Opendata_Analysis CH5

code
opendata_analysis
rstudio
Author

Seongtaek

Published

April 16, 2023

HTML파일로 보기

Data Visualization

1 오픈데이터 분석 실습 : Data Visualization

1.1 패키지 불러오기

library(tidyverse)
library(ggplot2)

1.2 데이터 불러오기

  • mpg (자동차 정보 데이터셋)
mpg %>% head()
# A tibble: 6 × 11
  manufacturer model displ  year   cyl trans      drv     cty   hwy fl    class 
  <chr>        <chr> <dbl> <int> <int> <chr>      <chr> <int> <int> <chr> <chr> 
1 audi         a4      1.8  1999     4 auto(l5)   f        18    29 p     compa…
2 audi         a4      1.8  1999     4 manual(m5) f        21    29 p     compa…
3 audi         a4      2    2008     4 manual(m6) f        20    31 p     compa…
4 audi         a4      2    2008     4 auto(av)   f        21    30 p     compa…
5 audi         a4      2.8  1999     6 auto(l5)   f        16    26 p     compa…
6 audi         a4      2.8  1999     6 manual(m5) f        18    26 p     compa…
### 차원 파악
mpg %>% dim()
[1] 234  11

1.3 가정

  • 엔진이 큰 차는 엔진이 작은 차보다 연료를 더 많이 사용하는가
    • displ : 엔진의 크기
    • hwy : 연비

1.4 ggplot 생성

  • geom_point : 점 찍기
    • x축 : 엔진 크기
    • y축 : 연비
ggplot(data = mpg) + 
  geom_point(mapping = aes(x = displ, y = hwy))

### 더 간단한 코드
ggplot(mpg) + 
  geom_point(aes(displ,hwy))

2 심미적 mapping

2.1 포인트 색상 지정

### class별 색상 지정
table(mpg$class)

   2seater    compact    midsize    minivan     pickup subcompact        suv 
         5         47         41         11         33         35         62 
ggplot(data = mpg) + 
  geom_point(mapping = aes(x = displ, y = hwy, color = class)) # col='blue' (통일된 색상)

2.2 포인트 사이즈 지정

  • 단점 : 구별 어려움
### class 별 크기 지정
ggplot(data = mpg) + 
  geom_point(mapping = aes(x = displ, y = hwy, size = class))
Warning: Using size for a discrete variable is not advised.

2.3 포인트 투명성 제어

  • 단점 : 구별 어려움
ggplot(data = mpg) + 
  geom_point(mapping = aes(x = displ, y = hwy, alpha = class))
Warning: Using alpha for a discrete variable is not advised.

2.4 포인트 모양 변경

  • 단점 : 최대 6가지 모양만 보임
ggplot(data = mpg) + 
  geom_point(mapping = aes(x = displ, y = hwy, shape = class))
Warning: The shape palette can deal with a maximum of 6 discrete values because
more than 6 becomes difficult to discriminate; you have 7. Consider
specifying shapes manually if you must have them.
Warning: Removed 62 rows containing missing values (`geom_point()`).

3 면

3.1 facet_wrap()

  • 패널plot 생성
### class별 2행의 패널
ggplot(data = mpg) + 
  geom_point(mapping = aes(x = displ, y = hwy)) + 
  facet_wrap(~ class, nrow = 2)

3.2 facet_grid()

  • 두 개 이상의 변수에 대해 그리드형태의 패널plot 생성
table(mpg$drv)

  4   f   r 
103 106  25 
table(mpg$cyl)

 4  5  6  8 
81  4 79 70 
ggplot(mpg) + 
  geom_point(aes(x = displ, y = hwy)) + 
  facet_grid(drv ~ cyl) # facet 하지 않으려면 변수 대신 마침표 사용가능

4 기하학적 객체

4.1 geom_smooth

  • 스무스한 선
### linetype = drv : drv에 따른 라인 구분
ggplot(mpg) + 
  geom_smooth(aes(x = displ, y = hwy,linetype = drv))
`geom_smooth()` using method = 'loess' and formula = 'y ~ x'

### 점, 컬러 추가
ggplot(mpg,aes(x=displ,
               y=hwy,
               color=drv)) +
  geom_point() +
  geom_smooth(aes(linetype=drv))
`geom_smooth()` using method = 'loess' and formula = 'y ~ x'

### 그룹화만 했을 경우
ggplot(mpg) +
  geom_smooth(aes(x=displ, y=hwy, group = drv))
`geom_smooth()` using method = 'loess' and formula = 'y ~ x'

### 선 색상으로 구분 + 범례 미표기
ggplot(mpg) +
  geom_smooth(aes(x=displ, y=hwy, color = drv),
              show.legend = F)
`geom_smooth()` using method = 'loess' and formula = 'y ~ x'

### 선/색상/점 모두 구분
ggplot(mpg, aes(x=displ, y=hwy)) +
  geom_point(aes(color= class)) +
  geom_smooth(aes(linetype = class))

### 특정 데이터 필터링
### se=F : 회귀선의 표준오차 미표시
ggplot(mpg, aes(x=displ, y=hwy)) +
  geom_point(aes(color= class)) +
  geom_smooth(data = mpg %>% filter(class == 'subcompact'),se=F) 
`geom_smooth()` using method = 'loess' and formula = 'y ~ x'

5 통계적 변환

5.1 데이터셋 파악

  • diamonds
diamonds
# A tibble: 53,940 × 10
   carat cut       color clarity depth table price     x     y     z
   <dbl> <ord>     <ord> <ord>   <dbl> <dbl> <int> <dbl> <dbl> <dbl>
 1  0.23 Ideal     E     SI2      61.5    55   326  3.95  3.98  2.43
 2  0.21 Premium   E     SI1      59.8    61   326  3.89  3.84  2.31
 3  0.23 Good      E     VS1      56.9    65   327  4.05  4.07  2.31
 4  0.29 Premium   I     VS2      62.4    58   334  4.2   4.23  2.63
 5  0.31 Good      J     SI2      63.3    58   335  4.34  4.35  2.75
 6  0.24 Very Good J     VVS2     62.8    57   336  3.94  3.96  2.48
 7  0.24 Very Good I     VVS1     62.3    57   336  3.95  3.98  2.47
 8  0.26 Very Good H     SI1      61.9    55   337  4.07  4.11  2.53
 9  0.22 Fair      E     VS2      65.1    61   337  3.87  3.78  2.49
10  0.23 Very Good H     VS1      59.4    61   338  4     4.05  2.39
# … with 53,930 more rows
### 특정 컬럼 빈도수
diamonds$cut %>% table()
.
     Fair      Good Very Good   Premium     Ideal 
     1610      4906     12082     13791     21551

5.2 데이터 시각화

### 특정 컬럼 빈도수 시각화
ggplot(diamonds) +
  geom_bar(aes(x=cut)) # stat_count와 동일

5.3 세부 조정

  • position
### 막대그래프 색상 조정 color= cut
ggplot(diamonds) +
  geom_bar(aes(x=cut, color= cut))

### 막대그래프 색상 조정 fill= cut
ggplot(diamonds) +
  geom_bar(aes(x=cut, fill= cut))

### 막대그래프 색상 조정 fill= clarity
### x축에 대해서 색상 조정 가능
ggplot(diamonds) +
  geom_bar(aes(x=cut, fill= clarity))

### 투명도 + identity: 막대 안겹치게 포지셔닝
ggplot(diamonds, aes(x=cut, fill=clarity)) +
  geom_bar(alpha=1/5, position = "identity")

### 채움색상 NA(투명) 
ggplot(diamonds, aes(x=cut, color=clarity)) +
  geom_bar(fill=NA, position = "identity")

### fill : 전체높이에 대한 비율 표현 → 상대적 비교 가능
ggplot(diamonds) +
  geom_bar(aes(x=cut, fill=clarity), position = "fill")

### dodge : 비교선상의 막대 나란히 배열
ggplot(diamonds) +
  geom_bar(aes(x=cut, fill=clarity), position = "dodge")

5.4 Quiz 1

다이아몬드 cut이 Ideal인 다이아몬드 중에서 Clarity가 IF인 비율은 얼마인가?

### 그래프
ggplot(data = diamonds %>% filter(cut == 'Ideal')) +
  geom_bar(aes(x=cut, fill=clarity), position = "dodge")

### 다이아몬드 cut이 Ideal인 다이아몬드 중애서 Clarity가 IF인 비율
(diamonds %>% filter(cut == 'Ideal', clarity=="IF") %>% nrow)/(diamonds %>% filter(cut=="Ideal") %>% 
                                                                nrow)
[1] 0.05623869

5.5 Quiz 2

다이아몬드 cut 등급별로, clarity의 비율이 나오도록 데이터프레임을 가공해봅시다

diamonds %>%
  group_by(cut, clarity) %>%
  summarize(n=n()) %>%
  mutate(total = sum(n), prop = n/total) %>%
  select(-n) %>%
  pivot_wider(names_from = clarity, values_from = prop)
`summarise()` has grouped output by 'cut'. You can override using the `.groups`
argument.
# A tibble: 5 × 10
# Groups:   cut [5]
  cut       total      I1   SI2   SI1   VS2   VS1   VVS2   VVS1      IF
  <ord>     <int>   <dbl> <dbl> <dbl> <dbl> <dbl>  <dbl>  <dbl>   <dbl>
1 Fair       1610 0.130   0.289 0.253 0.162 0.106 0.0429 0.0106 0.00559
2 Good       4906 0.0196  0.220 0.318 0.199 0.132 0.0583 0.0379 0.0145 
3 Very Good 12082 0.00695 0.174 0.268 0.214 0.147 0.102  0.0653 0.0222 
4 Premium   13791 0.0149  0.214 0.259 0.243 0.144 0.0631 0.0447 0.0167 
5 Ideal     21551 0.00677 0.121 0.199 0.235 0.167 0.121  0.0950 0.0562

5.6 jitter

### jitter : 점 뿌리기
ggplot(mpg) +
  geom_point(aes(x=displ, y=hwy), position = 'jitter')

ggplot(mpg) +
  geom_jitter(aes(x=displ, y= hwy))

5.7 세부 조정2

  • coord
### boxplot
ggplot(mpg) +
  geom_boxplot(aes(x=class, y=hwy))

### 색상 지정 가능
ggplot(mpg) +
  geom_boxplot(aes(x=class,y=hwy, fill = class))

### coord_flip : x축, y축 변경
ggplot(mpg) +
  geom_boxplot(aes(x=class, y=hwy)) +
  coord_flip()

#install.packages("maps")
library(maps)

Attaching package: 'maps'
The following object is masked from 'package:purrr':

    map
### maps 패키지의 데이터셋 저장/생성
nz <- map_data("nz")
nz %>% head()
      long       lat group order        region subregion
1 172.7433 -34.44215     1     1 North.Island       <NA>
2 172.7983 -34.45562     1     2 North.Island       <NA>
3 172.8528 -34.44846     1     3 North.Island       <NA>
4 172.8986 -34.41786     1     4 North.Island       <NA>
5 172.9593 -34.42503     1     5 North.Island       <NA>
6 173.0184 -34.39895     1     6 North.Island       <NA>
### geom_polygon : 지도 형식 시각화
ggplot(nz, aes(x=long, y=lat, group=group)) +
  geom_polygon(fill="white", color="black")

### coord_quickmap : 가로 세율 비율 보존 (정확한 지도)
ggplot(nz, aes(x=long, y=lat, group=group)) +
  geom_polygon(fill="white", color="black") +
  coord_quickmap()

bar <- ggplot(diamonds) +
  geom_bar(aes(x=cut, fill=cut),
           show.legend = F,
           width = 1) +
  theme(aspect.ratio = 1) + # 그래프 가로:세로 비율
  labs(x=NULL, y=NULL)

bar

### coord_polar : 원형 막대 그래프
bar + coord_polar()

6 Quiz

  • geoom_errorbar
### 차종에 따라서 고속도로에서 연비차이가 날까?

### errorbar로 연비 범위(평균-표준오차, 평균+표준오차) 구하기
mpg %>% 
  group_by(class) %>% 
  summarise(mean_hwy = mean(hwy), sd_hwy = sd(hwy)) %>% 
  ggplot(aes(x=class, y=mean_hwy, fill=class)) +
  geom_bar(stat = "identity") +
  geom_errorbar(aes(ymin = mean_hwy - sd_hwy, ymax = mean_hwy + sd_hwy),
                width = 0.5,
                position = position_dodge(width = 0.9),
                color = "black")