barplot basic
chanhyuk
2018년 11월 11일
Barplot(막대 그래프)
ggplot을 이용해 간단하게 막대그래프를 그리는 방법을 알아보겠습니다. 이 데이터는 회사의 부서별로 사람들이 회사에 대한 평가를 내린 데이터 셋 입니다. 우선 데이터에대한 탐색을 먼저 해보겠습니다.
setwd("C:\\Users\\chanb\\rpubs")
library(ggplot2)
library(sampling)
library(plyr)
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:plyr':
##
## arrange, count, desc, failwith, id, mutate, rename, summarise,
## summarize## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, uniondata<-read.csv("HR_comma_sep.csv")
str(data)## 'data.frame': 14999 obs. of 10 variables:
## $ satisfaction_level : num 0.38 0.8 0.11 0.72 0.37 0.41 0.1 0.92 0.89 0.42 ...
## $ last_evaluation : num 0.53 0.86 0.88 0.87 0.52 0.5 0.77 0.85 1 0.53 ...
## $ number_project : int 2 5 7 5 2 2 6 5 5 2 ...
## $ average_montly_hours : int 157 262 272 223 159 153 247 259 224 142 ...
## $ time_spend_company : int 3 6 4 5 3 3 4 5 5 3 ...
## $ Work_accident : int 0 0 0 0 0 0 0 0 0 0 ...
## $ left : int 1 1 1 1 1 1 1 1 1 1 ...
## $ promotion_last_5years: int 0 0 0 0 0 0 0 0 0 0 ...
## $ sales : Factor w/ 10 levels "accounting","hr",..: 8 8 8 8 8 8 8 8 8 8 ...
## $ salary : Factor w/ 3 levels "high","low","medium": 2 3 3 2 2 2 2 2 2 2 ...summary(data)## satisfaction_level last_evaluation number_project average_montly_hours
## Min. :0.0900 Min. :0.3600 Min. :2.000 Min. : 96.0
## 1st Qu.:0.4400 1st Qu.:0.5600 1st Qu.:3.000 1st Qu.:156.0
## Median :0.6400 Median :0.7200 Median :4.000 Median :200.0
## Mean :0.6128 Mean :0.7161 Mean :3.803 Mean :201.1
## 3rd Qu.:0.8200 3rd Qu.:0.8700 3rd Qu.:5.000 3rd Qu.:245.0
## Max. :1.0000 Max. :1.0000 Max. :7.000 Max. :310.0
##
## time_spend_company Work_accident left
## Min. : 2.000 Min. :0.0000 Min. :0.0000
## 1st Qu.: 3.000 1st Qu.:0.0000 1st Qu.:0.0000
## Median : 3.000 Median :0.0000 Median :0.0000
## Mean : 3.498 Mean :0.1446 Mean :0.2381
## 3rd Qu.: 4.000 3rd Qu.:0.0000 3rd Qu.:0.0000
## Max. :10.000 Max. :1.0000 Max. :1.0000
##
## promotion_last_5years sales salary
## Min. :0.00000 sales :4140 high :1237
## 1st Qu.:0.00000 technical :2720 low :7316
## Median :0.00000 support :2229 medium:6446
## Mean :0.02127 IT :1227
## 3rd Qu.:0.00000 product_mng: 902
## Max. :1.00000 marketing : 858
## (Other) :2923summary(data$time_spend_company)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 2.000 3.000 3.000 3.498 4.000 10.000table(data$sales)##
## accounting hr IT management marketing product_mng
## 767 739 1227 630 858 902
## RandD sales support technical
## 787 4140 2229 2720Sampling strata
부서별로 데이터 셋의 수가 다름을 알 수가 있습니다. 따라서 ’sales’변수에 10개의 명목형 변수가 있기에 500개씩 데이터를 층화추출 해보겠습니다.추출된 데이터의 id를 이용하여 새로운 데이터를 만들겠습니다.
set.seed(12345)
data.sample.index <- strata(data = data,
stratanames = "sales", # 층화로 사용되는 변수명,
size = rep(500,each=10), # 10개의 그룹에서 각각 10개
method = "srswor") # simple random sampling without replacement
data<-getdata(data,data.sample.index)우리는 부서별로 회사에서 한달동안 보내는 시간을 알고싶다.즉 제일 많이 일하는 부서를 알고싶다. 여기서 “stat=‘identity’”를 지정하는 이유를 알아야 합니다. geom_bar는 기본적으로 “stat=‘bin’”을 설정합니다. 이 뜻은 ’도수’를 기준으로 y축을 설정하겠다는 뜻입니다. “stat=‘identity’”를 설정하면 average_montly_hours의 ’값’을 이용하겠다는 뜻입니다.
ggplot(data,aes(x=sales,y=average_montly_hours))+geom_bar(stat="identity")
순서가 이쁘지 않아서 순서대로 정렬하겠습니다. 이 때 reorder함수를 이용합니다. 또한 데이터의 변수가 많아질때는 x축에 변수이름을 두기보다는 y축에 변수를 넣으면 변수명을 보기가 더 좋습니다. 이때는 ’coord_flip()’함수를 이용합니다.
graph<-ggplot(data,aes(x=reorder(sales,average_montly_hours),y=average_montly_hours))+geom_bar(stat="identity",aes(fill=sales))
graph
graph+coord_flip()
막대의 넓이도 바꿀 수가 있습니다. ’width’함수를 이용합니다.
ggplot(data,aes(x=reorder(sales,average_montly_hours),y=average_montly_hours,fill=sales))+
geom_bar(stat="identity",width=.5)
또한 보고싶은 부서만 볼 수 있습니다. 한달 평균 근무시간이 제일 많은 IT부서와 제일 적은 product_mng의 변수만 보겠습니다. ’scale_x_discrete()’함수를 이용합니다.
#Choose which items to display
ggplot(data,aes(x=reorder(sales,average_montly_hours),y=average_montly_hours,fill=sales))+
geom_bar(stat="identity",width=.5)+
scale_x_discrete(limits=c("IT","product_mng"))## Warning: Removed 4000 rows containing missing values (position_stack).
barplot with label
barplot에 label을 지정할때는 geom_text()함수를 이용합니다. 주로 빈도수를 표현할때 사용됩니다. position=position_stack(0.5) 각 막대 그래프에 중앙에 위치하게 정해줍니다. 0.9로 설정해주면 맨 위쪽에 설정되는 모습을 볼 수 있습니다.
ggplot(data,aes(x=factor(sales),fill=factor(salary)))+
geom_bar()+
geom_text(aes(label=..count..),stat="count",position=position_stack(0.5))
dodge옵션을 이용해 factor별로 따로 볼 수 있다. position=position_dodge(0.9)로 설정해줘야만 위치가 제대로 나타납니다.
ggplot(data,aes(x=factor(sales),fill=factor(salary)))+
geom_bar(position="dodge")
ggplot(data,aes(x=factor(sales),fill=factor(salary)))+
geom_bar(position="dodge")+
geom_text(aes(label=..count..),stat='count',position=position_dodge(0.9))
##Proportional stacked bar plot fill옵션을 이용해 비율을 이용해 구할 수 있다.
ggplot(data,aes(x=factor(sales),fill=factor(salary)))+
geom_bar(position="fill")
ggplot(data,aes(x=factor(sales),fill=factor(salary)))+
geom_bar(position="fill")+
geom_text(aes(label=..count..),stat='count',position=position_fill(vjust=0.5))
ggplot(data,aes(x=factor(sales),fill=factor(salary)))+
geom_bar(position="fill")+
geom_text(aes(label=scales::percent(..count../sum(..count..))),
stat='count',position=position_fill(vjust=0.5))
Barplot with errorbar
이번에는 회사에서 보내는 시간을 기준으로 pivot table을 만들어 보겠습니다.
df1=ddply(data,c("sales","salary"),summarise,mean=mean(time_spend_company),sd=sd(time_spend_company),n=length(time_spend_company),se=sd/sqrt(n))## Warning: package 'bindrcpp' was built under R version 3.4.1colnames(df1)[3]="time_spend_money"
df1## sales salary time_spend_money sd n se
## 1 accounting high 3.142857 1.3537919 42 0.20889463
## 2 accounting low 3.438017 1.1905057 242 0.07652861
## 3 accounting medium 3.671296 1.6391462 216 0.11152977
## 4 hr high 2.766667 0.7738544 30 0.14128583
## 5 hr low 3.226891 0.9802865 238 0.06354254
## 6 hr medium 3.508621 1.2552621 232 0.08241199
## 7 IT high 3.027778 0.9996031 36 0.16660052
## 8 IT low 3.425197 1.2288990 254 0.07710798
## 9 IT medium 3.500000 1.5256970 210 0.10528309
## 10 management high 4.942197 2.8908657 173 0.21978845
## 11 management low 3.481203 1.4491455 133 0.12565685
## 12 management medium 4.123711 2.0825340 194 0.14951723
## 13 marketing high 3.512821 1.6681505 39 0.26711786
## 14 marketing low 3.593220 1.5668768 236 0.10199499
## 15 marketing medium 3.564444 1.6384274 225 0.10922850
## 16 product_mng high 3.416667 1.5000000 36 0.25000000
## 17 product_mng low 3.311024 1.2580635 254 0.07893793
## 18 product_mng medium 3.380952 1.1971334 210 0.08261005
## 19 RandD high 3.406250 1.4560081 32 0.25738831
## 20 RandD low 3.354701 1.2661995 234 0.08277405
## 21 RandD medium 3.320513 1.1174802 234 0.07305197
## 22 sales high 3.714286 1.8875977 35 0.31906225
## 23 sales low 3.369478 1.3013765 249 0.08247138
## 24 sales medium 3.606481 1.6418239 216 0.11171197
## 25 support high 3.342857 1.6259451 35 0.27483488
## 26 support low 3.616279 1.4073344 258 0.08761681
## 27 support medium 3.371981 1.4686985 207 0.10208160
## 28 technical high 3.515152 1.4815788 33 0.25790977
## 29 technical low 3.478927 1.1720037 261 0.07254521
## 30 technical medium 3.490291 1.3497616 206 0.09404235p<-ggplot(df1,aes(x=sales,y=time_spend_money,fill=salary))
p+geom_bar(stat="identity")
p1=p+geom_bar(stat="identity",position="dodge")+
geom_errorbar(aes(ymin=time_spend_money-se,ymax=time_spend_money+se),
position="dodge",width=0.2)
p1
error의 위치가 이상해 position=position_dodge(0.9)을 이용 했습니다.
p2=p+geom_bar(stat="identity",position="dodge")+
geom_errorbar(aes(ymin=time_spend_money-se,ymax=time_spend_money+se), position=position_dodge(0.9),width=0.2)
p2
#Barplot with color 기본적으로 ’scale_fill_manual’함수를 이용하면 직접 색깔을 지정해야한다는 특징이 있고 ’scale_fill_brewer’을 이용하면 연속된 색깔로 알아서 지정해줍니다.
p2+scale_fill_brewer(palette="Paired") + theme_minimal()
p2+ labs(title="Barplot of time_spend_money",
x="Sales", y = "time_spend_money")+
scale_fill_manual(values=c('black','lightgray',"darkgray"))+
theme_classic()
# Greens
p2 + scale_fill_brewer(palette="Greens") + theme_minimal()
# Reds
p2 + scale_fill_brewer(palette="Reds") + theme_minimal()