R (프로그래밍 언어) ggplot2 #

Find similar titles

총 26회 업데이트 됨.

Edit

최초 작성자
Dongsoo 2017-04-25 07:36:24
최근 업데이트
lca 2017-07-31 10:45:44

ggplot2 #

R graphics #

R은 통계프로그램일 뿐만 아니라 그래픽도구로서의 역할도 한다. 기본적인 2차원 scatter plot 부터, bar plot, line plot, box plot을 간단한 코드를 이용해 그릴 수 있다. 나아가 3차원으로 표현하거나 pie chart, heatmap, dendrogram 등 가능한 모든 데이터 표현방식을 지원한다고 해도 과언이 아니다. 그 중에서도 색(color), 크기(size), 글씨체(font)를 customize 하는데 있어 다양한 패키지를 제공한다. 그 중 하나가 ggplot2 패키지 이다. 이 글에서는 ggplot2 패키지를 이용한 plotting의 기초로 산포도 그래프(scatter plot), 주상도표(histogram)와 밀도그래프(density) 그리고 박스플롯(box plot)을 그려보겠다.

ggplot 데이터 구조 #

우선 ggplot 그래프의 기본이 되는 입력데이터의 구조는 다음과 같다.

MarkDown

기본적으로 plot을 그리기 위해서는 변인(variable)과 값(value)이 필요하다. 하나의 변인은 둘 이상의 값을 갖는다. 위의 그림을 예로 든다면 위 표에서 성별(sex)을 변인으로 보았을 때 일(day) 별 길이(length)가 값이 될 수 있다.

물론 예외적으로 list와 같은 object 형태의 데이터를 받는 경우가 있지만 이 글에서는 일반적인 테이블구조의 데이터를 이용하도록 하겠다.

ggplot의 설치 #

Installation

install.packages('ggplot2')

or

source('http://bioconductor.org/biocLite.R')
biocLite()
biocLite('ggplot2')

import library

library(ggplot2)

ggplot을 이용한 plotting의 기초 #

ggplot2는 ggplot() 혹은 qplot() 함수를 기본으로 하여 사용자가 원하는 그래프, 글씨의 크기 등을 조정하거나 추가하는 방식이다. 사용함수는 아래와 같다.

1. ggplot()

ggplot(...) + plot의 종류(eg. box plot, bar plot, scatter plot 등)<BR>

2. qplot()

qplot(..., geom = c(plot의 종류))<BR>

산포도 그래프(Scatter plot) #

산포도 그래프는 두 변수간(x, y, eg. 키-몸무게)간 상관성(correlation)을 보는 것을 목적으로한다. 아래의 예는 가장 기본적인 산포도 그래프(scatter plot)이다.

p = ggplot(mtcars, aes(x = mpg, y = wt))
p + geom_point()
또는
qplot(x = mpg, y = wt, data = mtcars)

산포도 그래프는 기본적으로 변수 x 와 y로 그려진다. ggplot()의 경우 aes(aesthetic)함수 안에 x, y에 해당하는 컬럼의 이름을 넣어준다. 아래의 명령어는 산포도 그래프의 활용 예시 이다.

산포도 그래프의 활용 #

점의 색을 빨강색으로
```
p + geom_point(color = 'red')
```

점의 색을 gear에 따라 달리

p + geom_point(aes(color = factor(gear)))

점과 점을 잇는 선으로 표현
```
p + geom_line()
```

선의 색을 gear에 따라서

p + geom_line(aes(color = factor(gear)))

주상도표(Histogram)와 밀도(Density)그래프 #

주상도표와 밀도그래프는 인자값의 분포(distribution)를 본다는 점에서 통계 검정법의 선정을 위한 근거자료로 사용할 수 있다. 또한 특정 인자의 값이 집단 별 분포의 차이를 보기위해서도 사용할 수 있다.

주상도표

    p = ggplot(mtcars, aes(mpg))
    p + geom_histogram()
    또는 
    qplot(x = mpg, data = mtcars, geom = 'histogram')

밀도 그래프

    p + geom_density()
    또는 
    qplot(x = mpg, data = mtcars, geom = 'density')

주상도표 그래프와 밀도 그래프의 활용 #

각 막대를 빨간색으로 채우려할 때

p + geom_histogram(fill = 'red')
p + geom_density(fill = 'red')

막대의 태두리를 빨간색으로

p + geom_histogram(colour = 'red')
p + geom_density(colour = 'red')

gear 별 분포(gear 별로 색을 달리)

p + geom_histogram(aes(fill = factor(gear), group = factor(gear)), position = 'dodge')
p + geom_density(aes(fill = factor(gear), group = factor(gear)), position = 'dodge')

박스플롯(Box plot) #

MarkDown <http://cfile4.uf.tistory.com>

박스플롯을 기본적으로 인자 값의 분포를 볼 수 있다는 점에서 주상도표 그래프, 밀도 그래프와 같다. 아웃라이어(outlier), 최대값(max), 최소값(min), 1,3분위수(qualtile), 중위값(median)을 볼 수 있다. 이를 통해 개체 혹은 집단 간 분포의 차이를 눈으로 확인하는데 이용할 수 있다.

    p = ggplot(mtcars, aes(x = factor(gear), y = mpg))
    p + geom_boxplot()

박스플롯의 활용 #

박스플롯을 빨간색으로 채우고 싶을 때
```
p + geom_boxplot(fill = 'red')
```
박스플롯의 색을 gear 별로 달리 하고 싶을 때
```
p + geom_boxplot(aes(fill = factor(gear)))
```

히트맵(Heatmap) #

히트맵은 정량적(quantitative) 혹은 정성적(qualitative) 데이터를 표현하는 대표적인 방법이다. 데이터의 값의 범위에 따라 색의 그라데이션을 달리함으로써 시료간 연관성을 직관적으로 확인할 수 있다.

MarkDown <https://learnr.wordpress.com/2010/01/26/ggplot2-quick-heatmap-plotting/>

    library(reshape2)

    melted = melt(data.matrix(mtcars))
    p = ggplot(melted, aes(Var1, Var2)) + geom_tile(aes(fill = value))

특히 microarray와 같은 다변수데이터의 가시화에 효과적이다. 하지만 다변수(또는 다변량)데이터의 경우 값의 범위 별 분포가 달라 색이 편중되는 경우가 있다. 위의 예가 그러하다.

히트맵의 활용 #

변수의 정규화(normalization)

scaled = scale(mtcars)
scaled_melted = melt(data.matrix(scaled))
p = ggplot(scaled, aes(Var1, Var2)) + geom_tile(aes(fill = value))

색 변경(대비색: 파랑-빨강)

p + scale_fill_gradient2(low = 'blue', mid = 'white', high = 'red')

색 변경(밝기)

p + scale_fill_gradient2(low = 'white', high = 'red')

x, y축의 변경
```
p + coord_flip()
```

히트맵 참고내용 #

히트맵의 앞서 설명처럼 집단 혹은 개체간 차이(difference), 양상(pattern)을 직관적으로 보고자 함이다. 전자의 경우 주로 이원적 집단(eg. 환자-일반인) 간 비교를 위함이기 때문에 색 역시 대비를 이루는 것이 좋다(eg. 빨강-파랑, 빨강-녹색). 후자의 경우 값의 변화를 보는 것이 목적이고 시계열(time course)데이터가 그 예이다. 이 때는 단일색의 밝기 변화를 통해 양상을 확인하는 것이 좋다.

추세선(Regression line) #

도식화에 있어 모든 값의 분포를 볼 수 있는 산포도를 앞서 살펴보았다. 이번에는 변인에 따른 값의 변화 추이를 도식화하는 방법으로써 추세선을 그리는 법을 적고자 한다.
추세선은 통계적으로 선형계수를 이용한 선형그래프 형태로 표현할 수 있으며 ggplot2에서는 geom_smooth() 라는 함수를 이용한다. 아래의 코드는 mpg에 따른 wt의 값에 대한 추세선을 그리는 것이다.

library(ggplot2)
p = ggplot(mtcars, aes(x = mpg, y = wt))
p + geom_point() +  geom_smooth()

추세선의 활용 #

추세선의 표준오차 제거

디폴트로 그릴 경우 위 그림같이 그려진다. 이때값의 수에 따라 자동으로 추세선 계산시 사용되는 방법이 결정된다. 위 그래프에서 회색선에 해당하는 영역은 표준오차를 나타낸다. 만약 표준오차를 표시하고 싫다면 아래와 같이 입력하면된다.

p + geom_point() + geom_smooth(se = F)

변인에 따른 추세선 분리

여기에 변인 gear를 추가하여 'gear'에 따른 'mpg'값에 대한 'wt'의 값의 추세선을 그려보자

p + geom_point() + geom_smooth(aes(color = factor(gear)))

회귀식 지정

도식화의 목적에 따라 추세선에 사용되는 회귀식의 변경도 가능하다. 현제 데이터의 경우 'loess'가 사용됐는데 'linear model'변경 하고 싶다면 아래같이 method 값을 설정해주면 된다.

p + geom_point() + geom_smooth(aes(color = factor(gear)), method = lm)

디폴트 값은 'method = auto' 즉 주어진 값의 수에 따라 자동으로 coefficient 값 계산 법을 결정해 주는 것이다.
여기서는 각각의 함수에 대해 다루지는 않겠다.

ggplot2에서는 아래 다섯가지의 regression method를 제공한다.

linear mode(lm)
generalized linear model(glm)
generalized additive model(gam)
robust linear model(rlm)
loess

회귀식 표시

다음은 추세선의 계수(r2)과 공식을 표시하는 방법이다.
공식을 계산하는 함수는 다음 소스에서 가져왔다.(http://goo.gl/K4yh)
먼저 아래 함수를 로딩시킨다.

lm_eqn <- function(df, x, y){
    m <- lm(y ~ x, df);
eq <- substitute(italic(y) == a + b %.% italic(x)*","~~italic(r)^2~"="~r2, 
list(a = format(coef(m)[1], digits = 2), 
b = format(coef(m)[2], digits = 2), 
r2 = format(summary(m)$r.squared, digits = 3)))
as.character(as.expression(eq));                 
}

lm_eqn(데이터 테이블, x 축, y축)

equation = lm_eqn(mtcars, mtcars$wt, mtcars$mpg)

p + geom_point() + geom_smooth(method = lm)+ geom_text(x = 15, y = 1, label = equation, parse = TRUE)

그 외 #

막대그래프(bar plot)와 오차범위(error bar) 표시 #

정량 데이터의 경우 집단의 평균과 표준편자를 표시하여 집단 간 차이를 보여주는 경우가 일반적이다. 대표적으로 막대그래프(bar plot)가 있다. 아래의 예는 앞서 mtcars데이터에서 gear 별 mpg에 대한 막대그래프이다.

    library(ddply)
    Mean_SD = ddply(mtcars, .(gear), summarize, mean = round(mean(mpg), 2), se = round(sd(mpg)/sqrt(nrow(mtcars)), 2))

Plotting에 앞서 gear 별 평균(mean)과 표준오차(se, standard error)를 계산하여 테이블로 만든다.

    ggplot(Barplot, aes(x = gear, y = mean, fill = factor(gear))) + geom_bar(position = 'dodge', stat = 'identity') +  geom_errorbar(aes(ymin = mean-se, ymax = mean+se), width = .5)

막대그래프는 geom_bar()로 그리며 이때 각 각의 bar가 gear를 나타내게 하기 위해 position = 'dodge'를 써준다(디폴트는 누적(stacked) 막대그래프이다.). 오차범위 표시를 위해서는 geom_errorbar()를 써주며 이 때 ymax(mean+sd)와 ymin(mean-sd)을 지정해준다. 오차대신 표준편차(standard deviation)를 써도 된다.

x, y 축 레이블 및 타이틀의 변경 #

x축 각도 변경(반시계 60도 회전)

p + theme(axis.text.x = element_text(angle = 60))

x축 글씨체 변경(굵은 글씨)

p + theme(axis.text.x = element_text(face = 'bold'))

x축 글씨크기 변경

p + theme(axis.text.x = element_text(size = 20))

x축 글씨색 변경

p + theme(axis.text.x = element_text(color = 'red'))

y축 글씨색 변경 시

p + theme(axis.text.y = element_text(color = 'red'))

타이틀 글씨색 변경 시

p + theme(plot.title = element_text(color = 'red'))

x축, y축 및 타이틀 변경

# x축 타이틀
p + xlab('x axis')

# y축 타이틀
p + ylab('y axis')

# plot 타이틀
p + ggtitle('Plot title')

추가정보 #

설명한 네가지 그래프를 그리는 명령어로부터 한가지 중요한 규칙이 있다. 바로 각각의 plot 함수에 변수를 선언할 때 aes() 함수를 써주어야 반영이 된다는 것이다. aes() 없이 색, 크기 등을 넣어주면 환경변수로써 작용하여 그림 전체에 영향을 미치게 된다.

Suggested Pages #

0.025 R (체스)
0.025 CSV
0.025 R (수학)
0.013 실수
More suggestions...

Table of Contents