9. Vizualizacija podataka¶
ggplot2 paket¶
Kvalitetan prikaz podataka može biti od velike koristi prilikom istraživačke analize. Vizualizacija ovdje igra glavnu ulogu.
U ovoj vježbi koristit ćemo tri paketa:
gapminder- koji predstavlja skup podatakadplyr- koji sadrži funkcije za manipuliranje podacima (filter,arrange,mutate, ...)ggplot- koji nam omogućuje izradu grafova
Ukoliko nemamo pakete od ranije moramo ih najprije instalirati:
install.packages('gapminder')
install.packages('dplyr')
install.packages('ggplot2')
Installing package into ‘/usr/local/lib/R/site-library’ (as ‘lib’ is unspecified) Installing package into ‘/usr/local/lib/R/site-library’ (as ‘lib’ is unspecified) Installing package into ‘/usr/local/lib/R/site-library’ (as ‘lib’ is unspecified)
A, potom ih moramo učitati
library(gapminder)
library(dplyr)
library(ggplot2)
Attaching package: ‘dplyr’
The following objects are masked from ‘package:stats’:
filter, lag
The following objects are masked from ‘package:base’:
intersect, setdiff, setequal, union
Sada možemo krenuti s primjerom.
Primjer:
Kreirajte varijablu gapminder_2007 u koju ćete pohraniti sve podatke iz skupa podataka gapminder koji se odnose na 2007. godinu.
# Pa zatim kreirati novu varijablu koristeći filter
gapminder_2007 <- gapminder %>%
filter(year==2007)
Raspršeni grafikon (scatter plot) geom_point()¶
Sada ćemo grafički prikazati varijablu gapminder_2007 koristeći ggplot funkciju.
Zadatak:
Kreirajte raspršeni grafikon (scatter plot) na način da na x osi prikažete varijablu pop a na y osi gdpPercap.
Koristit ćemo funkciju ggplot gdje je prvi argument naša varijabla (ili skup podataka), a unutar drugog argumenta (aes) sa x i y ćemo definirati varijable po osima. Argument geom_point() nam govori da je riječ o raspršenom (točkastom) grafikonu. Argument aes dolazi od riječi 'aesthetic' tj. estetika, i pomoću njega ćemo mijenjati izgled grafikona.
ggplot(gapminder_2007, aes(x = pop, y = gdpPercap)) + geom_point()
Zadatak
Kreirajte varijablu gapminder_europe_1952 (sve europske zemlje, 1952. godine) i prikažite ju raspršenim grafikonom na način da na osi stavite GDP po glavi stanovnika i očekivani životni vijek. Da biste vidjeli nazive varijabli unutar dataseta, možete koristitistr(). Pazite na velika i mala slova u nazivima varijabli.
gapminder_europe_1952 <- gapminder %>% filter(continent=='Europe', year==1952)
ggplot(gapminder_europe_1952, aes(x = gdpPercap, y = lifeExp)) + geom_point()
Primjećujete li kako su točkice na grafikonu raspoređene linearno (ako izuzmemo ova dva outliera), to nam govori da postoji veza (korelacija) između prosječnog životnog vijeka i standarda neke države. Što je i logično. Ljudi u bogatijim zemljama imaju kvalitetnije zdravstvo, bolju ishranu, bolje uvjete života, ...
Osi na logaritamskoj skali
Ako pogledamo prvi primjer sa prikazom broja stanovnika 2007. godine primjetit ćemo da su svi podaci zgusnuti oko y osi.
To je stoga što postoje velike razlike između mnogoljudnih država i malih država. Za primjer uzmite Hrvatsku i Kinu.
U takvim slučajevima ćemo koristiti logaritamsku skalu na osi x što grafikon čini čitljivijim.
Usporedite ta dva grafikona.
ggplot(gapminder_2007, aes(x = pop, y = gdpPercap)) + geom_point()
ggplot(gapminder_2007, aes(x = pop, y = gdpPercap)) + geom_point() + scale_x_log10()
Dodatna estetika color¶
U slijedećem primjeru koristit ćemo argument color da bi obojali točkice na grafikonu.
To ćemo učiniti tako da ćemo ga dodati unutar argumenta aes kao u zadatku.
Zadatak:
U prethodnom primjeru obojite točkice prema kontinentu.
ggplot(gapminder_2007, aes(x = pop, y = gdpPercap, color=continent)) + geom_point() + scale_x_log10()
Jako zgodno zar ne. Primjećujete da smo automatski i dobili legendu s desne strane.
Dodatna estetika size¶
Točkice znaju biti dosadne. No možemo im mijenjati veličinu ovisno o zadanoj vrijednosti.
Na taj način možemo dobiti više informacija na istom grafikonu.
To ćemo učiniti tako da ćemo dodati argument size unutar argumenta aes kao što je to napravljeno u zadatku.
Zadatak:
U prethodnom primjeru promijenite veličinu točkica prema prosječnom životnom vijeku (sada to više neće biti točkice nego kružići).
ggplot(gapminder_2007, aes(x = pop, y = gdpPercap, color=continent, size=lifeExp)) + geom_point() + scale_x_log10()
Facet (aspekt, stajalište)¶
Ponekad ćemo trebati usporediti nekoliko grafikona da bi došli do određenog zaključka ili da bi uočili neku povezanost.
U tu svrhu koristiti ćemo 'faceting'.
Na primjer, grafikon iz predhodnih zadataka možemo podijeliti u nekoliko 'podgrafova' tako da svaki prikazuje jedan kontinent.
To čemo učiniti dodavanjem argumenta facet_wrap(~continent).
ggplot(gapminder_2007, aes(x = pop, y = gdpPercap)) + geom_point() + scale_x_log10() + facet_wrap(~continent)
Zadatak
Kreirajte varijablu gapminder_europe (sve europske zemlje) i prikažite ju raspršenim grafikonom na način da na osi stavite GDP po glavi stanovnika i očekivani životni vijek koristeći faceting po godini.
gapminder_europe <- gapminder %>% filter(continent=='Europe')
ggplot(gapminder_europe, aes(x = gdpPercap, y = lifeExp)) + geom_point()+facet_wrap(~year)
Linijski grafikoni geom_line()¶
Kreirajte varijablu gapminder_hrvatska gdje ćete filtrirati samo vrijednosti 'Croatia' u varijabli country.
Linijski grafikon koji prikazuje hrvatski BDP po glavi stanovnika kroz godine dobiti ćemo tako da ćemo koristiti argument geom_line() umjesto geom_point().
gapminder_hrvatska <- gapminder %>% filter(country=='Croatia')
ggplot(gapminder_hrvatska, aes(x=year,y=gdpPercap)) + geom_line()
Primjećujete nagli pad BDPa početkom devedesetih?
Trakasti grafikoni (bar plots) geom_col()¶
Dataset gapminder_hrvatska želimo prikazati trakastim grafikonom tako da prikazuje prosječni životni vijek kroz godine.
Dobiti ćemo ga tako da koristimo argument geom_col() kao argument na kraju. Trake ćemo obojiti argumentom fill.
ggplot(gapminder_hrvatska, aes(x=year,y=lifeExp)) + geom_col(fill='blue')
Histogrami geom_histogram()¶
Histogrami su vizualno slični trakastim grafikonima ali se suštinski jako razlikuju.
Histogrami pružaju vizualnu interpretaciju numeričkih podataka indicirajući broj podataka koji se nalaze unutar raspona vrijednosti koji se još naziva i klasa. Histogram prikazuje učestalost podataka koji spada u određenu klasu. Ukratko histogram prikazuje broj pojavljivanja (učestalost) određene vrijednosti.
Histogram stoga ima samo jednu os.
Primjer:
Iz baze gapminder histogramom prikažite broj stanovnika iz 2007 godine. Koristite logaritamsku skalu radi bolje čitljivisti.
ggplot(gapminder_2007, aes(x=pop)) + geom_histogram()+scale_x_log10()
`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
Primjer 2:
Iz baze mtcars prikažite histogramom snage vozila (hp).
ggplot(mtcars, aes(x=hp)) + geom_histogram()
`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
