Data Visualization (GSO, Part 2)
Nguyen Chi Dung
#---------------------------
# Bar Graph
#---------------------------
library(tidyverse)
library(magrittr)
flights <- read_csv("D:/GSO_R_Course/data_for_visualization/flights_revised.csv")
# Số chuyến bay của các hãng:
firm_number_flights <- flights %>%
group_by(carrier) %>%
count()
firm_number_flights <- flights %>%
group_by(carrier) %>%
count()
# Đặt một theme cố định:
theme_set(theme_minimal())
# Vẽ đơn giản:
firm_number_flights %>%
ggplot(aes(carrier, n)) +
geom_col()
# Hoặc sử dụng geom_bar():
firm_number_flights %>%
ggplot(aes(carrier, n)) +
geom_bar(stat = "identity")
# sắp xếp lại (cách 1):
firm_number_flights %>%
ggplot(aes(reorder(carrier, n), n)) +
geom_col()
# Cách 2:
firm_number_flights_ordered <- firm_number_flights %>%
ungroup() %>%
arrange(n) %>%
mutate(carrier = factor(carrier, levels = carrier))
firm_number_flights_ordered %>%
ggplot(aes(carrier, n)) +
geom_col()
# Hoặc một kiểu khác:
firm_number_flights %>%
ggplot(aes(reorder(carrier, -n), n)) +
geom_col()
# Sử dụng chuỗi toán tử pipe:
flights %>%
group_by(carrier) %>%
count() %>%
ggplot(aes(reorder(carrier, -n), n)) +
geom_col()
# 7 hãng hàng không lớn nhất:
flights %>%
filter(carrier %in% c("UA", "B6", "EV", "DL", "AA", "MQ", "US")) %>%
group_by(carrier) %>%
count() %>%
ggplot(aes(reorder(carrier, -n), n)) +
geom_col()
# Hiển thị các con số:
flights %>%
filter(carrier %in% c("UA", "B6", "EV", "DL", "AA", "MQ", "US")) %>%
group_by(carrier) %>%
count() %>%
ggplot(aes(reorder(carrier, -n), n)) +
geom_col(width = 0.7) +
geom_text(aes(label = n), vjust = 1.4, color = "white", size = 4) +
labs(x = NULL, y = "Number of Flights",
title = "Number of Flights by some U.S Largest Airlines in 2013",
caption = "Data Source: https://www.faa.gov/") ->> p1
p1
# Xoay nghiêng:
p1 + coord_flip()
# Hiệu chỉnh:
flights %>%
filter(carrier %in% c("UA", "B6", "EV", "DL", "AA", "MQ", "US")) %>%
group_by(carrier) %>%
count() %>%
ggplot(aes(reorder(carrier, n), n)) +
geom_col(width = 0.7) +
geom_text(aes(label = n), hjust = 1.2, color = "white", size = 5) +
labs(x = NULL, y = "Number of Flights",
title = "Number of Flights by some U.S Largest Airlines in 2013",
caption = "Data Source: https://www.faa.gov/") +
coord_flip() +
scale_y_continuous(breaks = seq(0, 60000, 10000))
# Hoặc kiểu khác:
flights %>%
filter(carrier %in% c("UA", "B6", "EV", "DL", "AA", "MQ", "US")) %>%
group_by(carrier) %>%
count() %>%
ggplot(aes(reorder(carrier, n), n, fill = carrier)) +
geom_col(width = 0.7, show.legend = FALSE) +
geom_text(aes(label = n), hjust = 1.2, color = "white", size = 5) +
labs(x = NULL, y = "Number of Flights",
title = "Number of Flights by some U.S Largest Airlines in 2013",
caption = "Data Source: https://www.faa.gov/") +
coord_flip() +
scale_y_continuous(breaks = seq(0, 60000, 10000)) ->> p2
p2
# Sử dụng theme của một số tạp chí nổi tiếng:
library(ggthemes)
p2 +
theme_economist(horizontal = FALSE)
p2 +
theme_economist(horizontal = FALSE) +
scale_fill_economist()
p2 +
theme_fivethirtyeight(base_size = 10)
# Làm nổi bật một hãng được chọn là AA:
flights %>%
filter(carrier %in% c("UA", "B6", "EV", "DL", "AA", "MQ", "US")) %>%
group_by(carrier) %>%
count() %>%
ungroup() %>%
arrange(n) %>%
mutate(carrier = factor(carrier, levels = carrier)) ->> df1
df1 %>%
ggplot() +
geom_bar(aes(carrier, n), fill = "#377eb8", stat = "identity", width = 0.7) +
geom_bar(data = df1 %>% filter(carrier == "AA"), aes(carrier, n),
fill = "#e41a1c", stat = "identity", width = 0.7) +
geom_text(data = df1 %>% filter(carrier == "AA"), aes(carrier, n, label = n),
hjust = 1.2, color = "white", size = 5) +
coord_flip() +
labs(x = NULL, y = "Number of Flights",
title = "Number of Flights by some U.S Largest Airlines in 2013",
caption = "Data Source: https://www.faa.gov/") +
coord_flip() +
scale_y_continuous(breaks = seq(0, 60000, 10000))
flights %>%
filter(carrier %in% c("UA", "B6", "EV", "DL", "AA", "MQ", "US")) %>%
group_by(carrier, origin) %>%
count() %>%
ungroup() ->> df2
df2 %>%
ggplot(aes(carrier, n, fill = origin)) +
geom_col()
# Vậy thì cải tiến như sau:
df2 %>%
rename(Airport = origin) %>%
ggplot(aes(carrier, n, fill = Airport)) +
geom_col()
df2 %>%
rename(Airport = origin) %>%
ggplot(aes(carrier, n, fill = Airport)) +
geom_col(position = "dodge")
df2 %>%
rename(Airport = origin) %>%
ggplot(aes(carrier, n, fill = Airport)) +
geom_col(position = "fill") +
coord_flip()
df2 %>%
mutate(Airport = case_when(origin != "JFK" ~ "Others",
TRUE ~ origin)) %>%
ggplot(aes(carrier, n, fill = Airport)) +
geom_col(position = "fill") +
coord_flip()
# Chú ý rằng:
df2 %>% spread(origin, n)
## # A tibble: 7 x 4
## carrier EWR JFK LGA
## <chr> <int> <int> <int>
## 1 AA 3487 13783 15459
## 2 B6 6557 42076 6002
## 3 DL 4342 20701 23067
## 4 EV 43939 1408 8826
## 5 MQ 2276 7193 16928
## 6 UA 46087 4534 8044
## 7 US 4405 2995 13136
# Tạo ra các cột biến mới:
df2 %>%
spread(origin, n) %>%
mutate(others = EWR + LGA,
total = others + JFK) %>%
mutate(jfk_per = JFK / total,
others_per = 1 - jfk_per) %>%
select(carrier, jfk_per, others_per) %>%
ungroup() %>%
arrange(jfk_per) %>%
mutate(carrier = factor(carrier, levels = carrier)) ->> df3
df3 %>%
ggplot() +
geom_segment(aes(x = 0, xend = jfk_per, y = carrier, yend = carrier),
size = 16, color = "#e41a1c") +
geom_segment(aes(x = jfk_per, xend = 1, y = carrier, yend = carrier),
size = 16, color = "#377eb8") ->> g1
g1
library(scales)
g1 + scale_x_continuous(labels = percent)
# Cải tiến đẹp hơn như sau:
df3 %>%
ggplot() +
geom_segment(aes(x = 0, xend = jfk_per, y = carrier, yend = carrier, color = "JFK"),
size = 16) +
geom_segment(aes(x = jfk_per, xend = 1, y = carrier, yend = carrier, color = "Others"),
size = 16)
df3 %>%
ggplot() +
geom_segment(aes(x = 0, xend = jfk_per, y = carrier, yend = carrier, color = "JFK"),
size = 16) +
geom_segment(aes(x = jfk_per, xend = 1, y = carrier, yend = carrier, color = "Others"),
size = 16) +
scale_color_manual(values = c('#e41a1c', '#377eb8'), name = "Airport")
# Hiệu chỉnh kích thước (tham khảo: https://stat.ethz.ch/pipermail/r-help/2014-March/367232.html):
df3 %>%
ggplot() +
geom_segment(aes(x = 0, xend = jfk_per, y = carrier, yend = carrier, color = "JFK"),
size = 12) +
geom_segment(aes(x = jfk_per, xend = 1, y = carrier, yend = carrier, color = "Others"),
size = 12) +
scale_color_manual(values = c('#e41a1c', '#377eb8'), name = "Airport") +
theme(legend.title = element_text(face = "bold")) +
scale_x_continuous(labels = percent) +
labs(x = NULL, y = NULL,
title = "Rate of Use by Some U.S Largest Airlines in 2013 for JFK Airport",
caption = "Data Source: https://www.faa.gov/")
#---------------------------------------
# Bổ sung Error Bar
#---------------------------------------
# Trước hết tính mean, stadard deviation:
iris_summary <- iris %>%
group_by(Species) %>%
summarise(mean_PL = mean(Petal.Length),
sd_PL = sd(Petal.Length))
# Rồi vẽ:
iris_summary %>%
ggplot(aes(Species, mean_PL)) +
geom_col(width = 0.7) +
geom_errorbar(aes(ymin = mean_PL - sd_PL, ymax = mean_PL + sd_PL), width = 0.15)
# Vẽ kiểu khác:
iris_summary %>%
ggplot(aes(Species, mean_PL)) +
geom_col(width = 0.6, color = "blue", fill = "blue", alpha = 0.3, size = 1) +
geom_errorbar(aes(ymin = mean_PL - sd_PL, ymax = mean_PL + sd_PL), width = 0.15)
# Dưới đây chúng ta sẽ hình ảnh hóa mức lương trung bình của
# từng khu vực địa lí theo hai nhóm chủng tộc chính ở Hoa Kì
# đồng thời thể hiện error bar. Trước hết ta sử dụng bộ
# dữ liệu CPS1988 từ gói AER. Chú ý rằng không như tình huống
# mà chúng ta vừa nghiên cứu, ở đây chúng ta đang muốn biểu
# diễn mức lương trung bình theo đồng thời cả hai yếu tố
# định tính là: (1) khu vực, và (2) chủng tộc:
library("AER")
data("CPS1988")
# Tính toán mức lương trung bình cùng độ lệch chuẩn đồng
# thời tính error bar cộng trừ độ lệch chuẩn so với
# giá trị trung bình:
CPS1988 %>%
group_by(region, ethnicity) %>%
summarise(tb = mean(wage),
lc = sd(wage)) %>%
mutate(up = tb + lc, lo = tb - lc) ->> my_df
# Vẽ phác thảo và thấy cái hình chưa được như ý muốn:
my_df %>%
ggplot(aes(region, tb, fill = ethnicity)) +
geom_col(position = "dodge") +
geom_errorbar(aes(ymin = lo, ymax = up), position = "dodge", width = 0.25)
# Hiệu chỉnh lại như sau:
dodge <- position_dodge(width = 0.9)
my_df %>%
ggplot(aes(region, tb, fill = ethnicity)) +
geom_col(position = dodge, alpha = 0.6) +
geom_errorbar(aes(ymin = lo, ymax = up), position = dodge,
width = 0.25, color = "gray20") ->> p
p
# Hoặc một kiểu khác:
p +
scale_fill_manual(values = c("#999999", "#E69F00")) +
labs(x = NULL, y = NULL,
title = "Mean Wage by US Region and Race with Error Bar",
caption = "Data Source: Determinants of Wages Data (CPS 1988)")
# Hoặc một kiểu khác nữa:
my_df %>%
ggplot(aes(region, tb, fill = ethnicity, color = ethnicity)) +
geom_col(position = dodge, alpha = 0.4, color = "grey50", size = 1) +
geom_errorbar(aes(ymin = lo, ymax = up), position = dodge, width = 0.15) ->> g
g
g +
scale_fill_manual(values = c("#999999", "#E69F00")) +
scale_color_manual(values = c("#999999", "#E69F00")) +
labs(x = NULL, y = NULL,
title = "Mean Wage by US Region and Race with Error Bar",
caption = "Data Source: Determinants of Wages Data (CPS 1988)")
g +
scale_color_brewer(type = "qual", palette = "Dark2") +
scale_fill_brewer(type = "qual", palette = "Dark2") +
labs(x = NULL, y = NULL,
title = "Mean Wage by US Region and Race with Error Bar",
caption = "Data Source: Determinants of Wages Data (CPS 1988)")
