시각화(Visualization)-Barplot

4 minute read

방문해주셔서 감사합니다.
내용은 지속적으로 업데이트 될 것입니다.
궁금한 내용은 댓글로 남겨주세요.

Introduction

이전 포스팅 탐색적자료분석(EDA) 에 이어서 데이터를 시각화하는 방법에 대해 알아보겠습니다 이 글에서 이해가 안되시는 분은 이전 포스팅을 참고해주세요 전에도 말했다시피 EDA하는 방법에는 크게 4가지가 있다고 했고, 이번 글은 그 중에서 graphic으로 표현하는 것은 포스팅 하겠습니다.

참고자료

ggplot2 공식 메뉴얼

ggplot2 개발자 Hadley Wickham의 paper

ggplot2

수많은 책과 포스팅을 보면 시각화하는 수많은 패키지와 프로그램이 있지만

여기서 소개해드릴 것은 R에서 사용하는 ggplot2 입니다.

제가 시각화하는 책과 여러가지 프로젝트를 보았지만 ggplot2 만큼 많은 것을 커버할수있고

활용하는 패키지는 없는 것 같았습니다.

그래서 만약 데이터 시각화에 관심이 있으시고 R을 사용하신다면 ggplot2만 익혀도 표현하고자 하는

수 많은 생각을 시각화 하는데 도움이 될 것입니다.

ggplot2 구성 방식

레이어를 하나씩 쌓아가면서 그림을 그리는 방식
이때 레이어를 연결시키는 방법이 + 라는 기호를 사용하여 연결

ex)

ggplot(data = mpg, aes(x = displ, y = hwy))+  #배경레이어 - 이용할 데이터와 축을 명시한다.
  geom_point()+                               #그래프레이어 - 배경레이어 위에 어떤 그래프를 그릴지 선택한다.
  xlim(3, 6)+                                 #기타 레이어 - 그외의 축범위 조정 외 수많은 기능들을 실행한다.
  ylim(10,30)``

설치

install.packages("ggplot2")
install.packages("ggplot2")
library(ggplot2) #시각화 
library(dplyr)   #데이터 프레임 조작

모든 예제는 ggplot2 패키지 내의 mpg 데이터를 이용하겠습니다. 데이터 구성은 다음과 같습니다.

11 variables, 234 row, dataframe

variable이름 - 설명

manufacturer

model - model name

displ - engine displacement, in litres

year - year of manufacture

cyl - number of cylinders

trans - type of transmission

drv - f = front-wheel drive, r = rear wheel drive, 4 = 4wd

cty - city miles per gallon

hwy - highway miles per gallon

fl - fuel type

class - “type” of car

Univariate graphical EDA

Boxplots

outlier
symmetry (데이터 치우침정도 파악가능)
robust measures of location and spread
categorical data 데이터 분포
continous data에 사용하면 전체적인 분포를 빼곡히 파악 가능

먼저 하나씩 차근 차근 시작하여봅시다

mpg라는 데이터 셋에서 drv 별로 얼마나 많은 빈도를 가지고 있는지 확인하여 봅시다

ggplot(data = mpg, aes(x = drv)) +
  geom_bar()

barplot1

data = mpg는 사용할 데이터 셋이 mpg라는 것

aes(x = drv)는 x축으로 drv를 지정하는 것, drv는 categorical 변수입니다.

y축을 지정하지 않은 이유는 막대 그래프이기 때문데 x축만을 지정하여도 되기 때문입니다

+ 기호를 사용하여 layer를 연결시킵니다.

geom_bar() 는 막대그래프를 그리라는 함수입니다.

배경에 격자 무늬를 수정해봅시다.

ggplot(data = mpg, aes(x = drv)) +
  geom_bar() +
  theme_lightl()

theme 함수를 통해서 배경의 격자 무늬를 수정할 수 있습니다

색이 좀 칙칙하다구요? fill=drv는 drv별로 색을 다르게 채우겠다는 뜻입니다.

ggplot(data = mpg, aes(x = drv, fill=drv))+
  geom_bar() +
  theme_lightl()

막대를 수정해봅시다

ggplot(data = mpg, aes(x = drv, fill = drv)) +
  geom_bar(width = 0.7) +
  theme_light()

geom_bar 함수 안에 숫자를 입력하면 됩니다. 만약 aes에 fill을 채우지 않았다면 color, fill함수를 여기에 사용하여 막대를 수정할 수 있습니다

x축의 drv에서 원하는 크기 순으로 나열해 봅시다

ggplot(data = mpg, aes(x = drv, fill = drv)) +
  geom_bar(width=0.7) +
  theme_light() +
  scale_x_discrete(limits=c("f", "4", "r"))

x축의 drv를 원하는 숫자만 가져오거나 내가 원하는 순서대로 배열하고 싶다면 다음과 같이 scale_x_discrete(limits=..)) 함수를 사용합니다

x축의 이름을 바꾸고 싶다면 labs(x = “움직이는 바퀴”)이라는 layer를 추가 해주면 됩니다

ggplot(data = mpg, aes(x = drv, fill = drv)) +
  geom_bar(width=0.7) +
  theme_light() +
  scale_x_discrete(limits=c("f", "4", "r")) +
  labs(x = "움직이는 바퀴") 

흠…막대기 위에 숫자도 추가해볼까요?

ggplot(data = mpg, aes(x = drv, fill = drv)) +
  geom_bar(width=0.7) +
  theme_light() +
  scale_x_discrete(limits=c("f", "4", "r")) +
  labs(x = "움직이는 바퀴") +
  geom_label(stat='count', aes(label=..count..))

barplot2

만약 drv별로 연료타입이 어떻게 되는지 확인하고 싶다면 fill = fl로 바꿔주시면 됩니다.

ggplot(data = mpg, aes(x = drv, fill = fl)) +
  geom_bar(width=0.7, position = "dodge") +
  theme_light() +
  scale_x_discrete(limits=c("f", "4", "r")) +
  labs(x = "drv별로 연료타입 분포")

여기서 한 막대안에 들어 있는 여러개의 분포를 x축위에 나란히 놓고 싶다면 geom_bar(position = "dodge")를 추가하시면 됩니다.

barplot3

자 이제 y축에 새로운 정보를 추가하여 나타내 봅시다. x축에 drv, y축에 hwy(연비), 그룹은 manufacturer별로

즉 각 drv별로 생산자들이 만든 제품의 연비가 어떻게 되는지 보려고 합니다

ggplot(data = mpg, aes(x = drv, y = hwy, group = manufacturer)) +
  geom_col(aes(fill = manufacturer), position = "dodge") +
  geom_text(aes(label = hwy), position = position_dodge(0.9))

barplot4

geom_col(aes(fill = manufacturer), position = "dodge")은 생산자별로 색을 다르게 표시하고 dodge로 옆으로 나란히 표시하겠다는 말입니다

dodge가 아니라 stack을 사용한다면 한 막대위에 길게 쌓아지게 됩니다.

geom_text(aes(label = hwy), position = position_dodge(0.9))는 막대위 텍스트의 표시를 y축의 hwy로 하겠다는 말입니다.

gerom_col과 geom_test의 position은 같은 표시로 해야합니다

만약 drv 별로 연비의 총합을 알고 싶다면 다음과 같이 y = hwy, stat = ‘identity’를 추가하면 됩니다.

ggplot(data = mpg, aes(x = drv, y = hwy, fill = drv))+
  geom_bar(stat='identity') +
  labs(x = "drv 별로 hwy의 총합")

barplot5

stack 사용시 참고 코드

ggplot(data = df, aes(x, y, group = grp)) +
  geom_col(aes(fill = grp)) +
  geom_text(aes(label = y), position = position_stack(vjust = 0.5))

stat 사용시 참고 코드

# the height of the bar represents the count of cases in each category.
labeling
ggplot(data = mpg, aes(x = drv, y = hwy, fill = drv))+
  geom_bar(stat='identity') +
  labs(title = "y - stat identity")

ggplot(data = mpg, aes(x = drv))+
  geom_bar() +
  labs(title = "x - default stat bin")

크기순으로 라벨링 할떄 참고코드

library(plyr)
mpg2 <- mpg[,c(7,9)]
mpg_sorted <- arrange(mpg2, drv, hwy)
mpg_cumsum <- ddply(mpg_sorted, 
                    .(drv),
                    transform,
                    label_cumsum = cumsum(hwy))
ggplot(data = mpg_cumsum, aes(x = drv, y = hwy, fill = drv))+
  geom_bar(stat='identity') +
  labs(x = "drv 별로 hwy의 총합") +
  geom_text(aes(y=label_cumsum, label=hwy))

Quiz1. mpg라는 데이터 셋에서 class 별로 얼마나 많은 빈도를 가지고 있는지 확인하여 봅시다

Histograms

Quantile-normal plots(QQ-plot)

Reference

http://www.sthda.com/english/wiki/ggplot2-barplots-quick-start-guide-r-software-and-data-visualization

용어정리

barplot

Twitter Facebook Google+ LinkedIn

시각화(Visualization)-Barplot

Introduction

참고자료

ggplot2

ggplot2 구성 방식

설치

Univariate graphical EDA

Boxplots

Histograms

Quantile-normal plots(QQ-plot)

Reference

Comments

You May Also Enjoy

유의확률에 대한 고찰(About p-value)

모델 성능 평가(Performance Evaluations)

시각화(Visualization)-Violinplot

데이터 축소(Data Reduction) - 개요