ggplot2:: geom

R/Exploratory data analysis

Abokadoh 2023. 4. 24. 14:00

ggplot(mpg, aes(drv, hwy)) +
	geom_point()

geom_point로 그래프를 그렸을 때. 실제 관측값의 개수와는 다르게 데이터가 겹쳐서 원치 않는 방향으로의 정보를 전달해야 하는 상황이 발생할 수 있다. 이럴 때 사용할 수 있는 boxplot과 jittered 그래프를 그려보자.

ggplot(mpg, aes(drv, hwy)) +
	geom_jitter()

jitter 그래프를 사용하면 plot 그래프와는 다르게 같은 값의 데이터를 넓게 퍼트려주어 동일값의 데이터를 한 눈에 확인할 수 있게 한다.

분산시키는 패턴은 매번 다르게 적용되는 것으로 확인된다.

jitter와 비슷한 정보를 제공하는 boxplot 그래프도 있다.

사실 jitter보다는 boxplot을 사용하는 것이 일반적이다.

ggplot(mpg, aes(drv, hwy)) +
	geom_boxplot()

ggplot(mpg, aes(hwy)) +
	geom_histogram()

ggplot(mpg, aes(displ)) + 
	geom_histogram(binwidth = 0.5) + 
	facet_wrap(~drv, ncol = 1)

geom_histogram()에서 binwidth option은 각 bin이 담당하고 있는 구간의 너비를 의미한다. 즉 위에 코드에서는 0.5로 각 bin이 displ 의 0.5 단위를 차지하는 것이다.

다음은 히스토그램과 모양이 비슷한 막대 그래프이다.

ggplot(mpg, aes(manufacturer)) +
	geom_bar()

default로 geom_bar의 stat option은 count를 채택한다.

stat option에는 다양한 대안이 존재하는데 이번 chpt에서는 identity만을 다루는 것으로 보인다.

예시로 stat에서 identity가 어떻게 적용되는지 확인해 보자.

drugs <- data.frame(
  drug = c("a", "b", "c"),
  effect = c(4.2, 9.7, 6.1)
)

ggplot(drugs, aes(drug, effect)) + 
	geom_bar(stat = "identity")

stat = 'identity'로 두자 y축이 대상이 count가 아닌 ggplot aesthetic mapping에서 y축의 대상으로 삼았던 effect feature가 그대로

막대그래프의 y축으로 mapping된 것을 확인할 수 있다. identity의 의미대로 위 aesthetic mapping에서 적용한 그대로 stat을 가져가겠다는 것으로 기억하면 좋을 것 같다.

ggplot(economics, aes(date, unemploy / pop)) +
	geom_line()
    
ggplot(economics, aes(date, unemploy / pop)) +
	geom_path()

time series를 시각화해야 하는 경우가 있다. 이런 경우 line이나 path그래프를 이용할 수 있다.

ggplot(mpg, aes(cty, hwy)) +
	geom_point(alpha = 1/3)

geom_point의 option 중 alpha는 점의 투명도를 설정할 수 있도록 한다. 이 투명도 조정을 통해 해당 위치에 얼마나 많은 데이터가 존재하는 지를 직감적으로 판단할 수 있다.

ggplot(mpg, aes(drv,hwy)) + 
	geom_jitter(width = 0.25) +
    xlim('f','r')+
    ylim(20,30)

xlim과 ylim으로 축의 범위를 특정 변수가 가지고 있는 value로 설정할 수 있고 숫자로도 시각화할 range를 설정할 수 있다.

단, xlim과 ylim의 경우 설정한 범위 밖에 데이터는 배제시키므로 주의가 필요하다.