slides-12 - ggplotyuval/teaching/R/slides... · 2020. 6. 5. · 15 40 60 80 1e+03 1e+04 1e+05 GDP...

2019/20, ף"תש' בסמסטר • 12חלק • R –מבוא לתכנות מדעי וסטטיסטי 1

12חלק • R –מבוא לתכנות מדעי וסטטיסטי

ggplot-גרפיקה ב

2019/20, ף"תש' בסמסטר • 12חלק • R –מבוא לתכנות מדעי וסטטיסטי 2

בסיסי R-גרפיקה ב

-ראינו והשתמשנו ב•

•plot

•hist

•boxplot

•barplot

…

גישה אחרת לגמרי –היום •

2019/20, ף"תש' בסמסטר • 12חלק • R –מבוא לתכנות מדעי וסטטיסטי

ggplot

3 2019/20, ף"תש' בסמסטר • 12חלק • R –מבוא לתכנות מדעי וסטטיסטי

ggplot

ggplot2נשתמש בחבילה •

2005-ב Hadley Wickhamי "נוצרה ע•

Lelandלגרפיקה שהמציא " דקדוק"מתבססת על •

Wilkinson

•ggplot = Grammar of Graphics Plot

Rאחת החבילות הפופולריות ביותר של •

4


ggplot

5

איכות

התוצאה

זמן

base R

ggplot


אלמנטים של גרפיקה

•data – הנתונים שרוצים להציג בתרשים

•aes – המיפוי האסתטי)aesthetic ( של המשתניםבנתונים לתכונות אסתטיות

)x(מיקום אופקי •

)y(מיקום אנכי •

צבע•

גודל•

6



•geoms – האובייקטים הגאומטריים שמייצגים את

הנתונים בתרשים

)points(נקודות •

)lines(קווים •

)bars(עמודות •

)polygons(מצולעים •



•stats – טרנספורמציות סטטיסטיות על הנתונים

היסטוגרמהחלוקה לקבוצות וספירת תצפיות בשביל •

סיכום מגמה באמצעות הוספת קו רגרסיה•

שכבה אחר , מוסיפים לתרשים את האלמנטים השונים•

שכבה

8


הנתונים

> library(ggplot2)

> gDat <- read.table(file="countries_data.txt", header=T,

sep="\t")

> head(gDat)

country year pop continent lifeExp gdpPercap

1 Afghanistan 1952 8425333 Asia 28.801 779.4453







דיאגרמת פיזור

> p <- ggplot(gDat, aes(x = gdpPercap, y = lifeExp))

> p + geom_point()

10

40

60

80

0 30000 60000 90000

gdpPercap

lifeE

xp


שמות לצירים

> p + geom_point() + labs(x="GDP Per Capita",

y="Life Expectancy")

11

40

60

80

0 30000 60000 90000

GDP Per Capita

Life E

xpecta

ncy


טרנספורמציות

"מלוכלכת"טרנספורמציה לוגריתמית •> ggplot(gDat, aes(x = log10(gdpPercap),

y = lifeExp)) + geom_point()

12

40

60

80

3 4 5

log10(gdpPercap)

lifeE

xp



עדיף ככה•> p + geom_point() + scale_x_log10()

13

40

60

80

1e+03 1e+04 1e+05

gdpPercap

lifeE

xp



נקבע את השינויים האחרונים•> p <- p + scale_x_log10() +

labs(x="GDP Per Capita", y="Life Expectancy")

להוסיף בשלבים את הפקודות שרוצים : כך מקובל לעבוד•

"לשמור"

14


חלוקה לקבוצות

> p + geom_point(aes(color = continent))

15

40

60

80

1e+03 1e+04 1e+05

GDP Per Capita

Life

Expecta

ncy

continent

Africa

Americas

Asia

Europe

Oceania



> p + geom_point(aes(color = continent)) +

scale_color_manual(values =

c("red", "blue", "green", "black", "yellow"))

16

40

60

80

1e+03 1e+04 1e+05

GDP Per Capita

Life

Expecta

ncy

continent

Africa

Americas

Asia

Europe

Oceania



> vals <- c("#FF0000", "#00FF00", "#0000FF",

"#FF90C0", "#CC6600")

> p + geom_point(aes(color = continent)) +

scale_color_manual(values = vals)

17

40

60

80

1e+03 1e+04 1e+05

GDP Per Capita

Life

Expecta

ncy

continent

Africa

Americas

Asia

Europe

Oceania


Overplotting-פתרונות ל

> p + geom_point(alpha = 0.3, size = 2)

18


Overplotting-פתרונות ל

> p + geom_bin2d()


החלקה

> p + geom_point() + geom_smooth()

20


החלקה

> p + geom_point() + geom_smooth(lwd = 1.5,

se = FALSE)

21

40

60

80

1e+03 1e+04 1e+05

GDP Per Capita

Life

Expecta

ncy


קו רגרסיה

> p + geom_point() + geom_smooth(lwd = 1.5,

se = FALSE, method = "lm")

22

40

60

80

1e+03 1e+04 1e+05

GDP Per Capita

Life

Expecta

ncy


החלקה

> p + aes(color = continent) + geom_point() +

geom_smooth(lwd = 1.5, se = FALSE)

23

40

60

80

1e+03 1e+04 1e+05

GDP Per Capita

Life

Expecta

ncy

continent

Africa

Americas

Asia

Europe

Oceania


Faceting

> p + geom_point(alpha = 0.3) +

facet_wrap(~ continent)

24


Faceting

> p + geom_point(alpha = 0.3) +

facet_wrap(~ continent) + geom_smooth(se = FALSE)


תרגיל

שרטטו את תוחלת החיים כפונקציה של השנה לכל •

המדינות

דיאגרמת פיזור רגילה•

•faceting לפי יבשת

facetingבלי קו רגרסיה לינארית עם החלקה ועם •

facetingעם החלקה עם •

עם קווים שמחברים בין הנקודות של כל מדינה לאורך השנים•

26


Subsetting

•ggplot היטב יחד עם עובדתdplyr> library(dplyr)

> gDat %>% filter(country == "Italy") %>%

ggplot(aes(x=year, y=lifeExp)) + geom_line() + geom_point()

27

70

75

80

1950 1960 1970 1980 1990 2000

year

lifeE

xp


Subsetting

> jCountries <- c("Canada", "Rwanda", "Cambodia")

> gDat %>% filter(country %in% jCountries) %>%

ggplot(aes(x=year, y=lifeExp, color = country)) +

geom_line() + geom_point()

28

40

60

80

1950 1960 1970 1980 1990 2000

year

lifeE

xp

country

Cambodia

Canada

Rwanda


היסטוגרמה

> ggplot(subset(gDat, continent == "Europe"),

aes(lifeExp)) + geom_histogram()

29

0

10

20

30

40

50

50 60 70 80

lifeExp

count


reorderהפונקציה

> diets

name diet change

1 Jill A 1.3

2 Jack C -3.9

3 Tiffany B -6.1

4 Sarah B 1.2

5 Stan A -0.8

6 Terry B -2.0

7 Jeff C -4.4

8 Dave C -2.8

> diets$diet

[1] A C B B A B C C

Levels: A B C

30


reorderהפונקציה

> reorder(diets$diet, diets$change, mean)

[1] A C B B A B C C

attr(,"scores")

A B C

0.25 -2.30 -3.70

Levels: C B A

> reorder(diets$diet, diets$change, min)

[1] A C B B A B C C

attr(,"scores")

A B C

-0.8 -6.1 -4.4

Levels: B C A


Stripplots

:לא כל כך טוב•> ggplot(gDat, aes(x = continent, y = lifeExp)) +

geom_point()

32


Stripplots

:עדיף ככה•> ggplot(gDat, aes(x = continent, y = lifeExp)) +

geom_jitter()


Stripplots

> ggplot(gDat, aes(x = continent, y = lifeExp)) +

geom_jitter(position = position_jitter(width=0.4,

height=0), alpha=0.25)

34


Stripplots


geom_jitter(position = position_jitter(width=0.4),

alpha=0.25) +

stat_summary(fun.y=median, color="red",

geom="point", size=5)


Stripplots

איך משנים את התרשים הקודם כך שסדר : תרגיל•

?יהיה לפי חציון עולה stripplots-ה

36


Boxplots


geom_boxplot()

37

40

60

80

Africa Americas Asia Europe Oceania

continent

lifeE

xp


Boxplots


geom_boxplot(outlier.colour = "hotpink") +

geom_jitter(position = position_jitter(width=0.4,

height=0), alpha=0.25)

38


Bar charts

> ggplot(gDat, aes(x = continent)) + geom_bar()

39

0

200

400

600

Africa Americas Asia Europe Oceania

continent

count


Bar charts

> ggplot(gDat, aes(x = reorder(continent, continent,

length))) + geom_bar() + labs(x = "continent")

40

0

200

400

600

Oceania Americas Europe Asia Africa

continent

count


Bar charts

> ggplot(gDat, aes(x = continent)) +

geom_bar(width=0.2) + coord_flip()

41

Africa

Americas

Asia

Europe

Oceania

0 200 400 600

count

continent


Bar charts

שברירת המחדל שלו , statיש ארגומנט geom_bar-ל•

“count"היא

לכן הגובה של כל עמודה הוא מספר המדינות בכל יבשת•

?איך משרטטים עמודות בגבהים נתונים•

נניח שנתונה מסגרת הנתונים הבאה•> cars

maker sold

1 Toyota 512

2 Audi 126

3 Honda 313

4 Fiat 88

42


Bar charts

> ggplot(cars, aes(x = maker, y = sold)) +

geom_bar(stat = "identity")

43

0

100

200

300

400

500

Audi Fiat Honda Toyota

maker

sold


הוספת כותרת

> p <- ggplot(gDat, aes(x = gdpPercap, y = lifeExp))

+ scale_x_log10() + aes(color = continent)

+ geom_point() + labs(x="GDP Per Capita", y="Life

Expectancy")

> p + ggtitle("Life expectancy vs. GDP by continent")

44

40

60

80

1e+03 1e+04 1e+05

GDP Per Capita

Life E

xpecta

ncy

continent

Africa

Americas

Asia

Europe

Oceania

Life expectancy vs. GDP by continent


Themes

ויזואלי" סגנון"כל הגרפים שראינו עד עכשיו היו באותו •

ggthemesיש מבחר של סגנונות אחרים בספריה •

נטען את הספריה•> library(ggthemes)


Themes

> p + theme_economist() +

ggtitle("Life Exp. vs GDP, theme = economist")

46

40

60

80

1e+03 1e+04 1e+05

gdpPercap

life

Exp

continent Africa Americas Asia Europe Oceania

Life Exp. vs GDP, theme = economist


Themes

> p + theme_wsj() + ggtitle("Theme = WSJ")

47

40

60

80

1e+03 1e+04 1e+05

continent Africa Americas Asia Europe Oceania

Theme = WSJ

slides-12 - ggplotyuval/teaching/R/slides... · 2020. 6. 5. · 15 40 60 80 1e+03 1e+04 1e+05 GDP...

Documents

Transcript of slides-12 - ggplotyuval/teaching/R/slides... · 2020. 6. 5. · 15 40 60 80 1e+03 1e+04 1e+05 GDP...