1. load library

library(tidyverse)

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.6
## ✔ forcats   1.0.1     ✔ stringr   1.6.0
## ✔ ggplot2   4.0.1     ✔ tibble    3.3.0
## ✔ lubridate 1.9.4     ✔ tidyr     1.3.1
## ✔ purrr     1.2.0     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

2. read file

kratin <- read_csv("kratin.csv")

## Rows: 32 Columns: 5
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (2): species, province
## dbl (3): Girth, Height, Volume
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

kratin

## # A tibble: 32 × 5
##    Girth Height Volume species province  
##    <dbl>  <dbl>  <dbl> <chr>   <chr>     
##  1   8.3     70   10.3 Narong  Chiang Mai
##  2   8.6     65   10.3 Narong  Chiang Mai
##  3   8.8     63   10.2 Narong  Chiang Mai
##  4  10.5     72   16.4 Narong  Chiang Mai
##  5  10.7     81   18.8 Narong  Chiang Mai
##  6  10.8     83   19.7 Narong  Chiang Mai
##  7  11       66   15.6 Narong  Chiang Mai
##  8  11       75   18.2 Narong  Chiang Mai
##  9  11.1     80   22.6 Narong  Lamphun   
## 10  11.2     75   19.9 Narong  Lamphun   
## # ℹ 22 more rows

3. Make First Graph - Scatter Plot

กราฟจุด (scatter plot) เหมาะกับการแสดงความสัมพันธ์ของข้อมูลที่เป็นตัวแปรต่อเนื่อง (continuous) 2 ตัว เช่นความสัมพันธ์ระหว่างความโต (girth) กับ ปริมาตร (volume) ของต้นไม้

ในโค้ดด้านล่าง

บรรทัดที่ 1: ชื่อ object ของข้อมูลเรา ตามด้วย %>% เพื่อส่งต่อข้อมูล
บรรทัดที่ 2: เราจะกำหนดตัวแปรที่อยู่ในแกน x, y ในวงเล็บของ aes() ที่อยู่ใน function ggplot() อีกทีหนึ่ง และตามด้วยเครื่องหมาย + เพื่อเพิ่ม layer ถัดไป
บรรทัดที่ 3: geom_point() เป็นการกำหนดว่าเราจะวาดอะไร ในกรณีนี้ เราจะวาด “จุด” (point)

kratin %>% 
  ggplot(aes(x = Girth, y = Volume)) +
  geom_point()

3.1 Adjust aesthetic : overall look

หากเราต้องการปรับ “ทุกจุด” ให้มีหน้าตาแบบเดียวกันทั้งหมดให้ใส่รายละเอียด (argument) เข้าไปในวงเล็บของ geom_point() จะเป็นการปรับลุคทั้งหมดของทุกจุด ตัวอย่างของ argument เช่น

color = เป็นการระบุสี
size = ขนาดของจุด
alpha = ความทึบแสง (0 = ใสเลย -> 1 = ทึบสุด)

kratin %>% 
  ggplot(aes(x = Girth, y = Volume)) +
  geom_point(color = "blue", size = 3, alpha = 0.1)

3.2 Adjust aesthetic : according to data

แต่เราต้องการให้แต่ละจุด แตกต่างกันตามข้อมูลในตาราง เราจะใส่ argument (เช่น color = ในวงเล็บของ aes())

kratin %>% 
  ggplot(aes(x = Girth, y = Volume, color = species)) +
  geom_point()

3.2 Adjust aesthetic : customize color

ในกรณีที่เรากำหนดสีให้แตกต่างกันใน aes() ไปแล้ว เราสามารถกำหนดชื่อสีเองได้โดยเพิ่ม layer เข้าไปใช้ function scale_color_manual()

kratin %>% 
  ggplot(aes(x = Girth, y = Volume, color = species)) +
  geom_point() +
  scale_color_manual(values = c("blue","orange"))

Challenge 1

วาดกราฟที่แสดงว่า Volume เพิ่มตาม Height (x = Height, y = Volume) และแต่ละจุดเปลี่ยนสีตามจังหวัด และปรับขนาดจุดให้อ่านง่ายขึ้น

4. Boxplot

หากเรามีตัวแปรต้น (แกน x / สิ่งที่เราคิดว่าเป็นตัวที่ทำให้ต่าง) เป็นข้อมูลแบบ discrete (แบบกลุ่ม ๆ) และตัวแปรตาม (แกน y / สิ่งที่เราวัดเพื่อดูว่าต่างกันไหม) เป็นตัวแปรต่อเนื่อง (continuous) เรามักจะวาด “boxplot” หรือ “box-and-whisker plot” ที่หน้าตาประมาณนี้

kratin %>% 
  ggplot(aes(x = species, y = Girth)) +
  geom_boxplot()

ตรงกลางกล่องคือค่ามัธยฐาน (ค่ากลาง) ขอบกล่องจะเป็น Quartile 1 และ Quartile 3 (25% และ 75%) ของข้อมูล ส่วน หนวด (whisker) จะเป็นขอบของกล่อง - หรือ + ด้วย 1.5 x IQR (Interquantile range) ซึ่งเป็นช่วงที่กว้างพอที่ ควร จะครอบคลุมค่าทั้งหมดในกลุ่มนั้น ถ้าข้อมูลมีการกระจายที่ไม่ประหลาดมาก แต่ถ้ามีข้อมูลนอกเหนือช่วงนี้ จะแสดงเป็นจุดด้านนอก ที่เราเรียกว่า outliers

4.1 Adjust Aesthetics: Overall

วิธีการปรับสีของกราฟ เหมือนกันของกราฟจุดด้านบนเลย แต่ boxplot ต่างนิดนึงตรงที่ว่า

color = เป็นสีขอบของกล่อง
fill = เป็นสีที่อยู่ในกล่องอีกที

kratin %>% 
  ggplot(aes(x = species, y = Girth)) +
  geom_boxplot(color = "red", fill = "grey")

4.2 Adjust Aesthetics: according to data

ถ้าปรับตามข้อมูลในตารางก็ไปใส่ใน aes() เช่นเดิม

kratin %>% 
  ggplot(aes(x = species, y = Girth, fill = species)) +
  geom_boxplot()

4.3 Adjust Aesthetics: customize colors

ยังสามารถเลือกสีในกล่องได้เหมือนเดิม แต่คราวนี้จะต้องใข้ scale_fill_manual() แทนครับ

kratin %>% 
  ggplot(aes(x = species, y = Girth, fill = species)) +
  geom_boxplot() +
  scale_fill_manual(values = c("#331B3F", "#ACC7B4"))

Challenge 2

วาดกราฟเปรียบเทียบ ความสูง (Height) ระหว่าง 2 จังหวัด (province) ให้ปรับสีให้สวยงามด้วย

5. More controls on graphs

5.1 Labels

kratin %>% 
  ggplot(aes(x = Girth, y = Volume)) +
  geom_point() +
  labs(title = "Kratin Tree Character", x = "Girth (cm)", y = "Volume (cubic m)")

5.2 Themes

theme_xx เป็นการกำหนด look โดยรวมของกราฟ และปรับขนาดฟ้อนต์โดยรวมผ่าน argument base_size =โดยสามารถเลือก theme ต่าง ๆ ได้ตามนี้ https://ggplot2.tidyverse.org/reference/ggtheme.html

kratin %>% 
  ggplot(aes(x = Girth, y = Volume)) +
  geom_point() +
  theme_bw(base_size = 15)

5.3 Facets

หากเราต้องการวาดกราฟเดียวกัน แต่สำหรับหลาย ๆ ปัจจัย เช่น ทั้ง 2 จังหวัดพร้อม ๆ กัน เราสามารถใช้ facet_grid() เพื่อแบ่งกราฟเป็นย่อย ๆ (facet) ตามสั่งได้

kratin %>% 
  ggplot(aes(x = Girth, y = Volume)) +
  geom_point() +
  facet_grid(~ province)

ด้วยความเป็นทุกอย่างซ้อนกันเป็นชั้น ๆ (layer) เราสามารถนำทุกอย่างที่เรียนมา มารวมกันได้เลย

kratin %>% 
  ggplot(aes(x = Girth, y = Volume)) +
  geom_point() +
  labs(title = "Kratin Tree Character", x = "Girth (cm)", y = "Volume (cubic m)") +
  facet_grid(~ province) +
  theme_bw(base_size = 15)

Challenge 3

วาดกราฟความสัมพันธ์ระหว่าง Height กับ Girth โดยแบ่งกราฟย่อยเป็นของแต่ละชนิด (species)

Visualization Demo

YOUR NAME