hw05

ggplot2教學：基本概念與qplot函數

安裝ggplot2

安裝→install.packages(“ggplot2”)

載入→library(ggplot2)

library(ggplot2)

## Warning: package 'ggplot2' was built under R version 3.5.3

用head看diamonds。

head(diamonds)

## # A tibble: 6 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

抽出100筆，並儲存在diamonds.subset。

set.seed(5)
diamonds.subset <- diamonds[sample(nrow(diamonds), 100), ]

qplot用法

前兩個參數分別是x軸與y軸的座標資料。

qplot(diamonds$carat, diamonds$price)

data參數

data參數指定資料來源的data frame。

顯示了鑽石的price與carat有明顯的關係。

qplot(carat, price, data = diamonds)

log

加上對數（log）後，呈現比較好的線性關係。

qplot(log(carat), log(price), data = diamonds)

把x、y、z三個變數相乘，當作y軸的座標。

此圖顯示了大部分鑽石的體積都跟重量成正比。

qplot(carat, x * y * z, data = diamonds)

color變數

利用color變數，區別不同顏色的鑽石。

qplot(carat, price, data = diamonds.subset, color = color)

shape

利用shape，以形狀區分資料。

qplot(carat, price, data = diamonds.subset, shape = cut)

## Warning: Using shapes for an ordinal variable is not advised

透明度參數

加上透明度的參數後，較容易辨識實際的資料分佈情況。

qplot(carat, price, data = diamonds, alpha = I(1/10))

qplot(carat, price, data = diamonds, alpha = I(1/100))

smooth

利用smooth，畫出平滑曲線。

qplot(carat, price, data = diamonds.subset,
      geom = c("point", "smooth"))

## `geom_smooth()` using method = 'loess' and formula 'y ~ x'

qplot(carat, price, data = diamonds,
      geom = c("point", "smooth"))

## `geom_smooth()` using method = 'gam' and formula 'y ~ s(x, bs = "cs")'

boxplot

加入boxplot，將圖形變成箱形圖。

qplot(color, price / carat, data = diamonds, geom = "boxplot")

jitter

利用jitter繪製資料點，將每一個資料點都畫出來。

qplot(color, price / carat, data = diamonds, geom = "jitter")

加上透明度的參數。

qplot(color, price / carat, data = diamonds,
      geom = "jitter", alpha = I(1 / 5))

qplot(color, price / carat, data = diamonds, geom = "jitter",
      alpha = I(1 / 50))

qplot(color, price / carat, data = diamonds, geom = "jitter",
      alpha = I(1 / 200))

練習

以資料點的形狀區分cut變數。

qplot(color, price / carat, data = diamonds, geom = "jitter",
      alpha = I(1 / 5), shape = cut)

## Warning: Using shapes for an ordinal variable is not advised

以資料點的顏色區分color變數。

qplot(color, price / carat, data = diamonds, geom = "jitter",
      alpha = I(1 / 5), color = color)

以資料點的顏色區分cut變數。

qplot(color, price / carat, data = diamonds, geom = "jitter",
      alpha = I(1 / 5), color = cut)

以箱形圖的外框顏色區分color變數。

qplot(color, price / carat, data = diamonds, geom = "boxplot",
      color = color)

以箱形圖的內部顏色區分color變數。

qplot(color, price / carat, data = diamonds, geom = "boxplot",
      fill = color)

調整箱形圖的外框粗細。

qplot(color, price / carat, data = diamonds, geom = "boxplot",
      size = I(2))

histogram

利用histogram繪製直方圖，適用於連續型資料，顯示一維資料的分佈。

qplot(carat, data = diamonds, geom = "histogram")

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

binwidth

直方圖的bin寬度可用「binwidth」參數調整。

qplot(carat, data = diamonds, geom = "histogram",
      binwidth = 0.5, xlim = c(0, 3))

## Warning: Removed 32 rows containing non-finite values (stat_bin).

## Warning: Removed 2 rows containing missing values (geom_bar).

細部資訊要在bin寬度非常小的情況下才能顯現出來。

qplot(carat, data = diamonds, geom = "histogram",
      binwidth = 0.01, xlim = c(0, 3))

## Warning: Removed 32 rows containing non-finite values (stat_bin).

## Warning: Removed 2 rows containing missing values (geom_bar).

美學對應指定為一個類別型的變數時，會讓資料以此類別變數為依據區分為多個群組，不同顏色畫出不同的鑽石顏色的資料，產生堆疊式的直方圖。

qplot(carat, data = diamonds, geom = "histogram",
      fill = color)

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

density：連續型資料

利用density繪製密度函數圖。

qplot(carat, data = diamonds, geom = "density")

adjust：調整平滑程度

adjust調整密度函數圖的平滑程度，值越大曲線越平滑。

qplot(carat, data = diamonds, geom = "density", adjust = 3)

呈現多組資料的分佈。

qplot(carat, data = diamonds, geom = "density",
      color = color)

將直方圖密度函數圖合在一起，將y軸的單位指定為密度。

qplot(carat, ..density.., data = diamonds,
      geom = c("histogram", "density"))

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

bar：離散型類別資料

使用bar繪製長條圖。

qplot(color, data = diamonds, geom = "bar")

weight

使用weight，自行指定列聯表的計算方式。

qplot(color, data = diamonds, geom = "bar", weight = carat) +
  ylab("carat")

unemploy為失業人口，pop為人口總數，相除之後可計算失業率。

line圖形的x軸是時間的資訊。

qplot(date, unemploy / pop, data = economics, geom = "line")

uempmed為失業時間的中位數。

qplot(date, uempmed, data = economics, geom = "line")

利用path依據時間把每個點連接起來。

qplot(unemploy / pop, uempmed, data = economics,
      geom = c("point", "path"))

加上顏色來表示不同的年份。

year <- function(x) as.POSIXlt(x)$year + 1900
qplot(unemploy / pop, uempmed, data = economics,
      geom = "path", colour = year(date))

facets

facets公式的左邊是列、右邊是行，將資料分組後畫在表格式圖形中，每一個子圖形的座標都相同。

qplot(carat, data = diamonds, facets = color ~ cut,
      geom = "histogram", binwidth = 0.1, xlim = c(0, 3))

## Warning: Removed 32 rows containing non-finite values (stat_bin).

## Warning: Removed 70 rows containing missing values (geom_bar).

對一個變數分組時，將公式另一側指定為一個句點（.）。

qplot(carat, data = diamonds, facets = color ~ .,
      geom = "histogram", binwidth = 0.1, xlim = c(0, 3))

## Warning: Removed 32 rows containing non-finite values (stat_bin).

## Warning: Removed 14 rows containing missing values (geom_bar).

main：圖形的標題

xlab、ylab：x軸與y軸的名稱

qplot(
  carat, price, data = diamonds.subset,
  xlab = "Price ($)", ylab = "Weight (carats)",
  main = "Price-weight relationship"
)

xlim、ylim：x軸與y軸的繪圖範圍

qplot(
  carat, price/carat, data = diamonds.subset,
  ylab = expression(frac(price,carat)),
  xlab = "Weight (carats)",
  main="Small diamonds",
  xlim = c(.2,1)
)

## Warning: Removed 29 rows containing missing values (geom_point).

log：對數轉換的座標軸

log=“xy”則是讓x與y軸都經過對數轉換。

qplot(carat, price, data = diamonds.subset, log = "xy")

ggplot2教學：圖層式繪圖

carat對應到x軸、price對應到y軸，以顏色區隔cut變數。

stat與position要自行指定，用來指定統計轉換與細部的幾何圖形位置調整。

若不需要特別的轉換與調整的話，就指定為 “identity”。

params用來指定geom與stat所需要的參數；geom指定為point，即可產生一張散佈圖。

my.plot <- ggplot(diamonds, aes(carat, price, colour = cut))
my.plot <- my.plot + layer(
  geom = "point",
  stat = "identity",
  position = "identity",
  params = list(na.rm = FALSE)
)
my.plot

bin、bar

用bin轉換來計算直方圖每個bin的數值，然後再使用bar使geom呈現圖形。

my.plot2 <- ggplot(diamonds, aes(x = carat))
my.plot2 <- my.plot2 + layer(
  geom = "bar",
  stat = "bin",
  position = "identity",
  params = list(
    fill = "steelblue",
    binwidth = 0.2,
    na.rm = FALSE
  )
)
my.plot2

geom_histogram

以geom_histogram繪製直方圖的簡化圖層函數改寫。

my.plot3 <- ggplot(diamonds, aes(x = carat))
my.plot3 <- my.plot3 +
  geom_histogram(binwidth = 0.2, fill = "steelblue")
my.plot3

qplot、ggplot函數

qplot將建立繪圖物件與加入圖層的動作包裝成一個函數，其效果跟ggplot函數是相同的。

ggplot(msleep, aes(sleep_rem / sleep_total, awake)) +
  geom_point()

## Warning: Removed 22 rows containing missing values (geom_point).

qplot(sleep_rem / sleep_total, awake, data = msleep)

## Warning: Removed 22 rows containing missing values (geom_point).

qplot(sleep_rem / sleep_total, awake, data = msleep) +
  geom_smooth()

## `geom_smooth()` using method = 'loess' and formula 'y ~ x'

## Warning: Removed 22 rows containing non-finite values (stat_smooth).

## Warning: Removed 22 rows containing missing values (geom_point).

qplot(sleep_rem / sleep_total, awake, data = msleep,
      geom = c("point", "smooth"))

## `geom_smooth()` using method = 'loess' and formula 'y ~ x'

## Warning: Removed 22 rows containing non-finite values (stat_smooth).

## Warning: Removed 22 rows containing missing values (geom_point).

ggplot(msleep, aes(sleep_rem / sleep_total, awake)) +
  geom_point() + geom_smooth()

## `geom_smooth()` using method = 'loess' and formula 'y ~ x'

## Warning: Removed 22 rows containing non-finite values (stat_smooth).

## Warning: Removed 22 rows containing missing values (geom_point).

summary

可以利用summary查看其內容。

my.plot4 <- ggplot(msleep, aes(sleep_rem / sleep_total, awake))
summary(my.plot4)

## data: name, genus, vore, order, conservation, sleep_total,
##   sleep_rem, sleep_cycle, awake, brainwt, bodywt [83x11]
## mapping:  x = ~sleep_rem/sleep_total, y = ~awake
## faceting: <ggproto object: Class FacetNull, Facet, gg>
##     compute_layout: function
##     draw_back: function
##     draw_front: function
##     draw_labels: function
##     draw_panels: function
##     finish_data: function
##     init_scales: function
##     map_data: function
##     params: list
##     setup_data: function
##     setup_params: function
##     shrink: TRUE
##     train_scales: function
##     vars: function
##     super:  <ggproto object: Class FacetNull, Facet, gg>

my.plot4 <- my.plot4 + geom_point()
summary(my.plot4)

## data: name, genus, vore, order, conservation, sleep_total,
##   sleep_rem, sleep_cycle, awake, brainwt, bodywt [83x11]
## mapping:  x = ~sleep_rem/sleep_total, y = ~awake
## faceting: <ggproto object: Class FacetNull, Facet, gg>
##     compute_layout: function
##     draw_back: function
##     draw_front: function
##     draw_labels: function
##     draw_panels: function
##     finish_data: function
##     init_scales: function
##     map_data: function
##     params: list
##     setup_data: function
##     setup_params: function
##     shrink: TRUE
##     train_scales: function
##     vars: function
##     super:  <ggproto object: Class FacetNull, Facet, gg>
## -----------------------------------
## geom_point: na.rm = FALSE
## stat_identity: na.rm = FALSE
## position_identity

bestfit <- geom_smooth(method = "lm", se = F,
                       color = alpha("steelblue", 0.5), size = 2)
qplot(sleep_rem, sleep_total, data = msleep) + bestfit

## Warning: Removed 22 rows containing non-finite values (stat_smooth).

## Warning: Removed 22 rows containing missing values (geom_point).

qplot(awake, brainwt, data = msleep, log = "y") + bestfit

## Warning: Removed 27 rows containing non-finite values (stat_smooth).

## Warning: Removed 27 rows containing missing values (geom_point).

qplot(bodywt, brainwt, data = msleep, log = "xy") + bestfit

## Warning: Removed 27 rows containing non-finite values (stat_smooth).

## Warning: Removed 27 rows containing missing values (geom_point).

%+%

可以使用「%+%」運算子改變ggplot繪圖物件的資料來源。

my.plot5 <- ggplot(mtcars, aes(mpg, wt, colour = 'cyl')) + geom_point()
my.plot5

mtcars.trans <- transform(mtcars, mpg = mpg ^ 2)
my.plot5 %+% mtcars.trans

aes函數

使用aes函數將指定美學對應的各種參數包裝起來。

x軸指定為weight變數、y軸指定為height變數，color指定為age變數。

aes(x = weight, y = height, color = age)

## Aesthetic mapping: 
## * `x`      -> `weight`
## * `y`      -> `height`
## * `colour` -> `age`

運用各種數學函數。

aes(weight, height, colour = sqrt(age))

## Aesthetic mapping: 
## * `x`      -> `weight`
## * `y`      -> `height`
## * `colour` -> `sqrt(age)`

預設的美學對應可以在繪圖物件建立時指定。

my.plot6 <- ggplot(mtcars, aes(x = mpg, y = wt))
my.plot6 <- my.plot6 + geom_point()
summary(my.plot6)

## data: mpg, cyl, disp, hp, drat, wt, qsec, vs, am, gear, carb
##   [32x11]
## mapping:  x = ~mpg, y = ~wt
## faceting: <ggproto object: Class FacetNull, Facet, gg>
##     compute_layout: function
##     draw_back: function
##     draw_front: function
##     draw_labels: function
##     draw_panels: function
##     finish_data: function
##     init_scales: function
##     map_data: function
##     params: list
##     setup_data: function
##     setup_params: function
##     shrink: TRUE
##     train_scales: function
##     vars: function
##     super:  <ggproto object: Class FacetNull, Facet, gg>
## -----------------------------------
## geom_point: na.rm = FALSE
## stat_identity: na.rm = FALSE
## position_identity

也可以在繪圖物件建立之後，再加上aes指定。

my.plot7 <- ggplot(mtcars)
my.plot7 <- my.plot7 + aes(x = mpg, y = wt)
my.plot7 <- my.plot7 + geom_point()
summary(my.plot7)

## data: mpg, cyl, disp, hp, drat, wt, qsec, vs, am, gear, carb
##   [32x11]
## mapping:  x = ~mpg, y = ~wt
## faceting: <ggproto object: Class FacetNull, Facet, gg>
##     compute_layout: function
##     draw_back: function
##     draw_front: function
##     draw_labels: function
##     draw_panels: function
##     finish_data: function
##     init_scales: function
##     map_data: function
##     params: list
##     setup_data: function
##     setup_params: function
##     shrink: TRUE
##     train_scales: function
##     vars: function
##     super:  <ggproto object: Class FacetNull, Facet, gg>
## -----------------------------------
## geom_point: na.rm = FALSE
## stat_identity: na.rm = FALSE
## position_identity

繪圖物件中的美學對應設定可在圖層中增加、修改或刪除。

刪除某一個美學對應參數，把該參數設定為「NULL」即可。

my.plot7 + geom_point(aes(colour = 'factor(cyl)'))

my.plot7 + geom_point(aes(y = disp))

aes(y = NULL)

## Aesthetic mapping: 
## * `y` -> NULL

將資料點的顏色指定為藍色。

my.plot8 <- ggplot(mtcars, aes(mpg, wt))
my.plot8 + geom_point(colour = "blue")

若使用aes函數代表為一種「對應」關係，會在內部產生一個值為“blue”的變數，將顏色屬性對應到該變數。

my.plot8 + geom_point(aes(colour = "blue"))

上圖是將所有個體的資料都混合在一起繪製。

下圖為加上group參數，並將其指定為個體的變數，畫出多條時間序列的線條。

library(nlme)

## Warning: package 'nlme' was built under R version 3.5.3

my.plot9 <- ggplot(Oxboys, aes(age, height)) +
  geom_line()
my.plot9

my.plot9 <- ggplot(Oxboys, aes(age, height, group = Subject)) +
  geom_line()
my.plot9

線性迴歸線

若要加上一條線性迴歸線，可用geom_smooth、method = “lm”。

上圖為直接加上，結果可能不如預期。

但想要的是下圖，使用全部的資料畫出一條迴歸線，可以將group設定為一個固定的值，也就是取消群組的功能。

my.plot9 + geom_smooth(method="lm", se = F)

my.plot9 + geom_smooth(aes(group = 1), method="lm", size = 2, se = F)

Occasion：離散型的變數

height依據Occasion畫出的箱形圖。

boysbox <- ggplot(Oxboys, aes(Occasion, height)) + geom_boxplot()
boysbox

若要將每個個體資料標示出來，需用自行指定分組的方式。

使用geom_line配合group參數，依據Subject區分資料，再加上color參數設定線條為藍色。

boysbox + geom_line(aes(group = Subject), color = "blue")

第一條線段會使用第一個點的顏色，第二條線段會使用第二個點的顏色，以次類推，也就是說最後一個點的顏色並不會被使用到。

my.df <- data.frame(x = 1:3, y = 1:3, z = 1:3)
qplot(x, y, data = my.df, color = factor(z), size = I(5)) +
  geom_line(size = 3, group = 1)

只有在每一筆資料屬性都相同時才會被使用，否則會直接使用預設值，這個問題通常發生在連續型的變數上。

如果是類別型的變數，ggplot會自動將資料依據變數分組，因此每一組內部的變數值都會一樣，這個狀況在繪製直方圖時很常見。

qplot(color, data = diamonds, geom = "bar",
      fill = cut)

density：每個bin的資料點數比例

取用統計轉換所產生的變數時，必須前後加上 ..（例如：..density..）

想改以密度為單位，可以使用density這個變數。

ggplot(diamonds, aes(carat)) +
  geom_histogram(aes(y = ..density..), binwidth = 0.1)

qplot(carat, ..density.., data = diamonds,
      geom="histogram", binwidth = 0.1)

dodge：並列顯示

圖為並列直方圖。

ggplot(diamonds, aes(clarity, fill=cut)) + geom_bar(position="dodge")

fill：標準化堆疊顯示

圖為標準化堆疊直方圖。

ggplot(diamonds, aes(clarity, fill=cut)) + geom_bar(position="fill")

stack：堆疊顯示

圖為堆疊直方圖。

ggplot(diamonds, aes(clarity, fill=cut)) + geom_bar(position="stack")

identity：適合用在一般的折線圖

ggplot(diamonds, aes(clarity, group = cut)) +
  geom_line(aes(color = cut), position="identity", stat = "count")

jitter：適用以資料點繪製類別型資料的情況

set.seed(5)
diamonds.subset <- diamonds[sample(nrow(diamonds), 500), ]
ggplot(diamonds.subset, aes(clarity, cut)) +
  geom_point(aes(color = color), position="jitter")

經count統計轉換：

my.plot <- ggplot(diamonds, aes(carat)) + xlim(0, 3)
my.plot + stat_bin(aes(ymax = ..count..), binwidth = 0.1, geom = "area")

## Warning: Ignoring unknown aesthetics: ymax

## Warning: Removed 32 rows containing non-finite values (stat_bin).

my.plot + stat_bin(
  aes(size = ..density..), binwidth = 0.1,
  geom = "point", position="identity"
)

## Warning: Removed 32 rows containing non-finite values (stat_bin).

在使用模型預測資料時，繪製預測值。

library(nlme)
model <- lme(height ~ age, data = Oxboys, random = ~ 1 + age | Subject)
age_grid <- seq(-1, 1, length = 10)
subjects <- unique(Oxboys$Subject)
preds <- expand.grid(age = age_grid, Subject = subjects)
preds$height <- predict(model, preds)
my.plot10 <- ggplot(Oxboys, aes(age, height, group = Subject)) + geom_line()
my.plot10 + geom_line(data = preds, colour = "#3366FF", size= 0.4)

畫出模型的殘差值，並加入平滑曲線：

Oxboys$fitted <- predict(model)
Oxboys$resid <- with(Oxboys, fitted - height)
my.plot10 %+% Oxboys + aes(y = resid) + geom_smooth(aes(group=1))

## `geom_smooth()` using method = 'loess' and formula 'y ~ x'