KyungHwan's etc.

R을 이용한 차트 그리기 본문

R

R을 이용한 차트 그리기

KyungHwan_0 2018. 10. 16. 23:42

시간 시각화

막대 그래프

일단 데이터를 불러온다

hotdogs = read.csv("http://datasets.flowingdata.com/hot-dog-contest-winners.csv", 
                   sep = "," , 
                   header = T) 

# 이게 정석이다. 
# sep옵션을 통해 자료가 무슨 기호를 통해 구분되는지 명시해주고
# header 옵션을 통해 첫번째 열에 열 이름이 있는지 없는지 알려준다

# 근데 없어도 됨
# 개떡같이말해도 찰떡같이 알아듣는다
# 못알아들으면 알아듣게 해줘야 함

head(read.csv("http://datasets.flowingdata.com/hot-dog-contest-winners.csv") )
##   Year                       Winner Dogs.eaten       Country New.record
## 1 1980 Paul Siederman & Joe Baldini       9.10 United States          0
## 2 1981              Thomas DeBerry       11.00 United States          0
## 3 1982               Steven Abrams       11.00 United States          0
## 4 1983                 Luis Llamas       19.50        Mexico          0
## 5 1984               Birgit Felden        9.50       Germany          0
## 6 1985             Oscar Rodriguez       11.75 United States          0

year 연도

winner 우승자 이름

dogs.eaten 우승자가 먹은 핫도그 수

country 우승자 국적

new.record 세계기록 경신시 1

간단한 막대그래프를 그려보자

barplot 함수를 쓰면 막대그래프를 그릴 수 있다

보통 많이 쓰게 될 plot함수의 경우 기본적으로는 산점도(Scatter Plot)을 그리게 된다

barplot(hotdogs$Dogs.eaten)

plot(hotdogs$Dogs.eaten)

막대에 연도 라벨 추가

names.arg 옵션을 추가해서 연도에 해당하는 라벨을 만들 수 있다

barplot(hotdogs$Dogs.eaten, 
        names.arg = hotdogs$Year)

축의 라벨, 외곽선 설정, 색상

막대기에 색을 넣어보자

col 에 빨간색을 넣어보고 외곽선은 없애버린다

barplot(hotdogs$Dogs.eaten, 
        names.arg = hotdogs$Year, 
        col = "red", 
        border = NA, 
        xlab = "Year", 
        ylab = "Hotdogs and buns (HDB) eaten")

미국인이 우승한 해의 막대와 그렇지 않은 해의 색상을 구분해보자.

색상정보를 담은 리스트 or 벡터를 만들어야 한다

fill_colors = c()

for (i in 1:length(hotdogs$Country)){
  if (hotdogs$Country[i] == "United States"){
      fill_colors = c(fill_colors,"#821122")
  } else {
      fill_colors = c(fill_colors, "#cccccc")  
  }
  
}

barplot(hotdogs$Dogs.eaten, 
        names.arg = hotdogs$Year, 
        col = fill_colors, 
        border = NA, 
        xlab = "Year", 
        ylab = "Hotdogs and buns (HDB) eaten")

space 옵션을 통해 막대간격을 조정할 수 있다

main 옵션으로는 제목을 설정한다

barplot(hotdogs$Dogs.eaten, 
        names.arg = hotdogs$Year, 
        col = fill_colors, 
        border=NA, 
        space = 0.3,
        main = "Nathan's Hot Dog Eating Contest Results, 1980-2010",
        xlab = "Year", 
        ylab = "Hotdogs and buns (HDB) eaten")

누적 막대 그래프

데이터를 불러온다

hot_dog_places = read.csv("http://datasets.flowingdata.com/hot-dog-places.csv",
                          sep = ",",
                          header = T)
head(hot_dog_places)
##   X2000 X2001 X2002 X2003 X2004 X2005 X2006 X2007 X2008 X2009 X2010
## 1    25  50.0  50.5  44.5  53.5    49    54    66    59  68.0    54
## 2    24  31.0  26.0  30.5  38.0    37    52    63    59  64.5    43
## 3    22  23.5  25.5  29.5  32.0    32    37    49    42  55.0    37

한 열이 한 해의 기록을 나타내고 행은 위에서부터 1,2,3위 입상자를 나타낸다

열이름이 숫자로 되어있을 경우 R에서 자동으로 ’X’를 앞에 붙여 String으로 만든다.

원래대로 수정해주자

names(hot_dog_places) = c("2000","2001","2002","2003","2004","2005","2006","2007","2008","2009","2010")

이 경우 데이터 프레임인 hot_dog_places 를 행렬로 바꿔줘야한다.

as.matrix 함수를 사용하자

space = 0.25는 막대들 사이의 간격이 막대 너비의 0.25라는 것이다

hot_dog_matrix = as.matrix(hot_dog_places)

barplot(hot_dog_matrix, 
        border = NA, 
        space = 0.25, 
        ylim = c(0,200), 
        xlab = "Year", 
        ylab = "Hot dogs and buns (HDBs) eaten",
        main = "Hot Dog Eating Contest Results, 1980-2010")

색을 바꿔보자

barplot(hot_dog_matrix, 
        border = NA, 
        col = c("magenta","cyan","yellow"),
        space = 0.25, 
        ylim = c(0,200), 
        xlab = "Year", 
        ylab = "Hot dogs and buns (HDBs) eaten",
        main = "Hot Dog Eating Contest Results, 1980-2010")

스캐터플롯

데이터부터 불러오자

subscribers = read.csv("http://datasets.flowingdata.com/flowingdata_subscribers.csv",
                       sep = ",",
                       header = T)
head(subscribers)
##         Date Subscribers Reach Item.Views  Hits
## 1 01-01-2010       25047  4627       9682 27225
## 2 01-02-2010       25204  1676       5434 28042
## 3 01-03-2010       25491  1485       6318 29824
## 4 01-04-2010       26503  6290      17238 48911
## 5 01-05-2010       26654  6544      16224 45521
## 6 01-06-2010       26851  6574      16717 43071

Date 날짜

Subscribers 구독자 수

Reach 접속자 수

Item.Views 읽은 글 수

Hits 접속 수

구독자 수로 그림을 그려보자

일단 위에서 설명했듯이 plot으로 그리면 산점도가 나오는게 기본이다

plot(subscribers$Subscribers)

type 그래프 형태 : p는 점으로 표현되고 h로 하면 고밀도 수직선 그래프

ylim 을 통해 y값의 표현 범위를 정할 수 있다.

plot(subscribers$Subscribers,
     type = "p", 
     ylim = c(0,30000))

plot(subscribers$Subscribers, 
     type = "h", 
     ylim = c(0,30000), 
     xlab = "Day", 
     ylab = "Subscribers")

points(subscribers$Subscribers, 
       pch = 19, 
       col = "black")

plot함수의 경우 실행되면 새로운 그래픽을 생성해버린다

반면 points,lines, abline 등의 함수는 화면에 있는 그래픽위에 내용을 덮어쓰기만 한다

points함수에서 pch 는 점의 크기를 의미한다

plot(subscribers$Subscribers, type="h", ylim=c(0,30000), xlab="Day", ylab="Subscribers")
points(subscribers$Subscribers, pch=19, col="black")
abline(0,1000)

abline 함수는 abline(a,b) 로 구성되는데 y = a + bx 라고 생각하면 된다

연속형 데이터

시계열 그래프

세계은행에서 발표한 세계 인구 데이터이다

population = read.csv("http://datasets.flowingdata.com/world-population.csv", 
                      sep = ",", 
                      header = T)
head(population)
##   Year Population
## 1 1960 3028654024
## 2 1961 3068356747
## 3 1962 3121963107
## 4 1963 3187471383
## 5 1964 3253112403
## 6 1965 3320396924

각각 연도와 인구를 나타낸다

type = "l" 을 이용해 선으로 연결할 수 있다

plot(population$Year,population$Population,
     type = "l", 
     ylim = c(3000000000, 7000000000),
     xlab = "Year", 
     ylab = "Population")

계단식 그래프

미국의 우편요금 변화 기록이다

postage = read.csv("http://datasets.flowingdata.com/us-postage.csv", 
                   sep=",", 
                   header=T)

head(postage)
##   Year Price
## 1 1991  0.29
## 2 1995  0.32
## 3 1999  0.33
## 4 2001  0.34
## 5 2002  0.37
## 6 2006  0.39

각각 연도와 요금(달러)이다

type = "s"로 계단식 그래프를 그릴 수 있다. s는 step이다 l은 line, p 는 point 겠지..

plot(postage$Year, postage$Price, 
     type = "s")

plot(postage$Year, postage$Price, 
     type = "s", 
     main = "US Postage Rates for Letters, First Ounce, 1991-2010",
     xlab = "Year",
     ylab = "Postage Rate (Dallars)")

계단식 그래프를 통해 단계적으로 우편 요금이 증가하는 모습을 확인할 수 있다

그냥 선으로 이어버리면 우편요금이 일정하게 유지되는 구간을 보여줄 수 없다

loess

Locally Weighted ScatterPlot Smoothing 으로 데이터의 곡률에 맞는 추세선을 그리는 방법이다

데이터를 작은 조각으로 쪼개서 각 조각마다 추세선을 만들고 종합해서 하나의 곡선 추세선을 형성한다

데이터가 곡선의 추세를 보일 때 사용하자

일단 데이터

미국 실업률 1948-2010

unemployment = read.csv("http://datasets.flowingdata.com/unemployment-rate-1948-2010.csv",
                        sep=",")

head(unemployment)
##     Series.id Year Period Value
## 1 LNS14000000 1948    M01   3.4
## 2 LNS14000000 1948    M02   3.8
## 3 LNS14000000 1948    M03   4.0
## 4 LNS14000000 1948    M04   3.9
## 5 LNS14000000 1948    M05   3.5
## 6 LNS14000000 1948    M06   3.6

일단 직선으로 fitting한 결과이다

lm 은 linear model 함수인데 여기서는 직선으로 회귀식을 그렸다

intercept와 slope를 반환하기 때문에 abline에 바로 넣으면 직선 추세선을 그릴 수 있다.

plot(1:length(unemployment$Value), unemployment$Value)
lnth = 1:length(unemployment$Value)
abline(lm(unemployment$Value ~ lnth))

다음은 loess 추세선이다

scatter.smooth(x = 1:length(unemployment$Value), y = unemployment$Value)

degree와 span으로 곡률을 조정할 수 있다

자세한 옵션이 궁금하면 ?scatter.smooth을 통해 살펴보자

분포 시각화

트리맵

플로잉데이터라는 저자의 블로그에서 가장 인기있는 글 100를 선정하여 카테고리별로 시각화를 하겠다고 한다

posts = read.csv("http://datasets.flowingdata.com/post-data.txt")

head(posts)
##     id  views comments               category
## 1 5019 148896       28 Artistic Visualization
## 2 1416  81374       26          Visualization
## 3 1416  81374       26               Featured
## 4 3485  80819       37               Featured
## 5 3485  80819       37                Mapping
## 6 3485  80819       37           Data Sources

id 아이디

views 페이지뷰

comments 댓글

category 분류

포트폴리오 패키지는 원래 주식시장의 포트폴리오를 만들기 위해서 쓰는 패키지인데

트리맵 만들기가 편해서 일단 이용해본다

트리맵은 영역 기반의 시각화로, 각 사각형의 넓이가 수치를 나타낸다

위계 구조가 있는 데이터나 트리 구조의 데이터를 표시할 때 적당하다

#install.packages("portfolio")
library(portfolio)
## Loading required package: grid
## Loading required package: lattice
## Loading required package: nlme
map.market(id = posts$id, 
           area = posts$views, 
           group = posts$category, 
           color = posts$comments, 
           main = "FlowingData Map")

id 는 사각형으로 표시할 데이터의 접근자

area는 면적에 반영할 값

group은 사각형을 그룹으로 묶는데 사용되고

color를 이용해 댓글 열에 따라서 구분한다

파이 차트

Visualize This에 내용이 없어서 추가했다

Simple Pie Chart

slices <- c(10, 12,4, 16, 8)
lbls <- c("US", "UK", "Australia", "Germany", "France")
pie(slices, labels = lbls, main="Pie Chart of Countries")

Pie Chart with Percentages

slices <- c(10, 12, 4, 16, 8) 

lbls <- c("US", "UK", "Australia", "Germany", "France")

pct <- round(slices / sum(slices) * 100)

lbls <- paste(lbls, pct) # add percents to labels 

lbls <- paste(lbls,"%",sep="") # ad % to labels 

pie(slices, 
    labels = lbls, 
    col = rainbow(length(lbls)),
    main = "Pie Chart of Countries")

Pie Chart from data frame with Appended Sample Sizes

mytable <- table(iris$Species)

lbls <- paste(names(mytable), "\n", mytable, sep="")

pie(mytable, 
    labels = lbls, 
    main = "Pie Chart of Species\n (with sample sizes)")

관계 시각화

Scatter Plot

다음 데이터는 미국의 2005년 범죄 유형별 발생건을 인구 100000명 당 발생 비율로 나타낸 결과이다

범죄 유형에 따라 7가지로 나뉜다 (살인, 절도, 강간, 강도, 폭행, 차량절도, 절취)

crime = read.csv("http://datasets.flowingdata.com/crimeRatesByState2005.csv", 
                 sep = ",",
                 header = T)

head(crime)
##           state murder forcible_rape robbery aggravated_assault burglary
## 1 United States    5.6          31.7   140.7              291.1    726.7
## 2       Alabama    8.2          34.3   141.4              247.8    953.8
## 3        Alaska    4.8          81.1    80.9              465.1    622.5
## 4       Arizona    7.5          33.8   144.4              327.4    948.4
## 5      Arkansas    6.7          42.9    91.1              386.8   1084.6
## 6    California    6.9          26.0   176.1              317.3    693.3
##   larceny_theft motor_vehicle_theft population
## 1        2286.3               416.7  295753151
## 2        2650.0               288.3    4545049
## 3        2599.1               391.0     669488
## 4        2965.2               924.4    5974834
## 5        2711.2               262.1    2776221
## 6        1916.5               712.8   35795255

일단 살인과 절도 항목에 대해서만 비교해보자

plot(crime$murder, crime$burglary) #살인에 대한 절도 범죄 건수

오른쪽 끝의 아웃라이어 때문에 상관관계를 보기가 힘들다

워싱턴DC인데 빼고나서 확인해보자

미국 전체에 대한 항목도 빼버린다

crime2 = crime[crime$state != "District of Columbia",] #아웃라이어를 일단 제거하고 해보자
crime2 = crime2[crime2$state != "United States",] #미국 전체 데이터도 제거

plot(crime2$murder, crime2$burglary)

축이 0부터 시작하는게 좋은 것 같다

plot(crime2$murder, crime2$burglary,
     xlim = c(0,10),
     ylim = c(0,1200))

절도와 살인 발생 비율의 관계를 분명하게 확인하기 위해 추세선을 그려보자

scatter.smooth(crime2$murder, crime2$burglary, 
               xlim = c(0,10), 
               ylim = c(0,1200))

Scatter Plot matrix

위에서 두 개 변수 사이의 관계를 봤으니 이번에는 여러 변수의 관계를 보고싶다

plot(crime2[,2:9])

주의 이름을 나타내는 열을 빼고 전부 plot에 넣었더니 이렇게 뽑아준다

추세선을 넣어보자

pairs(crime2[,2:9], 
      panel = panel.smooth)

panel 인수는 x, y에 대한 함수를 변수로 받아 전달한다

예제 코드에선 panel.smooth() 함수(LOESS 추세선을 그려주는 함수)를 전달했다.

자신이 만든 함수도 넣을 수 있다

Burble Chart

스캐터플롯에 버블의 크기로 세 번째 변수를 나타내는 그래프이다

주의해야할 점은 세번째 변수의 값은 반지름이나 지름이 아니라 면적으로 표현되어야 한다

crime = read.csv("http://datasets.flowingdata.com/crimeRatesByState2005.tsv", 
                 header = T, 
                 sep = "\t")

앞에 있던 예제와 거의 같은 데이터이다

쉼표 대신 탭으로 구분하는 tsv 파일이므로 구분자를 \t로 변경해주자

symbols(crime$murder, crime$burglary, 
        circles = crime$population)

반지름에 데이터가 들어가니 원이 너무 커진다

원의 면적을 통해 데이터를 표현하자

원의 면적 : pi * r^2

r = sqrt(원의면적/pi) 여기서는 비례를 구하려는 것이니 파이는 무시해도 된다

radius = sqrt(crime$population / pi)

symbols(crime$murder, crime$burglary, 
        circles = radius) #음.... 원이 전체적으로 다 커보인다

모든 원의 크기를 전체적으로 줄일 필요가 있는것같다

symbols(crime$murder, crime$burglary, 
        circles = radius, 
        inches = 0.35, 
        fg = "white", 
        bg = "red", 
        xlab = "Murder Rate", 
        ylab = "Burglary Rate")

inches : 가장 큰원의 크기를 inch 단위로 설정

fg : foreground

bg : background

symbols 함수는 다른 모형을 선택할 수도 있다.

symbols(crime$murder,crime$burglary, 
        squares = sqrt(crime$population),
        inches = 0.5)

text(crime$murder, crime$burglary, crime$state, 
     cex = 0.5)

정사각형 square 직사각형 rectangles 써모미터 thermometers 박스플롯 boxplots 별 stars 등이 선택가능하다

자세한 것은 ?symbols

cex 는 출력 문구의 크기이다 (기본값 1)

히스토그램

데이터는 2002년부터 2009년까지 TV크기 분포 그래프이다

참 신기한 데이터가 많다

tvs=read.table("http://datasets.flowingdata.com/tv_sizes.txt",
               sep = "\t",
               header = T)

아웃라이어를 제거한다

tvs=tvs[tvs$size <80,]
tvs=tvs[tvs$size >10,]

히스토그램 구간 수를 설정한다

breaks = seq(10, 80, by=5)

레이아웃을 설정하고 차트를 그린다

4,2 니깐 4행에 2열 짜리

par(mfrow=c(4,2))
hist(tvs[tvs$year == 2009,]$size, breaks=breaks)
hist(tvs[tvs$year == 2008,]$size, breaks=breaks)
hist(tvs[tvs$year == 2007,]$size, breaks=breaks)
hist(tvs[tvs$year == 2006,]$size, breaks=breaks)
hist(tvs[tvs$year == 2005,]$size, breaks=breaks)
hist(tvs[tvs$year == 2004,]$size, breaks=breaks)
hist(tvs[tvs$year == 2003,]$size, breaks=breaks)
hist(tvs[tvs$year == 2002,]$size, breaks=breaks)

par(mfrow=c(1,1)) # 이건 그냥 디폴트 설정으로 돌리기 위해서

비교 시각화

히트맵 만들기

2008년의 NBA 농구선수 통계이다

첫번째열은 선수이름, 나머지는 선수 기록 데이터다

bball = read.csv("http://datasets.flowingdata.com/ppg2008.csv",
                 header = T)

head(bball)
##             Name  G  MIN  PTS  FGM  FGA   FGP FTM FTA   FTP X3PM X3PA
## 1   Dwyane Wade  79 38.6 30.2 10.8 22.0 0.491 7.5 9.8 0.765  1.1  3.5
## 2  LeBron James  81 37.7 28.4  9.7 19.9 0.489 7.3 9.4 0.780  1.6  4.7
## 3   Kobe Bryant  82 36.2 26.8  9.8 20.9 0.467 5.9 6.9 0.856  1.4  4.1
## 4 Dirk Nowitzki  81 37.7 25.9  9.6 20.0 0.479 6.0 6.7 0.890  0.8  2.1
## 5 Danny Granger  67 36.2 25.8  8.5 19.1 0.447 6.0 6.9 0.878  2.7  6.7
## 6  Kevin Durant  74 39.0 25.3  8.9 18.8 0.476 6.1 7.1 0.863  1.3  3.1
##    X3PP ORB DRB TRB AST STL BLK  TO  PF
## 1 0.317 1.1 3.9 5.0 7.5 2.2 1.3 3.4 2.3
## 2 0.344 1.3 6.3 7.6 7.2 1.7 1.1 3.0 1.7
## 3 0.351 1.1 4.1 5.2 4.9 1.5 0.5 2.6 2.3
## 4 0.359 1.1 7.3 8.4 2.4 0.8 0.8 1.9 2.2
## 5 0.404 0.7 4.4 5.1 2.7 1.0 1.4 2.5 3.1
## 6 0.422 1.0 5.5 6.5 2.8 1.3 0.7 3.0 1.8

order 함수를 이용해 원하는 값을 기준으로 정렬한다

행이름을 숫자에서 선수이름으로 바꾸자

bball_byfgp = bball[order(bball$FGP, decreasing =T),] 

bball = bball[order(bball$PTS, decreasing = F),]

row.names(bball) = bball$Name #행이름을 선수 이름으로

bball = bball[,2:20]

히트맵을 그리려면 데이터프레임이 아니라 행렬 형태여야 한다

bball_matrix = data.matrix(bball)

bball_heatmap = heatmap(bball_matrix, 
                        Rowv = NA, 
                        Colv = NA, 
                        col = cm.colors(256), 
                        scale = "column", 
                        margins = c(5,10))

scale 인수를 column으로 설정하면 최대최소값을 전체 행렬이 아니라 열기준으로 결정

cm.colors() 사용할 색상의 범위를 파랑(cyan)부터 빨강(magenta)으로 설정

입력한 숫자 단계(여기서는 256) 길이의 파랑에서 빨강까지의 색상범위를 16진수 색상코드 벡터로 반환

?cm.colors 를 입력하여 자세한 도움말 확인 가능

따뜻한 색감으로 바꿔보자

bball_heatmap = heatmap(bball_matrix, 
                        Rowv = NA, 
                        Colv = NA, 
                        col = heat.colors(256), 
                        scale = "column", 
                        margins = c(5,10))

cm.colors(10) #10개의 색상 벡터를 확인할 수 있다.
##  [1] "#80FFFFFF" "#99FFFFFF" "#B3FFFFFF" "#CCFFFFFF" "#E6FFFFFF"
##  [6] "#FFE6FFFF" "#FFCCFFFF" "#FFB3FFFF" "#FF99FFFF" "#FF80FFFF"

0to255 에서 찾아보는 것도 좋다

색상 코드를 직접 입력해보자

red_colors = c("#ffd3cd","#ffc4bc", "#ffb5ab", "#ffa69a", "#ff9789", "#ff8978", "#ff7a67", "#ff6b56", "#ff5c45", "#ff4d34")

bball_heatmap = heatmap(bball_matrix, 
                        Rowv = NA, 
                        Colv = NA, 
                        col = red_colors, 
                        scale = "column", 
                        margins = c(5,10))

RColorBrewer 패키지

색상 고르기 귀찮으면 설치하자

?brewer.pal 을 통해 자세한 옵션 확인

#install.packages("RColorBrewer")
library(RColorBrewer)
bball_heatmap = heatmap(bball_matrix, Rowv = NA, Colv = NA, col=brewer.pal(9,"Blues"), scale = "column", margins = c(5,10))

체르노프 페이스

사람의 얼굴을 쉽게 구분한다는 점에서 착안하여, 데이터를 사람의 얼굴 모양에 대입해서 표현한다

유용성은…글쎄

#install.packages("aplpack")
library(aplpack)
## Loading required package: tcltk
bball = read.csv("http://datasets.flowingdata.com/ppg2008.csv",
                 header = T) #다시 불러오자

faces(bball[,2:16],
      ncolors = 0)

## effect of variables:
##  modified item       Var   
##  "height of face   " "G"   
##  "width of face    " "MIN" 
##  "structure of face" "PTS" 
##  "height of mouth  " "FGM" 
##  "width of mouth   " "FGA" 
##  "smiling          " "FGP" 
##  "height of eyes   " "FTM" 
##  "width of eyes    " "FTA" 
##  "height of hair   " "FTP" 
##  "width of hair   "  "X3PM"
##  "style of hair   "  "X3PA"
##  "height of nose  "  "X3PP"
##  "width of nose   "  "ORB" 
##  "width of ear    "  "DRB" 
##  "height of ear   "  "TRB"

faces 함수는 최대 15개의 변수까지만 지원한다

Star Chart

몇 개의 축을 그리고 중앙으로부터의 거리를 통해 수치를 나타낸다

남자들의 경우 위닝에서 선수들 능력치를 본다고 생각하라고 하니까 그림안보고도 이해하더라

crime = read.csv("http://datasets.flowingdata.com/crimeRatesByState2005.csv", 
                 sep = ",",
                 header = T) #얘도 다시
stars(crime)

row.names(crime) = crime$state #주 이름을 행이름으로
crime = crime[,2:7] #테이블에서 주 이름을 제거
stars(crime, 
      flip.labels = FALSE, 
      key.loc = c(15,0.5))

flip.labels를 기본값인 T로 놔두면 라벨을 차트의 높이에 따라 위아래를 오가며 배치한다.

key.loc은 범례 위치인것같다

stars(crime, 
      flip.labels = FALSE, 
      key.loc = c(15,1.5), 
      full = FALSE)

full옵션을 끄면 윗부분만 가지고 그린다

Nightingale chart / Polar Area Diagram

draw.segments 옵션을 켜면 점의 위치 대신 거리로 수치를 나타낸다

stars(crime, 
      flip.labels = FALSE, 
      key.loc = c(15,1.5),
      draw.segments = TRUE)

평행좌표계 Parallel coordinates

education = read.csv("http://datasets.flowingdata.com/education.csv",
                     header=T)

head(education)
##           state reading math writing percent_graduates_sat
## 1 United States     501  515     493                    46
## 2       Alabama     557  552     549                     7
## 3        Alaska     520  516     492                    46
## 4       Arizona     516  521     497                    26
## 5      Arkansas     572  572     556                     5
## 6    California     500  513     498                    49
##   pupil_staff_ratio dropout_rate
## 1               7.9          4.4
## 2               6.7          2.3
## 3               7.9          7.3
## 4              10.4          7.6
## 5               6.8          4.6
## 6              10.9          5.5

데이터는 주이름 / SAT 읽기 평균 / 수학평균 / 쓰기평균 / SAT응시비율 / 고등학교졸업직후 취업하는학생비율 / 고교 중퇴율 이다

변수들을 분명한 상관관계로 엮을 수 있을지 알아보자

예를 들면 고교 중퇴율이 높은 주는 과연 평균 SAT점수도 낮을까???

library(lattice)

parallelplot(education)

parallelplot(education,
             horizontal.axis = FALSE)  #취향따라...

state열은 빼고, 검은색으로 바꿔보자

parallelplot(education[,2:7],
             horizontal.axis = FALSE, 
             col = "#000000")

읽기,수학,쓰기는 평행에 가깝다

SAT점수와 응시율???? 높은 평균점수는 낮은 응시율을 보이고 그 반대도 보인다

읽기 점수를 기준으로 50%씩 나누어서 상위는 검정색, 하위는 회색으로 하자

중앙값은 summary()를 통해 확인

summary(education) #reading의 중앙값은 523이다
##         state       reading           math          writing     
##  Alabama   : 1   Min.   :466.0   Min.   :451.0   Min.   :455.0  
##  Alaska    : 1   1st Qu.:497.8   1st Qu.:505.8   1st Qu.:490.0  
##  Arizona   : 1   Median :523.0   Median :525.5   Median :510.0  
##  Arkansas  : 1   Mean   :533.8   Mean   :538.4   Mean   :520.8  
##  California: 1   3rd Qu.:571.2   3rd Qu.:571.2   3rd Qu.:557.5  
##  Colorado  : 1   Max.   :610.0   Max.   :615.0   Max.   :588.0  
##  (Other)   :46                                                  
##  percent_graduates_sat pupil_staff_ratio  dropout_rate   
##  Min.   : 3.00         Min.   : 4.900    Min.   :-1.000  
##  1st Qu.: 6.75         1st Qu.: 6.800    1st Qu.: 2.950  
##  Median :34.00         Median : 7.400    Median : 3.950  
##  Mean   :37.35         Mean   : 7.729    Mean   : 4.079  
##  3rd Qu.:66.25         3rd Qu.: 8.150    3rd Qu.: 5.300  
##  Max.   :90.00         Max.   :12.100    Max.   : 7.600  
## 
reading_colors = c()
for (i in 1:length(education$state)){
  if (education$reading[i] > 523){
      col = "#000000"
  } else {
      col = "#cccccc"
  }
  reading_colors = c(reading_colors, col)
}

parallelplot(education[,2:7],
             horizontal.axis = FALSE, 
             col = reading_colors)

중퇴율의 경우에는 어떨까

중앙값 대신 첫 4분위수(상위25%)로 필터링 : 여기서는 5.3%

dropout_colors = c()
for (i in 1:length(education$state)){
  if (education$dropout_rate[i] > 5.3){
    col = "#000000"
  } else {
    col = "#cccccc"
  }
  dropout_colors = c(dropout_colors, col)
}
parallelplot(education[,2:7],
             horizontal.axis = FALSE, 
             col = dropout_colors)

……별 의미는 없어보인다

다차원척도법(MDS)

이건 수학적인 설명을 못하겠다

모든 변수를 비교해서 비교하기 가장 좋은 조건을 찾아 2차원에 투영한다고 생각하면 될 것 같다

education = read.csv("http://datasets.flowingdata.com/education.csv",
                     header = T) #다시
ed.dis = dist(education[,2:7]) #모든 주에 대해서 그 주와 나머지 모든 주 사이의 거리를 구한다, 첫열은 주이름이니 제외
#행렬의 한 위치는 행의 주와 열의 주가 얼마만큼의 (유클리드)거리 로 떨어져 있어야 하는지를 보여줌

ed.dis = cmdscale(ed.dis) #cmdscale함수는 거리 행렬을 입력으로 받아서 각 점을 입력된 거리에 맞게 배치한 좌표를 반환한다

x = ed.dis[,1] #구한 좌표를 변수에 각각 저장
y = ed.dis[,2]

plot(x,y)

한 점이 어떤주를 나타내는지 알 수 없으니 라벨을 붙여보자

plot(x,y,
     type = "n") # 이러면 아무것도 안나온다

text(x,y,
     labels = education$state)

주 라벨에 dropout_colors를 적용해보자

plot(x,y,
     type = "n")
text(x,y,
     labels = education$state,
     col = dropout_colors)

별로 의미없어 보인다

plot(x,y,
     type = "n")
text(x,y,
     labels = education$state,
     col = reading_colors)

오……………

일단 오늘은 여기까지하고

원래 이거 스터디 진행할때는 이거 다음에 바로 지도를 그렸던 것 같은데

일단 자료를 더 모아야 할 것같아서 바로 ggplot2 로 넘어갈 것 같다

근데 ggplot2는 1.0 버전업 이후에 바뀐게 많아서 이것도 고칠게 많을거같음 ㅠㅠ


'R' 카테고리의 다른 글

카카오톡 대화 wordcloud 구현  (0) 2018.10.20
R 웹 크롤링 or 워드클라우드  (0) 2018.10.17
R 기본 데이터형  (0) 2018.10.14
R 기본 문법 연습 3  (0) 2018.10.14
R 기본 문법 연습 2  (0) 2018.10.14
'R' Related Articles more
Comments