ggplot summary

개요

데이터 분석을 할 때 가장 먼저 해야할 일은 무엇일까? 엑셀로 분석한다면 데이터를 엑셀로 불러와서 작업하면 되겠지만, 엑셀로 통계 프로그램을 사용할 경우에는 데이터를 형태에 맞게 불러오는 것이 우선일 것이다. 필자는 오랜 기간동안 R 프로그램을 사용하고 있다. 일반적으로 책에 나온 예제 데이터는 건수가 적고 잘 정리된 형태이지만, 실제로는 그렇지 않은 경우가 많이 있다. 운이 좋으면 잘 정리된 형태일 수도 있다. 결과적으로 데이터를 불러오는 것을 못한다면 분석을 시작하기도 어려울 것이다.

데이터를 불러온 이후 데이터가 분석하기 좋은 형태인지 데이터에 오류는 없는지 확인해야 한다. 문제가 있다면 다시 추출해야 할 것이고, 문제가 없다면 분석하기 좋은 형태로 변환해야 할 것이다. 물론 교과서에서는 분석하기 좋은 형태로 변환되어진 데이터를 제공할 것이다. 데이터를 불러왔다면 그 다음 단계로 중요한 것은 데이터를 탐색하는 과정(EDA)이다. 데이터를 탐색하는 과정에서는 요약 통계량이나 차트 형태로 데이터의 정합성을 검증하거나 데이터의 특징을 파악한다. 대부분 분석가들의 업무 프로세스를 보면 분석의 80~90%는 데이터 검증 및 전처리에 소요된다.

이 문서에서는 분석하기 좋은 형태의 데이터를 가지고 시각화하는 내용을 정리하려고 한다. 내용을 정리하는 가장 중요한 이유는 내가 쓰고 싶은 차트를 작성할 때마다 옵션이 기억안나니 너무 불편해서 정리하려고 한다. 차트는 R의 ggplot2 패키지를 활용하여 작성한다.

데이터 소개

모든 데이터는 잘 불러왔다는 가정하에 ggplot2 패키지의 diamonds 데이터를 사용할 것이다. 이 데이터는 조금 정리해보자..

diamonds 
##> # A tibble: 53,940 x 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 0.290 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

연속형

1-dimension

Histogram은 연속형 데이터의 분포를 나타내는 차트로, 생성되는 bar의 개수(bins 옵션)나 bar의 길이(binwidth 옵션)를 지정할 수 있다. y축은 구간에 해당하는 건수이다.

diamonds %>%  
    ggplot(aes(x = carat)) + 
    geom_histogram(fill = "gold", color = "white", bins = 100) 

Density는 연속형 데이터의 분포를 나타내는 차트로 y축은 desity이다.

diamonds %>%  
    ggplot(aes(x = carat)) + 
    geom_density(fill = "gold", color = "white") 

Freqploy는 연속형 데이터의 분포를 나타내는 차트로 y축은 건수이다.

diamonds %>%  
    ggplot(aes(x = carat)) + 
    geom_freqpoly(color = "gold", bins = 100) 

scatter plot은 1차원인 경우 x축이 index 값인 점 차트를 생성한다. 대부분 시계열 데이터를 시각화할 때 주로 쓰인다. 점이 아닌 선의 경우 geom_line()함수를 사용한다.

diamonds %>%  
    mutate(id = 1:n()) %>%  
    ggplot(aes(x = id, y = carat)) + 
    geom_point(color = "gold") 

2-dimension

scatter plot은 x축과 y축에 해당하는 위치에 점 차트를 생성한다.
점이 아닌 선의 경우 geom_line()함수를 사용한다.

diamonds %>%  
    ggplot(aes(x = carat, y = price)) + 
    geom_point(color = "gold") 

scatter plot에 색상 legend를 추가하여 2차원 그래프를 그릴 수 있다.

diamonds %>%  
    mutate(id = 1:n()) %>%  
    ggplot(aes(x = id, y = carat)) + 
    geom_point(aes(color = price)) 

3-dimension

2차원 scatter plot에 색상 legend를 추가하여 3차원 그래프를 그릴 수 있다.

diamonds %>%  
    ggplot(aes(x = carat, y = price)) + 
    geom_point(aes(color = depth)) 

contour plot으로 3차원 그래프를 그릴 수 있다.

#https://tdhock.github.io/animint/ 
diamonds %>%  
    ggplot(aes(x = carat, y = depth)) + 
    geom_point(color = "lightgray") +  
    geom_density_2d() 

이산형

1-dimension

Bar plot에 이산형 변수에 해당하는 데이터 건수를 막대 그래프로 생성한다.

diamonds %>%  
    ggplot(aes(x = cut)) + 
    geom_bar(color = "white", fill = "navyblue") 

아래와 같이 건수를 출력한 이후에도 bar plot을 생성할 수 있다.

diamonds %>%  
    group_by(cut) %>% 
    summarise(cnt = n()) %>%  
    ggplot(aes(x = cut)) + 
    geom_bar(aes(y = cnt), stat = "identity", color = "white", fill = "navyblue") 

2-dimension

Bar plot에 색상 legend를 추가하여 2차원 그래프를 그릴 수 있다.

diamonds %>%  
    ggplot(aes(x = cut, fill = clarity)) + 
    geom_bar(color = "white") 

Mosaic plot은 이산형 변수에 해당하는 데이터 건수의 비율을 막대의 넓이와 색상으로 구분하여 보여준다.

library(ggmosaic) 
diamonds %>%  
    ggplot(aes(x = product(cut), fill = clarity)) + 
    geom_mosaic() 

3-dimension

색상 legend를 추가하여 2차원 공간에 3차원으로 시각화 할 수 있다.

diamonds %>%  
    group_by(cut, clarity) %>% 
    summarise(cnt = n()) %>%  
    ggplot(aes(x = cut, fill = clarity)) + 
    geom_bar(aes(y = cnt), stat = "identity", color = "white") 

diamonds %>%  
    group_by(cut, clarity) %>% 
    summarise(cnt = n()) %>%  
    ggplot(aes(x = cut, fill = clarity)) + 
    geom_bar(aes(y = cnt), stat = "identity", color = "white", position = "dodge") 

조합 (이산형, 연속형)

3-dimension

2차원 연속형 plot에 이산형 색상 legend를 추가하여 3차원 그래프를 그릴 수 있다. (단, 이산형의 경우 막대 차트에 연속형으로 색상을 입력하는 것은 불가함)

diamonds %>%  
    ggplot(aes(x = carat, y = price)) + 
    geom_point(aes(color = clarity)) 

연속형을 이산형으로 바꾸기

cut()함수를 사용하여 연속형 변수를 이산형(factor)으로 바꾸고 label도 입력할 수 있다.

diamonds %>%  
    mutate(carat_gp = cut(carat, breaks = c(0, 0.4, 0.7, 1, Inf),  
                          ordered_result = T, labels = c("~0.4", "~0.7", "~1", "1~"))) %>%  
    ggplot(aes(x = carat_gp, fill = cut)) + 
    geom_bar() 

차트 옵션

legend

ggplot()에서는 fill 이나 color 옵션이 aes()함수 안에 존재하게 되는 경우 legend가 생성되는데 이를 없애기 위해 show.legend = F옵션을 추가할 수 있다.

diamonds %>%  
    ggplot(aes(x = cut, fill = clarity)) + 
    geom_bar(color = "white", show.legend = F) 

multiple plot

diamonds %>%  
    ggplot(aes(x = carat, y = price)) + 
    geom_point(color = "gold") + 
    facet_grid(. ~ cut) 

diamonds %>%  
    ggplot(aes(x = carat, y = price)) + 
    geom_point(color = "gold") + 
    facet_grid(cut ~ .) 

diamonds %>%  
    ggplot(aes(x = carat, y = price)) + 
    geom_point(color = "gold") + 
    facet_wrap(~cut, ncol = 2) 

다중 차트에 있는 항목명의 크기, 바탕색 등 변경 가능하다.

diamonds %>%  
    ggplot(aes(x = carat, y = price)) + 
    geom_point(color = "gold") + 
    facet_wrap(~cut, ncol = 2) + 
    theme(strip.text.x = element_text(size = 8, face = "bold"), 
          strip.background = element_rect(color = "darkgreen")) 

g1 <- diamonds %>%  
    filter(cut == "Fair") %>%  
    ggplot(aes(x = carat, y = price)) + 
    geom_point(color = "gold") 

g2 <- diamonds %>%  
    filter(cut == "Good") %>%  
    ggplot(aes(x = carat, y = price)) + 
    geom_point(color = "gold") 

g3 <- diamonds %>%  
    filter(cut == "Very Good") %>%  
    ggplot(aes(x = carat, y = price)) + 
    geom_point(color = "gold") 

g4 <- diamonds %>%  
    filter(cut == "Premium") %>%  
    ggplot(aes(x = carat, y = price)) + 
    geom_point(color = "gold") 

g5 <- diamonds %>%  
    filter(cut == "Ideal") %>%  
    ggplot(aes(x = carat, y = price)) + 
    geom_point(color = "gold") 

library(gridExtra) 
grid.arrange(g1, g2, g3, g4, g5, ncol = 2) 

color

차트의 형태에 따라서 color이나 fill 옵션을 사용한다. 연속형이나 이산형 모두 사용이 가능하다.

diamonds %>%  
    ggplot(aes(x = carat, y = depth, color = price)) + 
    geom_point(alpha = 0.1) + 
    scale_color_gradient(low = "yellow", high = "red") 

diamonds %>%  
    ggplot(aes(x = carat, y = price, color = cut)) + 
    geom_point(aes(color = cut)) + 
    scale_color_brewer(type = "qual", palette = 4) 

diamonds %>%  
    ggplot(aes(x = carat, y = price, color = cut)) + 
    geom_point(aes(color = cut)) + 
    scale_color_brewer(type = "seq", palette = "Reds") 

diamonds %>%  
    ggplot(aes(x = carat, y = price, color = cut)) + 
    geom_point(aes(color = cut)) + 
    scale_color_brewer(type = "seq", palette = "Greens") 

diamonds %>%  
    ggplot(aes(x = carat, y = price, color = cut)) + 
    geom_point(aes(color = cut)) + 
    scale_color_brewer(type = "div", palette = 4) 

legend, label, title

diamonds %>%  
    ggplot(aes(x = carat, fill = cut)) + 
    geom_histogram(color = "white", bins = 100) + 
    guides(col = guide_legend(ncol = 1)) + 
    theme(legend.title = element_text(size = 8),  
          legend.text = element_text(size = 6)) + 
    labs(x = "xlab",  
         y = "ylab",  
         title = "title",  
         fill = "cutting") 

diamonds %>%  
    ggplot(aes(x = carat, fill = cut)) + 
    geom_histogram(color = "white", bins = 100) + 
    guides(col = guide_legend(ncol = 1)) 

diamonds %>%  
    ggplot(aes(x = carat, y = price, size = depth, color = carat)) + 
    geom_point(alpha = 0.4) + 
    scale_size_continuous(trans = "exp", range = c(4, 25)) + 
    scale_colour_continuous(guide = FALSE) + 
    xlab("weight of the diamond") + 
    labs(size = "Depth in %" ) + 
    theme_bw() + 
    theme(text = element_text(size = 20), 
          legend.position = c(.95, .05), 
          legend.justification = c("right", "bottom"), 
          panel.border = element_blank()) 

axis

x축 회전

diamonds %>%  
    ggplot(aes(x = carat, y = price)) + 
    geom_point(aes(color = clarity)) + 
    theme(axis.text.x = element_text(angle = 90, hjust = 1)) 

x축 지정(이산형)

diamonds %>%  
    mutate(id = 1:n()) %>%  
    ggplot(aes(x = id, y = carat)) + 
    geom_point(color = "gold") + 
    scale_x_continuous(breaks = scales::pretty_breaks(n = 10)) 

x축 지정(범주형)

library(purrr) 

# plot x axis 
diamonds_x_axis <-  
    diamonds %>%  
    mutate(id = as.character(1:n())) %>%  
    mutate(rownum = row_number()) %>%  
    filter(rownum %% 10000 == 0) %>%  
    select(id) %>%  
    as_vector() 

diamonds %>%  
    mutate(id = as.character(1:n())) %>%  
    ggplot(aes(x = id, y = carat)) + 
    geom_point(color = "gold") + 
    scale_x_discrete(breaks = diamonds_x_axis) 

기타

stat_ellipse() 타원 그리기

diamonds %>%  
    ggplot(aes(x = carat, y = price)) + 
    geom_point(aes(color = clarity))+ 
    stat_ellipse(aes(color = clarity), type = "t") 

geom_hex() 6각형 그리기

diamonds %>%  
    ggplot(aes(x = carat, y = depth)) + 
    geom_hex(color = "blue")