시각화

여러 그래프로 데이터 나타내기

분석

  • 탐색적 자료 분석(EDA, Exploratory Data Analysis)
  • 확증적 자료 분석(CDA, Cofirmatory Data Analysis)

탐색적 자료 분석(EDA, Exploratory Data Analysis)

  • 빠르게 자료의 특징을 찾는 행위

확증적 자료 분석(CDA, Cofirmatory Data Analysis)

  • 느리더라도 확실한 결론을 내리는 행위

자료의 현시성

  • 자료를 빠르게 그래프로 그리고 그래프를 통해 자료의 특징을 찾아내고 탐색하는 것

시각화

  • 시각화를 통해 데이터의 특징을 찾아내는데 효과적
  • 자료의 특징은 어떤 결론을 확증하는 증거
  • Report

탐색적 자료 분석의 정신이 필요

  • 아무것도 보이지 않는 데이터를 가지고 조금씩 길을 찾아가는 정신

시각화를 해야 하는 이유 - 스토리텔링

R에서 그래프를 그리는 이유

  • 빠르게 데이터를 탐색하기 위해 (EDA) => plot()
  • 보다 정교한 데이터의 특징을 나타내기 위해 => ggplot2 패키지
  • Report 용 => rChart 패키지

고수준 그래프 함수

  • 한번에 한 개만 실행되는 함수
  • plot(), barplot(), hist(), boxplot()

저수준 그래프 함수

  • 고수준 그래프를 꾸며주는 함수
  • 그래프 타이틀, X-Y축 이름, 그래프 색 등

plot()

  • 변수의 형식에 따라 알아서 그래프 그림 => generic 함수
  • 변수는 수치형이나 명목형 값이어야 함
In [1]:
# 데이터 로드
df <- read.csv('r-ggagi-data/example_studentlist.csv')
str(df)

'data.frame':	17 obs. of  8 variables:
 $ name     : Factor w/ 17 levels "강수친","김길동",..: 2 12 17 6 10 7 1 14 13 9 ...
 $ sex      : Factor w/ 2 levels "남자","여자": 1 2 1 1 2 2 2 2 1 1 ...
 $ age      : int  23 22 24 23 20 21 22 23 23 22 ...
 $ grade    : int  3 2 4 3 1 2 1 1 3 2 ...
 $ absence  : Factor w/ 2 levels "무","유": 2 1 1 1 2 1 1 1 1 1 ...
 $ bloodtype: Factor w/ 4 levels "A","AB","B","O": 4 2 3 2 1 4 4 1 3 3 ...
 $ height   : num  165 170 175 182 168 ...
 $ weight   : num  68.2 53 80.1 85.7 49.5 52 45.3 55 64.2 61.3 ...
In [2]:
# 변수 1개
plot(df$age) #  첫 번째 행부터 마지막 행까지 산점도로 표시
In [3]:
# 변수 2개 - 상관 관계
plot(df$height, df$weight)
In [4]:
# 변수 2개 - 상관 관계 - 종속변수(y) ~ 독립변수(x)
plot(df$height ~ df$weight)
In [5]:
# 수치형 변수, 명목형 변수 1 남자, 2 여자
plot(df$height, df$sex)
In [6]:
# 명목 형 변수, 수치형 변수 1 남자, 2 여자
plot(df$sex, df$height)
In [7]:
# 수치형 변수, 명목형 변수 1 남자, 2 여자
plot(df$height~ df$sex)
In [8]:
# 명목 형 변수~ 수치형 변수 1 남자, 2 여자
plot(df$sex~ df$height)
In [9]:
# 데이터 프레임 넣기
df2 <- data.frame(df$height, df$weight)
plot(df2)
In [10]:
# 변수 하나하나가 차원임 3차원은 못만들어서 관련된 2차원 그래프 여러개 작성
df3 <- data.frame(df2, df$age)
plot(df3)
In [11]:
# 데이터 프레임 넣기
plot(df)
In [12]:
# 성별 별도 표시
plot(df$weight~df$height, pch=as.integer(df$sex))
In [13]:
# 성별 별도 표시 - 레전드 추가
plot(df$weight~df$height, pch = as.integer(df$sex))
legend('topleft', c('man', 'woman'), pch=df$sex)

조건화 그래프 coplot()

  • 명목형 변수 보기 편함
In [14]:
# 성별에 따른 키와 몸무게
coplot(df$weight ~ df$height | df$sex)
In [15]:
# 저수준 그래프 함수
# 제목 달기 - ann = F 모든 라벨 삭제
plot(df$weight ~ df$height, ann=F)
title(main = '몸무게와 키의 상관관계')
title(ylab = '몸무게')
title(xlab = '키')
grid() # 격자 추가
abline(v=mean(df$height), h=mean(df$weight), col='red')

빈도수 그래프 barplot()

In [16]:
blood_type <- table(df$bloodtype)
blood_type

 A AB  B  O 
 4  3  5  5
In [17]:
barplot(blood_type)
title(main = '혈액형 빈도수')
title(xlab = '혈액형')
title(ylab = '빈도수')
In [18]:
# 그룹별 평균
height_blood <- tapply(df$height, df$bloodtype, mean)
height_blood
A
169.075
AB
177.4
B
171.28
O
165.14
In [19]:
barplot(height_blood, ylim = c(0, 200))
In [20]:
# 빈도수는 plot() 바로 그릴 수 있음
plot(df$bloodtype)

boxplot()

In [21]:
boxplot(df$height)
In [22]:
# levels 별
boxplot(df$height ~ df$bloodtype)
In [24]:
subset(df, subset=(df$bloodtype == 'O'))
namesexagegradeabsencebloodtypeheightweight
1김길동남자 23 3 유 O 165.3 68.2
6박미희여자 21 2 무 O 162.0 52.0
7강수친여자 22 1 무 O 155.2 45.3
11박수호남자 24 4 유 O 167.1 62.0
14이희진여자 23 3 무 O 176.1 53.1

hist()

  • x축은 반드시 수치형 연속형 변수
  • 계급을 정하고 계급의 도수를 그래프로 나타낸 것 - 확률밀도함수 vs 확률질량함수
  • 확률 1
  • 상대도수밀도 = 상대도수 / 계급(구간)
In [25]:
hist(df$height)
In [26]:
# 막대수 조정
hist(df$height, breaks = 10)
In [27]:
# 상대도수밀도 prob = T, 곡선 추가 lines
# 바의 면적이 상대도수
hist(df$height, breaks=10, prob=T)
lines(density(df$height))
In [28]:
# 계급 7간격 만들기
break_point <- seq(min(df$height), max(df$height)+7, by=7)
hist(df$height, breaks = break_point)
In [29]:
# 계급 수동 설정 => 상대밀도함수(Density)로 바뀜
diff_point <- c(min(df$height), 165, 170, 180, 185)
hist(df$height, breaks=diff_point)

한화면에 여러개 그래프 그리기

In [30]:
par(mfrow = c(2,3))
plot(df$weight, df$height)
plot(df$sex, df$height)
barplot(table(df$bloodtype))
boxplot(df$height)
boxplot(df$height ~ df$bloodtype)
hist(df$height, breaks = 10)
In [31]:
# 다시 1개씩 그리기
par(mfrow = c(1,1))

넘겨가며 그래프 보기

In [32]:
plot(df$weight~df$height + df$age + df$grade + df$absence + df$sex)

R 기본 그래프 겹처 나타내기

  • linse()를 이용해서 라인 그래프만 겹칠 수 있음
In [33]:
# 시계열 변수 임의로 만들기
runif(30) # 난수 발생
round(runif(30)*100) # 소수점 처리
TS1 <- c(round(runif(30)*100))
TS1
  1. 0.400820216163993
  2. 0.980473490199074
  3. 0.414637681562454
  4. 0.528927909675986
  5. 0.320408355910331
  6. 0.205442058620974
  7. 0.582755490206182
  8. 0.96769692725502
  9. 0.89097323291935
  10. 0.876550013432279
  11. 0.941771907964721
  12. 0.453651874559
  13. 0.38044023164548
  14. 0.636867471970618
  15. 0.564752437639982
  16. 0.226247652899474
  17. 0.390106736449525
  18. 0.58080373890698
  19. 0.299060054821894
  20. 0.105129959760234
  21. 0.367172128055245
  22. 0.208602518308908
  23. 0.772191538941115
  24. 0.225859872763976
  25. 0.785379486624151
  26. 0.554321540519595
  27. 0.359842307167128
  28. 0.571114954771474
  29. 0.65445306757465
  30. 0.515471920603886
  1. 39
  2. 58
  3. 38
  4. 38
  5. 33
  6. 58
  7. 61
  8. 64
  9. 28
  10. 49
  11. 36
  12. 99
  13. 67
  14. 41
  15. 55
  16. 64
  17. 81
  18. 3
  19. 86
  20. 80
  21. 21
  22. 48
  23. 82
  24. 82
  25. 40
  26. 23
  27. 0
  28. 96
  29. 83
  30. 46
  1. 10
  2. 41
  3. 22
  4. 96
  5. 94
  6. 13
  7. 82
  8. 84
  9. 20
  10. 98
  11. 90
  12. 1
  13. 93
  14. 18
  15. 94
  16. 90
  17. 9
  18. 62
  19. 10
  20. 48
  21. 15
  22. 84
  23. 96
  24. 0
  25. 83
  26. 89
  27. 32
  28. 29
  29. 69
  30. 47
In [34]:
TS2 <- c(round(runif(30)*100))
TS2
  1. 73
  2. 14
  3. 56
  4. 22
  5. 56
  6. 5
  7. 78
  8. 77
  9. 99
  10. 44
  11. 37
  12. 42
  13. 37
  14. 96
  15. 19
  16. 44
  17. 55
  18. 21
  19. 34
  20. 95
  21. 43
  22. 92
  23. 1
  24. 89
  25. 40
  26. 58
  27. 28
  28. 32
  29. 95
  30. 10
In [35]:
# 자료 정렬
TS1 <- sort(TS1, decreasing=F)
TS2 <- sort(TS2, decreasing=F)
TS1
TS2
  1. 0
  2. 1
  3. 9
  4. 10
  5. 10
  6. 13
  7. 15
  8. 18
  9. 20
  10. 22
  11. 29
  12. 32
  13. 41
  14. 47
  15. 48
  16. 62
  17. 69
  18. 82
  19. 83
  20. 84
  21. 84
  22. 89
  23. 90
  24. 90
  25. 93
  26. 94
  27. 94
  28. 96
  29. 96
  30. 98
  1. 1
  2. 5
  3. 10
  4. 14
  5. 19
  6. 21
  7. 22
  8. 28
  9. 32
  10. 34
  11. 37
  12. 37
  13. 40
  14. 42
  15. 43
  16. 44
  17. 44
  18. 55
  19. 56
  20. 56
  21. 58
  22. 73
  23. 77
  24. 78
  25. 89
  26. 92
  27. 95
  28. 95
  29. 96
  30. 99
In [36]:
plot(TS1, type='l')
In [37]:
plot(TS1, type='l')
lines(TS2, lty='dashed', col='red')
In [38]:
x1 <- seq(1,100,1)
y1 <- dbinom(x1, 100, 0.25) # dbinom(v,n,p) B(n,p)이항 분포 함수 값 만들기
head(y1)
  1. 1.06906739512716e-11
  2. 1.76396120195983e-10
  3. 1.92075775324516e-09
  4. 1.55261251720649e-08
  5. 9.93672011012162e-08
  6. 5.24438005811969e-07
In [39]:
x2 <- seq(1,50,1)
y2 <- dbinom(x2, 50, 0.5) # dbinom(v,n,p) B(n,p)이항 분포 함수 값 만들기
head(y2)
  1. 4.44089209850064e-14
  2. 1.08801856413266e-12
  3. 1.74082970261225e-11
  4. 2.04547490056939e-10
  5. 1.88183690852383e-09
  6. 1.41137768139287e-08
In [41]:
plot(x1, y1, type='h', ylim=c(0, 0.15), xlim=c(0, 60))
lines(x2, y2, col='red')

정교한 시각화로 분석하기(ggplot2)

  • 객체에 담아 재사용 가능, plot() 같은 함수는 변수에 담아 재사용 불가
In [43]:
library('ggplot2')
library('ggthemes')
In [44]:
g1 <- ggplot(data=diamonds, aes(x=carat, y=price, colour=clarity))
g2 <- geom_point()
g3 <- theme_wsj()
In [45]:
g1+g2+g3
In [46]:
# 테마만 바꾸기
g1 + g2 + theme_bw()

ggplot()

  • 데이터 x, y축, colour등 그래프 요소에 매핑하는 일
  • 미적 요소 매핑(aesthetic mapping) => aes()

geom()

  • 그래프 종류 선택
  • 기하객체(geometric object) 함수, 점이나 선을 기하객체라 함
In [48]:
# 데이터 로드
df <- read.csv('r-ggagi-data/example_studentlist.csv')
In [51]:
g1 <- ggplot(df, aes(x=height, y=weight, colour=bloodtype))
In [52]:
g1 + geom_point()
In [53]:
g1 + geom_line()
In [54]:
g1 + geom_point() + geom_line()
In [55]:
g1 + geom_line(aes(colour=sex)) + geom_point(size=10)

facet_grid() - 명목형 변수를 기준으로 별도 그래프 그리기

In [56]:
g1 + geom_point(size=10) + geom_line(size=1) + facet_grid(.~sex) # 성별 독립변수
In [57]:
g1 + geom_point(size=10) + geom_line(size=1) + facet_grid(sex~.) # 성별 종속변수
In [58]:
# y축 범위(scale) 각각 맞게 처리
g1 + geom_point(size=10) + geom_line(size=1) + facet_grid(sex~., scale='free') # 성별 종속변수
In [59]:
# y축 scale 적용 안됨
g1 + geom_point(size=10) + geom_line(size=1) + facet_grid(.~sex, scale='free') # 성별 독립변수
In [60]:
# y축 scale 적용
g1 + geom_point(size=10) + geom_line(size=1) + facet_wrap(~sex, scale='free') # 성별 독립변수
In [61]:
# facet_grid() - 명목형 변수들의 level 별 그래프를 보여주는 목적
g <- ggplot(mpg, aes(displ, hwy)) # 배기량, 고속도로연비 산점도
g + geom_point()
In [62]:
# 차량 종류에 따른 배기량, 고속도로연비 보기(그룹)
g + geom_point() + facet_grid(.~class)
In [63]:
# 종속변수 추가
g + geom_point(alpha=.3) + facet_grid(cyl~class, scale='free')
In [64]:
# 종속변수 추가 - 각각의 그래프를 모아서 보기 위함
g + geom_point(alpha=.3) + facet_wrap(cyl~class, scale='free')

바 그래프 geom_bar()

In [65]:
ggplot(df, aes(x=bloodtype)) + geom_bar()
In [66]:
# level 별 색 넣기 - fill
ggplot(df, aes(x=bloodtype, fill=sex)) + geom_bar()
In [67]:
# Level 별 색 넣고 각각 바로 표시 - position
ggplot(df, aes(x=bloodtype, fill=sex)) + geom_bar(position = 'dodge')
In [68]:
# Level 별 색 넣고 가각 바로 표시 - position
ggplot(df, aes(x=bloodtype, fill=sex)) + geom_bar(position = 'identity') # 누적없이 겹치기
In [69]:
# Level 별 색 넣고 가각 바로 표시 - position
ggplot(df, aes(x=bloodtype, fill=sex)) + geom_bar(position = 'fill') # 비율로 표시
In [70]:
# 막대 넓이 바꾸기 - width
ggplot(df, aes(x=bloodtype, fill=sex)) + geom_bar(position = 'dodge', width=0.5)
In [71]:
# 도수 값 말고 계산된 값 사용하기 - 혈액형별 키 평균
height_mean <- tapply(df$height, df$bloodtype, mean)
height_mean
A
169.075
AB
177.4
B
171.28
O
165.14
In [72]:
# 변수명 주기
df2 <- data.frame(height_mean)
df2$bloodtype <- rownames(df2)
rownames(df2) <- NULL
In [73]:
df2
height_meanbloodtype
169.075A
177.400AB
171.280B
165.140O
In [76]:
# stat = 'identity' 값 그대로, 생략시 stat = 'bin' 빈도수 표시
ggplot(df2, aes(x=bloodtype, y=height_mean, fill=bloodtype))+
geom_bar(stat='identity') + 
scale_fill_brewer() # 색 칠할 때 도와주는 함수 scale_fill_brewer(palette = '색상')으로 변경가능

히스토그램 - geom_histogram()

In [77]:
g1 <- ggplot(diamonds, aes(x=carat))
In [78]:
# y축 계급 빈도수
g1 + geom_histogram(binwidth = 0.1, fill = 'orange')
In [79]:
# 예약어 - ..count.. 도수 default
g1 + geom_histogram(aes(y=..count..), binwidth = 0.1, fill='orange')
In [80]:
# 예약어 - ..ncount.. 표준화된 도수
g1 + geom_histogram(aes(y=..ncount..), binwidth = 0.1, fill='orange')
In [81]:
# 예약어 - ..density.. 밀도
g1 + geom_histogram(aes(y=..density..), binwidth = 0.1, fill='orange')
In [82]:
# 예약어 - ..ndensity.. 표준화된 밀도
g1 + geom_histogram(aes(y=..ndensity..), binwidth = 0.1, fill='orange')
In [83]:
# 그룹별로 그리기 - facet_grid
g1 + geom_histogram(binwidth = 0.1, fill='orange') +
facet_grid(color~.) # color 변수 Level 별로
In [84]:
# 그룹별로 그리기 - 축변경 facet_grid - scales='free'
g1 + geom_histogram(binwidth = 0.1, fill='orange') +
facet_grid(color~., scales='free') # color 변수 Level 별로
In [85]:
# level 별로 겹쳐 보이기
g1 + geom_histogram(aes(fill=color), binwidth = 0.1, alpha = 0.5)

산점도 그리기 - geom_point()

In [86]:
# 데이터 로드
df <- read.csv('r-ggagi-data/example_studentlist.csv')
head(df)
namesexagegradeabsencebloodtypeheightweight
김길동남자 23 3 유 O 165.3 68.2
이미린여자 22 2 무 AB 170.1 53.0
홍길동남자 24 4 무 B 175.0 80.1
김철수남자 23 3 무 AB 182.1 85.7
손세수여자 20 1 유 A 168.0 49.5
박미희여자 21 2 무 O 162.0 52.0
In [92]:
g1 <- ggplot(df, aes(x=weight, y=height))
In [93]:
g1 + geom_point()
In [94]:
# level 별 색상 주기
g1 + geom_point(aes(colour=sex), size=7)
In [95]:
# 점 모양 바꾸기 1
g1 + geom_point(aes(colour=sex, shape=sex), size=7)
In [96]:
# 점 모양 바꾸기 2
g1 + geom_point(aes(colour=sex, shape=bloodtype), size=7)
In [97]:
# colour  에 연속형 변수 넣기
g1 + geom_point(aes(colour=height, shape=sex), size=7)
In [98]:
# size  에 연속형 변수 넣기
g1 + geom_point(aes(size=height, shape=sex), colour='orange')
In [100]:
# 산점도로 회귀분석의 그리기
g1 + geom_point(aes(colour=sex), size=7) +
geom_smooth(method = 'lm')

`geom_smooth()` using formula 'y ~ x'
In [101]:
# 점마다 이름 넣기 - geom_text()
g1 + geom_point(aes(colour=sex), size=7) +
geom_text(aes(label=name))
In [102]:
# 점마다 이름 넣기 - 위치조절 vjust, 글자색 colour
g1 + geom_point(aes(colour=sex), size=7) +
geom_text(aes(label=name), vjust=-1.5, colour='grey35')

theme() - 만들어져 있는 테마 사용

  • themes_wsj() : 월스트릿저널에서 많이 사용하는 그래프 스타일