібно розділити діапазон.
• ширина контейнера: ширина кожного інтервалу, виражена в одиницях змінної. Використовуйте цей варіант, коли одиниці вимірювання мають значення.

# 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()

Біннінг – це найважливіший вибір у гістограмі. Занадто мало інтервалів приховують реальну структуру, таку як другий пік; занадто багато перетворюють діаграму на шум. Спробуйте кілька значень, перш ніж зупинитися на одному.

Порівняння груп. Відобразіть коефіцієнт для заповнення та встановіть позицію, щоб розподіли залишалися читабельними:

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

З position = “identity” та зменшеною альфою гістограми перекриваються, тому ви можете безпосередньо порівнювати фігури. Використовуйте position = “dodge”, якщо ви бажаєте бачити контейнери поруч.

Щільність замість кількості. Коли групи відрізняються за розміром, побудуйте графік щільності, щоб площі були порівнянними, та накладіть згладжену криву:

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()

Стовпчаста діаграма та гістограма в R: Code Посилання

Стовпчаста діаграма підходить для категоріальної осі x, де вісь y є або кількістю, або зведеною статистикою. У таблиці нижче наведено виклик ggplot2 для кожного варіанта, розглянутого вище:

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)

Поширені запитання