2018년 11월 19일 강의과제
juyoung
2018년 11월 19일
##
## Attaching package: 'dplyr'## The following object is masked from 'package:MASS':
##
## select## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union## 이름 성별 키 몸무게 혈액형
## 1 일주영 남자 160 60 A
## 2 이주영 남자 170 70 A
## 3 삼주영 여자 180 80 B
## 4 사주영 남자 165 65 AB
## 5 오주영 여자 160 40 AB
## 6 육주영 여자 160 80 O
## 7 칠주영 여자 190 90 O
## 8 팔주영 여자 170 90 A
## 9 구주영 남자 160 50 B
## 10 십주영 남자 170 50 O
#————————————————– # 강의 과제(Assignment) 수행을 위한 실행 내용 #————————————————–
qplot과 ggplot의 레이어 구문 비교
1 : qplot과 ggplot
qplot(data = diamonds, x = carat, y = price, geom = “line”) ; ggplot(diamonds, aes(carat, price)) + geom_line();
2 : qplot(상대적으로 순서와 변수 명을 적시해야 함) ggplot
qplot(data = diamonds, x = carat, y = price, geom = c(“point”, “line”)) ; ggplot(diamonds, aes(carat, price)) + geom_line() + geom_point();
geom_point(color, shape(-8~25), size);
ggplot(diamonds, aes(carat, price)) + geom_line() + geom_point(col=“blue”, shape=-8, size=3);
scale_filee_brewer는 범주형 자료만 가능
ggplot(diamonds, aes(carat, price)) + geom_line() + geom_point(col=“grey”, shape=21, size=3)+scale_fill_brewer(palette=“Oranges”);
ggplot(iris, aes(Sepal.Width, Sepal.Length, fill=Species)) + geom_line(col=“red”) + geom_point(col=“grey”, shape=21, size=3)+scale_fill_brewer(palette=“Oranges”);
facet_grid(facet_wrap()) 사용
ggplot(iris, aes(Sepal.Width, Sepal.Length, fill=Species)) + geom_line(col=“red”) + geom_point(col=“grey”, shape=21, size=3)+scale_fill_brewer(palette=“Oranges”)+facet_wrap(Petal.Length~Species);
data Munging and Visualization : dplyr 패키지, MASS
install.packages(“MASS”); library(MASS); # Cars93 데이터 활용 library(dplyr); library(ggplot2); Cars93; str(Cars93);
Select columns of the dataframe
dplyr::select(mydata,mpg,cyl,wt) require(MASS) require(dplyr) mtcars %>% dplyr::select(mpg)
차량 유형 정보 확인
Cars93 %>% dplyr::select(Model, Type, Price, MPG.highway, Weight) Cars93 %>% filter(Type==“compact” | Type==“Large”)
mungdata <- Cars93 %>% dplyr::select(Model, Type, Price, MPG.highway, Weight) %>% filter(Type==“compact” | Type==“Large”)
변수의 변량에 따라서 크기를 달리하는 버블 차트 생성
ggplot(mungdata, aes(x=Weight, y=MPG.highway)) +geom_point(aes(size=Price), shape=21, color=“grey”, fill=“blue”, alpha=.5)
텍스트 정보 추가
ggplot(mungdata, aes(x=Weight, y=MPG.highway)) +geom_point(aes(size=Price), shape=21, color=“grey”, fill=“blue”, alpha=.5)+geom_text(aes(y=as.numeric(MPG.highway)-0.3), label=mungdata$Model, angle=45,size=4, color=“red”)
아래의 내용으로 저작
MASS::Cars93 활용
Cars93 데이터프레임의 열 설명
model :차량 모델
Type : 타입(small, Sporty, Compact, Midsize, Large, Van)
Min.Price : 최소가격(/$1,000) - 기본 사양
Max.Price : 최소가격(/$1,000) - 프리미엄 사양
1. 필요 패키지 및 로딩 : dplyr, ggplot2
2. 데이터 전처리 : Type, Model, Max.Price, Min.Price 변수 추출
2-1. dplyr::select 사용
d1 <- dplyr::select(Cars93, Type, Model, Max.Price, Min.Price) # 2-2. subset 사용 d1 <- subset(Cars93, select=c(“Type”, “Model”, “Max.Price”, “Min.Price”))
3. Type이 Large, Sporty, Van에 해당하는 자료만 추출
3-1. dplyr::filter 사용
d2 <- d1 %>% filter(Type==“Large” | Type == “Sporty” | Type==“Van”) # 3-1. subset 사용 d2 <- subset(d1, Type==“Large” | Type == “Sporty” | Type==“Van”)
4. 상위 6개 레코드 확인
head(d2);
5. ggplot 그리기(geom_point())
x축-최대가격, y축-모델, Type에 따른 모양 변화
ggplot(d2, aes(x=Max.Price, y=Model, shape=Type, color=Type))+geom_point(size=2)
6. y를 Max.Price 순으로 정렬 : reorder 사용
g1<- ggplot(d2, aes(x=Max.Price, y=reorder(Model, Max.Price), shape=Type, color=Type))+geom_point(size=3) g1;
7. 배경색 제거
g2 <- g1 + theme_bw(); g2;
8. x축 그리드(grid) 제거, y축 그리드(grid) 제거
g3 <-g2+ theme( panel.grid.major.x = element_blank(), panel.grid.minor.x = element_blank(), panel.grid.major.y = element_line(color=“grey”, linetype=“dashed”)) g3;
9. Type 별로 그리기 : facet_grid 사용
ggplot(d2, aes(x=Max.Price, y=reorder(Model, Max.Price), shape=Type, color=Type))+geom_point(size=3)+theme_bw()+theme( panel.grid.major.x = element_blank(), panel.grid.minor.x = element_blank())+facet_grid(Type~.)
10. Type 별로 구분된 모델별 Min.Price와 Max.Price 그리기
데이터 전처리 : 패키지 reshape2 사용
install.packages(“reshape2”); library(reshape2);
d2; md <- melt(d2, idvars=c(“Type, Model”)) Using Type, Model as id variables head(md);
11. 점까지만 선 그리기 : geom_segment() 사용
g1 <- ggplot(md, aes(x=value, y=reorder(Model, value))) + geom_segment(aes(yend=Model, xend=0)); g1;
12. Max, Min에 따라 모양 구분
g2 <- g1 + geom_point(size=3, aes(shape=variable)); g2;
13. Type 별로 그리기
13-1. 값이 없어도 y축의 모든 요소를 명기
g3 <- g2 + theme_bw() + theme( panel.grid.major.x = element_blank(), panel.grid.major.y = element_blank())+facet_grid(Type~.)+xlab(“Price($)”)+ylab(“Model”) g3;
13-2. 값이 없는 y축의 요소 제거
g3 <- g2 + theme_bw() + theme( panel.grid.major.x = element_blank(), panel.grid.major.y = element_blank())+facet_grid(Type~., scales=“free_y”, space=“free_y”)+xlab(“Price($)”)+ylab(“Model”) g3; #—————————————- # 14. 값에 따라 점의 크기가 변하는 그래프 버블 차트 생성 # MASS 데이터프레임 Cars93 활용 # dplyr 패키지의 전처리 함수 활용
14-1. 데이터프레임의 칼럼 선택 예시
예시
dplyr::select(mydata,mpg,cyl,wt) mtcars %>% dplyr::select(mpg)
14-2. Model, Type, Price, MPG.highway, Weight 필드 정보만 추출
Cars93 %>% dplyr::select(Model, Type, Price, MPG.highway, Weight)
14-3. Type이 compact나 Large인 차량 기종만 선별
Cars93 %>% filter(Type==“compact” | Type==“Large”)
14-4. 파이프 활용 결과를 변수 mungdata에 저장
mungdata <- Cars93 %>% dplyr::select(Model, Type, Price, MPG.highway, Weight) %>% filter(Type==“compact” | Type==“Large”)
14-5. 변수의 변량에 따라서 크기를 달리하는 버블 차트 생성
ggplot(mungdata, aes(x=Weight, y=MPG.highway)) +geom_point(aes(size=Price), shape=21, color=“grey”, fill=“blue”, alpha=.5)
14-6. 추가 텍스트 정보 삽입과 표기 형식 지정
ggplot(mungdata, aes(x=Weight, y=MPG.highway)) +geom_point(aes(size=Price), shape=21, color=“grey”, fill=“blue”, alpha=.5)+geom_text(aes(y=as.numeric(MPG.highway)-0.3), label=mungdata$Model, angle=45,size=4, color=“red”)
Assignment
입력 파일 man.csv 를 만들고 결과를 다음과 같은 차트를 생성 출력하시오.
입력 파일의 각 줄의 끝에 공백등이 포함될 경우 공백을 포함한 다른 변수로 취급하므로
입력 값 설정시 주의
1. man.csv를 읽어들여 변수 man 에 저장
man <- read.csv(“man.csv”, head = TRUE); man ;
man_gg <- ggplot(man, aes(x=몸무게, y=키, color=성별, shape=성별))+geom_point(size=7)+theme(text=element_text(size=20)); man_gg ;
man_gg_1 <- ggplot(man, aes(x=몸무게, y=키)) +geom_point(aes(color=성별, shape=혈액형), size=7)+theme(text=element_text(size=20)); man_gg_1 ;
man_gg_2 <- ggplot(man, aes(x=몸무게, y=키)) +geom_point(aes(color=성별, shape=혈액형), size=7)+theme(text=element_text(size=20))+ geom_text(aes(label=이름), vjust=1.1, color=“blue”, size=5)+theme_dark() man_gg_2 ;
## 이름 성별 키 몸무게 혈액형
## 1 일주영 남자 160 60 A
## 2 이주영 남자 170 70 A
## 3 삼주영 여자 180 80 B
## 4 사주영 남자 165 65 AB
## 5 오주영 여자 160 40 AB
## 6 육주영 여자 160 80 O
## 7 칠주영 여자 190 90 O
## 8 팔주영 여자 170 90 A
## 9 구주영 남자 160 50 B
## 10 십주영 남자 170 50 O
