시각화(Visualization)-Violinplot

2 minute read

  • 내용은 지속적으로 업데이트 될것입니다.
  • 최대한 수식을 배제하고 전체적인 흐름을 익히게 했습니다.
  • 따라서 궁금하신 점은 메일이나 검색을 활용해주세요.

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

Violinplot

  • central tendency, spread, modality, shape and outliers
  • continous data distribution
  • boxplot보다 많은 정보를 나타낼 수 있고 더 많은 정보를 보여주므로 boxplot보다는 violinplot을 사용하는것을 권합니다.

boxplotexample

기본적으로 boxplot의 역할은 다음과 같이 median과 Q1, Q3을 표시함으로써 outlier의 존재성을 밝혀줍니다.

먼저 mpg 데이터에 포함되어 있는 hwy연비의 분포를 확인하여 봅시다.

ggplot(mpg, aes(x = drv, y = hwy)) +
  geom_violin()
  
ggplot(mpg, aes(x = drv, y = hwy)) +
  geom_boxplot()

violinplot1

boxplot1

기존의 boxplot과 비교해 보면 데이터의 분포 모형까지도 함께 알 수 있습니다.

이제 기존의 boxplot처럼 median과 mean 등의 summary statistics를 표시해봅시다.

ggplot(mpg, aes(x = drv, y = hwy)) +
  geom_violin() +
  geom_boxplot(width = 0.1) +
  stat_summary(fun.y = mean, geom = "point", color = 2, size = 2))

violinplot2

stat_summary 함수를 통해 mean, median을 지정하여 plot상에 점을 찍어서 통계량을 알 수 있습니다

geom_boxplot()함수를 추가함으로써 violinplot 내에 boxplot을 표시함으로써 많은 정보를 포함 할 수 있습니다

그림안에 실제 hwy에 해당되는 케이스를 점을 찍어봅시다

ggplot(mpg, aes(x = drv, y = hwy)) +
  geom_violin() +
  geom_boxplot(width = 0.1, color = "blue") +
  stat_summary(fun.y = mean, geom = "point", color = 2, size = 2) +
  geom_jitter(shape=16, position=position_jitter(0.2))

violinplot3

실제 데이터의 점을 찍음으로써 데이터가 어떻게 분포하는지 확인가능합니다

그래프 안의 색을 채우는 것은 fill함수, 그래프의 선을 바꾸는 것은 color함수를 통해 가능합니다

ggplot(mpg, aes(x = drv, y = hwy, fill = drv, color = drv)) +
  geom_violin() +
  scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9")) +
  scale_fill_brewer(palette="Dark2")

scale_color_manual() : to use custom colors

scale_color_brewer() : to use color palettes from RColorBrewer package

scale_color_grey() : to use grey color palettes

제목과 x축 y축 이름을 바꾸고 범례 위치를 바꾸는 참고 코드

ggplot(mpg, aes(x = drv, y = hwy, fill = drv)) +
  geom_violin(trim = T) +
  labs(main = "drv 별 연비 분포",
       x = "구동방식",
       y = "연비") +
  theme(legend.position = "top")

Quantile-normal plots(QQ-plot)

  • 샘플이 가정한 분포와 얼마나 일치하는지 여부
  • detect left or right skew
  • detect positive or negative kurtosis
  • detect bimodality

Reference

용어정리

  • boxplot, violin plot

Comments

You May Also Enjoy

시각화(Visualization)-Barplot

4 minute read

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