Wykresy zmiennej ilościowej

dane %>%
  filter(Languages=="Polish") %>%
ggplot(aes(x = IMDb.Score)) +
  geom_histogram(
    aes(fill = Series.or.Movie)
    ,bins = 10
    ,color = 'black'
  ) +
  labs(title = 'Polskie filmy i seriale')

ggplot(dane, aes(x=IMDb.Score, fill=Series.or.Movie)) +
  geom_density(alpha=.25) +
  labs(title = 'Gęstość rozkładu ocen') 

Wykresy zmiennej jakościowej

dane %>%
  filter(Runtime != '') %>%
  ggplot(aes(Runtime)) +
  geom_bar(aes(fill = Runtime))+
  scale_x_discrete(
    limits = c('< 30 minutes'
               ,'30-60 mins'
               ,'1-2 hour'
               ,'> 2 hrs')
    ,labels = function(x) str_wrap(x, width = 8)
  ) +
  theme(
    legend.position = 'none'
    ,axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1)
  ) +
  scale_fill_manual(values = brewer.pal(4, 'Accent'))

Wykresy dwóch zmiennych ilościowych

ggplot(dane, aes(x = IMDb.Score, y = IMDb.Votes)) +
  geom_point(aes(color = Series.or.Movie)) +
  geom_smooth(
    method = 'loess'
    ,se = FALSE
  ) +
  theme(legend.position = c(0.2, 0.8))

Wykresy dwóch zmiennych jakościowych

dane %>%
  filter(Runtime != '') %>%
  ggplot(aes(x = Series.or.Movie, y = Runtime)) +
  geom_jitter(aes(color = Runtime)) +
  theme(legend.position = 'none') +
  scale_y_discrete(
    limits = c('< 30 minutes'
               ,'30-60 mins'
               ,'1-2 hour'
               ,'> 2 hrs')
  ) +
  labs(x = '', y = '')

Wykresy zmiennej ilościowej vs zmiennej jakościowej

medians = dane %>%
  group_by(Series.or.Movie) %>%
  summarize(m = median(IMDb.Score, na.rm = TRUE))

ggplot(dane, aes(x = Series.or.Movie, y = IMDb.Score)) +
  geom_boxplot(
    aes(fill = Series.or.Movie)
    ,outlier.alpha = 0.25
  ) +
  geom_text(
    data = medians
    ,aes(x = Series.or.Movie, y = m, label = m)
    ,color = 'blue'
    ,hjust = 7
  ) +
  stat_boxplot(geom ='errorbar', position = 'dodge') +
  stat_summary(
    aes(ymax = ..y.., ymin = ..y..)
    ,fun = mean
    ,geom = 'errorbar'
    ,width = .75
    ,linetype = 'solid'
    ,position = 'dodge'
    ,color = 'white'
    ,size = 1
  ) +
  theme(legend.position = 'none')

Wykresy bąbelkowe

gatunki <- dane %>% 
  select(Genre) %>% 
  unlist() %>% 
  strsplit(',') %>%
  unlist() %>% 
  trimws() %>% 
  table() %>% 
  as.data.frame()

gatunki <- data.frame(
  Gatunek = gatunki$.
  ,`Count` = gatunki$Freq
  ,`IMDb Score Average` = NA
  ,`IMDb Votes Average` = NA
)

for (i in 1:nrow(gatunki)) {
  gatunki$IMDb.Score.Average[i] <- dane %>% 
    filter(str_detect(Genre, gatunki$Gatunek[i] %>%
                        as.character() %>% eval())) %>%
    select(IMDb.Score) %>% unlist() %>% mean(na.rm = TRUE)
  
  gatunki$IMDb.Votes.Average[i] <- dane %>% 
    filter(str_detect(Genre, gatunki$Gatunek[i] %>%
                        as.character() %>% eval())) %>%
    select(IMDb.Votes) %>% unlist() %>% mean(na.rm = TRUE)
}

ggplot(gatunki, aes(IMDb.Score.Average, IMDb.Votes.Average, label = Gatunek)) +
  geom_point(aes(color = Gatunek, size = Count)) +
  geom_text_repel() +
  theme(legend.position = '')

Kilka wykresów na jednym panelu

dane %>%
  filter(Runtime != '') %>%
  ggplot(aes(x = IMDb.Score)) +
  geom_histogram(
    aes(fill = Series.or.Movie)
    ,bins = 50
    ,color = 'black'
  ) +
  #facet_grid(.~ Series.or.Movie) +
  #facet_grid(Series.or.Movie ~ .) +
  # facet_grid(Runtime ~ Series.or.Movie, scales = 'free') +
  # facet_wrap(vars(Series.or.Movie), ncol = 2) +
  #facet_wrap(vars(Series.or.Movie), nrow = 2) +
  facet_wrap(vars(Series.or.Movie, Runtime), nrow = 2, scales = 'free') +
  theme(legend.position = 'none')

Zadanie domowe

Korzystając z paczki danych “germancredit” dotyczącą oceny kredytowej (creditability) wybranych klientów pewnego banku wykreśl zmienną ilościową (np. wysokość kredytu); zmienną jakościową (ryzyko); ilościową wg jakościowej (np. wiek wg ryzyka); 2 ilościowe (wiek wg wysokości kredytu) oraz wykres bąbelkowy wg własnego pomysłu + przedstaw kilka wykresów na 1 panelu.

Wykres 1 zmiennej ilościowej - wysokość kredytu

wysokosc_kredytu <- germancredit$credit.amount
germancredit %>%
  ggplot(aes(x=credit.amount)) +
    geom_histogram(aes(fill=credit.amount), bins=10, color="magenta") +
  labs(title="Wykres 1 zmiennej ilościowej - wysokość kredytu")

Wykres 1 zmiennej jakościowej - ryzyko

ryzyko <- germancredit$creditability
germancredit %>%
  ggplot(aes(x=creditability)) +
    geom_bar(aes(fill=creditability), color="black") +
    labs(title="Wykres 1 zmiennej jakościowej - ryzyko")

Wykres zmiennej ilościowej według jakościowej - wiek według ryzyka

germancredit %>%
  ggplot(aes(x=age.in.years)) +
  geom_density(aes(fill=creditability))+
  labs(title="Zmienna ilościowa według jakościowej - wiek wg ryzyka")

Wykres 2 zmiennych ilościowych - wiek według wysokości kredytu

germancredit %>%
  ggplot(aes(x=age.in.years, y=credit.amount)) +
  geom_point(aes(color=creditability), method= 'loess',se = FALSE) +
  labs(title="2 zmienne ilościowe - wiek według wysokości kredytu")

## Warning: Ignoring unknown parameters: method, se

Kilka wykresów na jednym panelu - wysokość kredytu wg zatrudnienia

job <- germancredit$job
germancredit %>%
  ggplot(aes(x=credit.amount)) +
  geom_density(aes(fill=job), bins=50) +
  facet_wrap(vars(job, ncol=2, nrow=2))

## Warning: Ignoring unknown parameters: bins

  labs(title="Kilka wykresów na jednym panelu - wysokość kredytu wg zatrudnienia")

## $title
## [1] "Kilka wykresów na jednym panelu - wysokość kredytu wg zatrudnienia"
## 
## attr(,"class")
## [1] "labels"

Wykres bąbelkowy według własnego pomysłu

#job / credit.amount / duration.in.month
job <- as.character(germancredit$job)

praca <- germancredit %>% 
  select(job) %>% 
  unlist() %>% 
  trimws() %>% 
  table() %>% 
  as.data.frame()

praca <- data.frame(
  praca = praca$.
  ,`Count` = praca$Freq
  ,`credit.amount.average` = NA
  ,`duration.in.month.average` = NA
)

for (i in 1:nrow(praca)) {
  praca$credit.amount.average[i] <- germancredit %>% 
    filter(str_detect(job, praca$praca[i] %>%
                        as.character() %>% eval())) %>%
    select(credit.amount) %>% unlist() %>% mean(na.rm = TRUE)
  
  praca$duration.in.month.average[i] <- germancredit %>% 
    filter(str_detect(job, praca$praca[i] %>%
                        as.character() %>% eval())) %>%
    select(duration.in.month) %>% unlist() %>% mean(na.rm = TRUE)
}

ggplot(praca, aes(duration.in.month.average, credit.amount.average, label=praca)) +
  geom_point(aes(color = praca, size = Count)) +
  geom_text_repel() +
  theme(legend.position = '') +
  labs(title = "Wykres bąbelkowy - wysokość kredytu, długość trwania na podstawie statusu zatrudnienia")