2章 データの基本的なプロット

サマリー

＜base関数＞

  • 基本的なグラフであれば入力が簡単なので、単純なケースには使いやすい
  • 実行速度が非常に速い
  • 追加パッケージのインストールやライブラリの参照の必要がない
  • グラフの種類は引数でコントロールできるものと独自関数があるものがある


＜ggplot2＞

  • グラフ作成の統一されたインターフェースが準備されているので応用がききやすい
  • ggplot関数はqplot関数よりも広範な設定が可能
  • qplot関数はbase関数と同様に引数操作のみでグラフ作成が可能
    • qplot関数はQuick Plotの意味



2.1 散布図を作成する

準備

# 準備：使用するデータセット
mtcars %>% glimpse()
## Observations: 32
## Variables: 11
## $ mpg  <dbl> 21.0, 21.0, 22.8, 21.4, 18.7, 18.1, 14.3, 24.4, 22.8, 19....
## $ cyl  <dbl> 6, 6, 4, 6, 8, 6, 8, 4, 4, 6, 6, 8, 8, 8, 8, 8, 8, 4, 4, ...
## $ disp <dbl> 160.0, 160.0, 108.0, 258.0, 360.0, 225.0, 360.0, 146.7, 1...
## $ hp   <dbl> 110, 110, 93, 110, 175, 105, 245, 62, 95, 123, 123, 180, ...
## $ drat <dbl> 3.90, 3.90, 3.85, 3.08, 3.15, 2.76, 3.21, 3.69, 3.92, 3.9...
## $ wt   <dbl> 2.620, 2.875, 2.320, 3.215, 3.440, 3.460, 3.570, 3.190, 3...
## $ qsec <dbl> 16.46, 17.02, 18.61, 19.44, 17.02, 20.22, 15.84, 20.00, 2...
## $ vs   <dbl> 0, 0, 1, 1, 0, 1, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1, ...
## $ am   <dbl> 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, ...
## $ gear <dbl> 4, 4, 4, 3, 3, 3, 3, 4, 4, 4, 4, 3, 3, 3, 3, 3, 3, 4, 4, ...
## $ carb <dbl> 4, 4, 1, 1, 2, 1, 4, 2, 2, 4, 4, 3, 3, 3, 4, 4, 4, 1, 2, ...


base関数

# base関数による散布図
mtcars %$% plot(wt, mpg)


ggplot2

# ggplot2パッケージ(qplot関数)
mtcars %$% qplot(wt, mpg)

# ggplot2パッケージ(ggplot関数)
mtcars %>%  ggplot(aes(wt, mpg)) + geom_point()



2.2 折れ線グラフを作成する

  • plot関数のtype引数でラインを選択するか、line関数で作成する
  • ggplot2関数ではqplot関数の引数指定で作成する
# 準備：使用するデータセット
pressure %>% glimpse()
## Observations: 19
## Variables: 2
## $ temperature <dbl> 0, 20, 40, 60, 80, 100, 120, 140, 160, 180, 200, 2...
## $ pressure    <dbl> 0.0002, 0.0012, 0.0060, 0.0300, 0.0900, 0.2700, 0....


base関数

# base関数による折れ線グラフ
pressure %$% plot(temperature, pressure, type = "l")

# ラインチャートにポイントに丸印をつける
pressure %$% points(temperature , pressure )

# 系列を追加する
pressure %$% lines(temperature ,pressure/2 , col = "red")
pressure %$% points(temperature ,pressure/2 , col = "red" )


ggplot2

# 折れ線グラフのラインを引く
pressure %$% qplot(temperature, pressure, geom = "line" )

# 引数の設定で折れ線と点を両方同時に描画できる
pressure %$% qplot(temperature, pressure, geom = c("line", "point"))

# ggplot関数で描くと以下のとおり
pressure %>% 
  ggplot(aes(temperature , pressure)) + 
  geom_line() + 
  geom_point()



2.3 棒グラフを作成する

準備

# 準備：使用するデータセット
BOD %>% glimpse()
## Observations: 6
## Variables: 2
## $ Time   <dbl> 1, 2, 3, 4, 5, 7
## $ demand <dbl> 8.3, 10.3, 19.0, 16.0, 15.6, 19.8


base関数

# 数値を棒フラグ
# --- 数値をそのまま棒グラフにする
BOD %$% barplot(demand, names.arg = Time)

# 個数を棒グラフ化
# --- table関数でベクトル内でグループごとに個数を集計
mtcars$cyl %>% table() %>% barplot()


ggplot2

# 数値を棒フラグ(数値をそのまま棒グラフにする)


# ggplot関数で描くと以下のとおり
BOD %>% 
  ggplot(aes(Time, demand)) + 
  geom_bar(stat = "identity")



2.4 ヒストグラムを作成する

準備

# 準備：使用するデータセット
mtcars %>% glimpse()
## Observations: 32
## Variables: 11
## $ mpg  <dbl> 21.0, 21.0, 22.8, 21.4, 18.7, 18.1, 14.3, 24.4, 22.8, 19....
## $ cyl  <dbl> 6, 6, 4, 6, 8, 6, 8, 4, 4, 6, 6, 8, 8, 8, 8, 8, 8, 4, 4, ...
## $ disp <dbl> 160.0, 160.0, 108.0, 258.0, 360.0, 225.0, 360.0, 146.7, 1...
## $ hp   <dbl> 110, 110, 93, 110, 175, 105, 245, 62, 95, 123, 123, 180, ...
## $ drat <dbl> 3.90, 3.90, 3.85, 3.08, 3.15, 2.76, 3.21, 3.69, 3.92, 3.9...
## $ wt   <dbl> 2.620, 2.875, 2.320, 3.215, 3.440, 3.460, 3.570, 3.190, 3...
## $ qsec <dbl> 16.46, 17.02, 18.61, 19.44, 17.02, 20.22, 15.84, 20.00, 2...
## $ vs   <dbl> 0, 0, 1, 1, 0, 1, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1, ...
## $ am   <dbl> 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, ...
## $ gear <dbl> 4, 4, 4, 3, 3, 3, 3, 4, 4, 4, 4, 3, 3, 3, 3, 3, 3, 4, 4, ...
## $ carb <dbl> 4, 4, 1, 1, 2, 1, 4, 2, 2, 4, 4, 3, 3, 3, 4, 4, 4, 1, 2, ...


base関数

# ヒストグラムを作成する
mtcars %$% hist(mpg)

# ビン(データ区間)の分割回数はbreaks引数で指定する
mtcars %$% hist(mpg, breaks = 10)


ggplot2

# 選択データを1つにするとヒストグラムになる
# --- 2つなら散布図
mtcars %$% qplot(mpg)
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

# ビンを指定する
mtcars %$% qplot(mpg, binwidth = 4)

# ggplot関数で描くと以下のとおり
mtcars %>% 
  ggplot(aes(mpg)) + 
  geom_histogram(binwidth = 4)



2.5 箱ひげ図を作成する

準備

# 準備：使用するデータセット
ToothGrowth %>% glimpse()
## Observations: 60
## Variables: 3
## $ len  <dbl> 4.2, 11.5, 7.3, 5.8, 6.4, 10.0, 11.2, 11.2, 5.2, 7.0, 16....
## $ supp <fctr> VC, VC, VC, VC, VC, VC, VC, VC, VC, VC, VC, VC, VC, VC, ...
## $ dose <dbl> 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 1.0, 1....


base関数

  • base関数ではplot関数のＸ軸がファクタなら箱ひげ図が自動作成される
# 数値を棒フラグ
# --- 数値をそのまま棒グラフにする
ToothGrowth %$% plot(supp, len)

# ちなみにxyを逆にすると上手くいかない
ToothGrowth %$% plot(y = supp, x = len)

# 箱ひげ図を直接作成するboxplot関数もある
ToothGrowth %>% boxplot(len ~ supp, data = .)

ToothGrowth %>% boxplot(len ~ supp + dose, data = .)


ggplot2

# 数値を棒フラグ(数値をそのまま棒グラフにする)
ToothGrowth %$% qplot(supp, len, geom = "boxplot")

# ggplot関数で描くと以下のとおり
ToothGrowth %>% 
  ggplot(aes(supp, len)) + 
  geom_boxplot()



2.6 関数曲線をプロットする

準備

# 準備：関数を定義
myfun <- function(xvar) 1 / (1 + exp(-xvar + 10))


base関数

# 変数xが-4から4に移動した際のグラフ
curve(expr = x ^ 3 - 5 * x, from = -4, to = 4)

# 独自関数をグラフ化
curve(myfun(x), from = 0, to = 20)
curve(1 - myfun(x), add = TRUE, col = "red")


ggplot2

# qplot関数をstat引数とgeom引数でコントロール
# qplot(c(0, 20), fun = myfun, stat = "function", geom = "line")


# ggplot関数で描くと以下のとおり
data.frame(x = c(0, 20)) %>% 
  ggplot(aes(x = x)) + 
  stat_function(fun = myfun, geom = "line")



3章 棒グラフ

サマリー

  • X軸にカテゴリ変数を、Y軸に数値をマッピングして作成する
  • Y軸に個数をマッピングする｢ヒストグラム｣と｢棒グラフ｣は明確に区別すること



3.1 棒グラフを作成する

解決策

  • geom_bar()で棒グラフを作成する
    • 引数としてstat="identity"を指定しなければ、グラフが表示されない
# 準備：データセットの確認
# --- X:group　Y:weight
pg_mean %>% print()
##   group weight
## 1  ctrl  5.032
## 2  trt1  4.661
## 3  trt2  5.526
# グラフの作成
pg_mean %>% 
  ggplot(aes(group, weight)) + 
  geom_bar(stat = "identity")


X軸が連続値/離散値の場合

  • 連続値変数の場合、系列がなくても0のグラフができる
  • 離散値変数の場合、系列がなければ省略される
# 準備：データセットの確認
# --- ｢6｣が存在しないのがポイント
BOD %>% print()
##   Time demand
## 1    1    8.3
## 2    2   10.3
## 3    3   19.0
## 4    4   16.0
## 5    5   15.6
## 6    7   19.8
# 棒グラフの作成
# --- 時間を連続値変数のまま
BOD %>% 
  ggplot(aes(x = Time,y = demand)) + 
  geom_bar(stat = "identity")

# 棒グラフの作成
# --- 時間をファクター(離散値変数)に変換
BOD %>% 
  ggplot(aes(x = factor(Time),y = demand)) + 
  geom_bar(stat = "identity")


系列に色を付ける

  • fillは系列の中の色を指定する
  • colourは枠線の色を指定する
    • ggplot2ではアメリカ式綴りのcolorではなくイギリス式綴りのcolourを使う
# 系列に色を付ける
pg_mean %>% 
  ggplot(aes(group, weight)) + 
  geom_bar(stat = "identity", fill = "lightblue" , colour = "black")



3.2 棒をグループ化する

解決策

  • ggplot関数でfill引数を指定することで棒グラフをグループ化して描画する
  • geom_bar(position="dodge")を指定することで水平方向に避けて描画する
  • dodgeとは、さっと避けるという意味
# 準備：データセットの確認
cabbage_exp[1:3] %>% print()
##   Cultivar Date Weight
## 1      c39  d16   3.18
## 2      c39  d20   2.80
## 3      c39  d21   2.74
## 4      c52  d16   2.26
## 5      c52  d20   3.11
## 6      c52  d21   1.47
# ２つのカテゴリデータの棒グラフ
cabbage_exp %>% 
  ggplot(aes(x = Date, y = Weight, fill = Cultivar)) + 
  geom_bar(stat = "identity", position = "dodge")


解説

3.3 個数を示す棒グラフを作成する

解決策

3.4 色付きの棒グラフを作成する

解決策

3.5 棒の正負によって色を塗り分ける

解決策

3.6 棒の幅と間隔を調整する

解決策

3.7 積み上げ棒グラフを作成する

解決策

3.8 100%積み上げ棒グラフを作成する

解決策

3.9 棒グラフにラベルを追加する

解決策

3.10 クリーブランドのドットプロットを作成する

解決策

4章 折れ線グラフ

サマリー

  • 折れ線グラフはX軸とY軸の両方が連続変数である場合に使う手法
  • X軸が時間である場合は、特に時系列グラフと呼ばれる



4.1 基本的な折れ線グラフを作成

解決策

  • geom_line()で折れ線グラフを作成することができる
  • X軸は連続データであることが前提なので、線形補完的に6が入力されている
# 準備：データセットの確認
# --- "Time=6"がない点に注意
BOD %>% print()
##   Time demand
## 1    1    8.3
## 2    2   10.3
## 3    3   19.0
## 4    4   16.0
## 5    5   15.6
## 6    7   19.8
# 折れ線グラフの作成
BOD %>% ggplot(aes(Time, demand)) + geom_line()


X軸がカテゴリカル変数の場合

  • X軸をファクターに変換(カテゴリカル変数化)しておくこともできる
# 準備：Timeをカテゴリカル変数に変換
BOD1 <- BOD
BOD1$Time <- BOD1$Time %>% factor()

# 折れ線グラフの作成
# --- "6"がない点に注意
BOD1 %>% ggplot(aes(Time, demand, group = 1)) + geom_line()


Y軸の表示範囲

  • geom_line()では、Y軸の表示範囲はYの最小値から最大値に設定されている
    • ylim()　　　 ：最小値と最大値を任意に指定できる
    • expand_limits：指定した数値を含むように従来の表示範囲を拡張
# 最小値と最大値を任意に指定
BOD %>% ggplot(aes(Time, demand)) + geom_line() + ylim(0, max(BOD$demand))

# 指定した数値を含むように従来の表示範囲を拡張
BOD %>% ggplot(aes(Time, demand)) + geom_line() + expand_limits(y = 0)



4.2 折れ線グラフに点を追加

解決策

  • geom_point()を追加する
# 準備：データセットの確認
BOD %>% print()
##   Time demand
## 1    1    8.3
## 2    2   10.3
## 3    3   19.0
## 4    4   16.0
## 5    5   15.6
## 6    7   19.8
# 折れ線グラフに点を追加する
BOD %>% ggplot(aes(Time, demand)) + geom_line() + geom_point()


解説1：X軸の密度を表現する

  • 観測データの間隔が一定でない場合には、点を表示することで密度を表現できる
# グラフの表示
# --- 0-2000あたりのデータ密度が高くなっている
worldpop %>% 
  ggplot(aes(Year, Population)) + 
  geom_line() + 
  geom_point()


解説2：Y軸に対数スケールを適用する

  • 解説1のグラフは指数関数的な増加なので対数軸で表示する
# 対数軸で表示
worldpop %>% 
  ggplot(aes(Year, Population)) + 
  geom_line() + 
  geom_point() + 
  scale_y_log10()



4.3 複数の折れ線グラフを作成

解決策

  • データをカテゴリごとに列方向に並べると複数系列の折れ線グラフを作成できる
  • aes()にカテゴリをfill引数やcolour引数でマッピングする
# 準備1：データ集計
tg <- ToothGrowth %>% 
        group_by(supp, dose) %>% 
        summarise(length = mean(len)) %>% 
        print()
## Source: local data frame [6 x 3]
## Groups: supp [?]
## 
##     supp  dose length
##   <fctr> <dbl>  <dbl>
## 1     OJ   0.5  13.23
## 2     OJ   1.0  22.70
## 3     OJ   2.0  26.06
## 4     VC   0.5   7.98
## 5     VC   1.0  16.77
## 6     VC   2.0  26.14
# 準備2：集計データの属性確認
tg %>% glimpse()
## Observations: 6
## Variables: 3
## $ supp   <fctr> OJ, OJ, OJ, VC, VC, VC
## $ dose   <dbl> 0.5, 1.0, 2.0, 0.5, 1.0, 2.0
## $ length <dbl> 13.23, 22.70, 26.06, 7.98, 16.77, 26.14
# suppをcolourにマッピング
tg %>% 
  ggplot(aes(x = dose, y = length, colour = supp)) + 
  geom_line()

# suppをlinetypeにマッピング
tg %>% 
  ggplot(aes(x = dose, y = length, linetype = supp)) + 
  geom_line()

4.4 線の体裁を変更する

解決策

4.5 点の体裁を変更する

解決策

4.6 網掛け領域付きのグラフを作成する

解決策

4.7 積み上げ面グラフを作成する

解決策

  • geom_area()を使用して、カテゴリカルデータをfillにマッピングする
  • データセットはwide形式(横型)ではなくlong形式(縦型)で与えなければならない
    • {tidyr}のgather()で整形するケースが多くなる
# 準備1：データセットの確認
uspopage %>% head()
##   Year AgeGroup Thousands
## 1 1900       <5      9181
## 2 1900     5-14     16966
## 3 1900    15-24     14951
## 4 1900    25-34     12161
## 5 1900    35-44      9273
## 6 1900    45-54      6437
# 準備2：データセットの属性確認
uspopage %>% glimpse()
## Observations: 824
## Variables: 3
## $ Year      <int> 1900, 1900, 1900, 1900, 1900, 1900, 1900, 1900, 1901...
## $ AgeGroup  <fctr> <5, 5-14, 15-24, 25-34, 35-44, 45-54, 55-64, >64, <...
## $ Thousands <int> 9181, 16966, 14951, 12161, 9273, 6437, 4026, 3099, 9...
# データセットの作成
uspopage %>% 
  ggplot(aes(x = Year, y = Thousands, fill = AgeGroup)) + 
  geom_area()


解説：積み上げの順番を逆にする



4.8 100%積み上げ面グラフを作成する

解決策

4.9 信頼区間の領域を追加する

解決策

5章 散布図

はじめに

  • 散布図は回帰分析で最も大切な概念なので、ggplot2での書き方を整理する
  • ｢Ｒ グラフィックス クックブック｣の第５章



01 基本的な散布図の作成

  • geom_pointを使うことで散布図を作成できる
    • プロットの形状指定 ：geom_point(shape = )
    • プロットのサイズ指定：geom_point(size = )
# 準備：使用データの確認
heightweight[, c("ageYear", "heightIn")] %>% glimpse()
## Observations: 236
## Variables: 2
## $ ageYear  <dbl> 11.92, 12.92, 12.75, 13.42, 15.92, 14.25, 15.42, 11.8...
## $ heightIn <dbl> 56.3, 62.3, 63.3, 59.0, 62.5, 62.5, 59.0, 56.5, 62.0,...
# 散布図の作成
# --- プロットの形状やサイズは任意に指定できる
# --- デフォルトを使用する場合は`geom_point()`とする
heightweight %>% 
  ggplot(aes(ageYear, heightIn)) + 
  geom_point(shape=19)


  • ポイントの形を指定(shape=)するための対応表は以下の通り
    • 黒丸を指定するときはshape=16よりshape=19の方が滑らからしい(P75)



02 カテゴリデータのマッピング

  • グループ化はファクター型データ(カテゴリ変数)に対して行われる
  • カテゴリは色又は形状で表現される
    • 色　：aes(x =, y =, colour =)
    • 形状：aes(x =, y =, shape =)
    • サイズは連続データの概念なのでカテゴリデータには使用できない
# 準備：使用データの確認
heightweight[, c("sex", "ageYear", "heightIn")] %>% glimpse()
## Observations: 236
## Variables: 3
## $ sex      <fctr> f, f, f, f, f, f, f, f, f, f, f, f, f, f, f, f, f, f...
## $ ageYear  <dbl> 11.92, 12.92, 12.75, 13.42, 15.92, 14.25, 15.42, 11.8...
## $ heightIn <dbl> 56.3, 62.3, 63.3, 59.0, 62.5, 62.5, 59.0, 56.5, 62.0,...
# 散布図の作成
# --- カテゴリを色で分ける
heightweight %>% 
  ggplot(aes(x = ageYear, y = heightIn, colour = sex)) + 
  geom_point()

# --- カテゴリを形状と色の両方で分ける
heightweight %>% 
  ggplot(aes(x = ageYear, y = heightIn, shape = sex, colour = sex)) + 
  geom_point()



03 連続データのマッピング

  • 連続データの大小関係をプロットで表現することもできる
  • 連続データは色又はサイズで表現される
    • 色　　：aes(x =, y =, colour =)
    • サイズ：aes(x =, y =, size =)
    • 形状はカテゴリデータの概念なので連続データには使用できない
# 準備：使用データの確認
heightweight[, c("weightLb", "ageYear", "heightIn")] %>% glimpse()
## Observations: 236
## Variables: 3
## $ weightLb <dbl> 85.0, 105.0, 108.0, 92.0, 112.5, 112.0, 104.0, 69.0, ...
## $ ageYear  <dbl> 11.92, 12.92, 12.75, 13.42, 15.92, 14.25, 15.42, 11.8...
## $ heightIn <dbl> 56.3, 62.3, 63.3, 59.0, 62.5, 62.5, 59.0, 56.5, 62.0,...
# 散布図の作成
# --- 連続データを色で分ける
heightweight %>% 
  ggplot(aes(x = ageYear, y = heightIn, colour = weightLb)) + 
  geom_point()

# --- 連続データを色とサイズの両方で分ける
heightweight %>% 
  ggplot(aes(x = ageYear, y = heightIn, size = weightLb, colour = weightLb)) + 
  geom_point()



04 オーバープロット

全体像

  • 散布図ではプロットが多くなりすぎると、個々が不明瞭になる問題がある
    • オーバープロット問題
  • オーバープロットではデータの密度を表現する４つの方法がソリューションとなる
    • 点を半透明にする
    • データを長方形に詰める（定量分析向け）
    • データを六角形に詰める
    • 箱ひげ図を使う



1 点を半透明にする

  • 散布図はそのまま作成して、データの密度をプロットの濃淡で表現する
    • geom_point(alpha = )で表現する
    • alphaの数値は1が半透明0%、0.1だと半透明90%
# 準備1：データ数の確認
diamonds %>% dim()
## [1] 53940    10
# 準備2：グラフにデータをマッピング
sp <- diamonds %>% ggplot(aes(carat, price))

# 通常の散布図
# --- プロットが多すぎて黒塗りになっている
sp + geom_point()

# 散布図のプロットに透明度を適用
# --- 半透明：90%
sp + geom_point(alpha = 0.1)

# 散布図のプロットに透明度を適用
# --- 半透明：99%
sp + geom_point(alpha = 0.01)



2 データを長方形に詰める

  • 散布図を一定範囲ごとに長方形でクラスタ化して、そのクラスタの密度を色で表現する
    • binでクラスタの数(大きさ)を指定する
    • デフォルト設定だと色の濃淡や凡例表示は見やすくない
# 準備：グラフにデータをマッピング
sp <- diamonds %>% ggplot(aes(carat, price))

# 散布図を長方形のクラスタ化
# --- bin=30で指定されているので荒い
# --- 色の濃淡が見分けにくい
# --- 凡例に最低値が表示されない(実データにゼロが含まれないため)
sp + stat_bin2d()

# 前のデータの問題点を解消
# --- bin=50として細かく表示
# --- scale_fill_gradientで色の濃淡と凡例の問題を解決
sp + 
  stat_bin2d(bins = 50) + 
  scale_fill_gradient(low = "lightblue", high = "red", limits = c(0, 6000))



3 データを六角形に詰める

  • データを長方形ではなく六角形に詰める関数も存在する
    • {hexbin}のstat_binhex()を使う
    • stat_bin2d()と同様にデフォルトで使いやすいものではない
# 準備1：新たなライブラリの参照
library(hexbin)
## Warning: package 'hexbin' was built under R version 3.3.2
# 準備2：グラフにデータをマッピング
sp <- diamonds %>% ggplot(aes(carat, price))

# 散布図を長方形のクラスタ化
# --- bin=30で指定されているので荒い
# --- 色の濃淡が見分けにくい
# --- 凡例に最低値が表示されない(実データにゼロが含まれないため)
sp + stat_binhex()

# 前のデータの問題点を解消
# --- bin=50として細かく表示
# --- scale_fill_gradientで色の濃淡と凡例の問題を解決
sp + 
  stat_binhex() + 
  scale_fill_gradient(low = "lightblue", high = "red", 
                      breaks = c(0, 250, 500, 1000, 2000, 4000, 6000), 
                      limits = c(0, 6000))



4 箱ひげ図を使う

05 回帰モデルの直線をフィット



全体像

  • 回帰モデルの前提には散布図があるので、散布図に回帰モデルを表示されることが多い
  • 散布図の状態によってフィッティングがよい回帰モデルがある
    • 線形回帰は唯一絶対のものではない
    • デフォルトはloess(局所加重多項式)になっている
# 準備1：データセットの確認
heightweight %>% glimpse()
## Observations: 236
## Variables: 5
## $ sex      <fctr> f, f, f, f, f, f, f, f, f, f, f, f, f, f, f, f, f, f...
## $ ageYear  <dbl> 11.92, 12.92, 12.75, 13.42, 15.92, 14.25, 15.42, 11.8...
## $ ageMonth <int> 143, 155, 153, 161, 191, 171, 185, 142, 160, 140, 139...
## $ heightIn <dbl> 56.3, 62.3, 63.3, 59.0, 62.5, 62.5, 59.0, 56.5, 62.0,...
## $ weightLb <dbl> 85.0, 105.0, 108.0, 92.0, 112.5, 112.0, 104.0, 69.0, ...
# 準備2：基本プロットの作成
sp <- heightweight %>% ggplot(aes(ageYear, heightIn)) + geom_point()
sp

# デフォルトで散布図にフィッティングさせる
# --- loess(局所加重多項式)が適用される
sp + geom_smooth()
## `geom_smooth()` using method = 'loess'


線形回帰と信頼区間

# 線型回帰モデルの追加
# --- g1：信頼区間95%(デフォルト)を使用
# --- g2：信頼区間99%に設定
# --- g3：信頼区間を無効にする場合はse=FALSEにする(seは標準誤差)
# --- g4：g3の線をデフォルトの青色から黒色に変更する
g1 <- sp + geom_smooth(method = lm)
g2 <- sp + geom_smooth(method = lm, level = 0.99)
g3 <- sp + geom_smooth(method = lm, se = FALSE)
g4 <- sp + geom_smooth(method = lm, se = FALSE, colour = "black")
grid.arrange(g1, g2, g3, g4, nrow = 2, ncol = 2)


ロジスティック回帰

# 準備1：データセットの確認 (MASSパッケージより)
biopsy %>% glimpse()
## Observations: 699
## Variables: 11
## $ ID    <chr> "1000025", "1002945", "1015425", "1016277", "1017023", "...
## $ V1    <int> 5, 5, 3, 6, 4, 8, 1, 2, 2, 4, 1, 2, 5, 1, 8, 7, 4, 4, 10...
## $ V2    <int> 1, 4, 1, 8, 1, 10, 1, 1, 1, 2, 1, 1, 3, 1, 7, 4, 1, 1, 7...
## $ V3    <int> 1, 4, 1, 8, 1, 10, 1, 2, 1, 1, 1, 1, 3, 1, 5, 6, 1, 1, 7...
## $ V4    <int> 1, 5, 1, 1, 3, 8, 1, 1, 1, 1, 1, 1, 3, 1, 10, 4, 1, 1, 6...
## $ V5    <int> 2, 7, 2, 3, 2, 7, 2, 2, 2, 2, 1, 2, 2, 2, 7, 6, 2, 2, 4,...
## $ V6    <int> 1, 10, 2, 4, 1, 10, 10, 1, 1, 1, 1, 1, 3, 3, 9, 1, 1, 1,...
## $ V7    <int> 3, 3, 3, 3, 3, 9, 3, 3, 1, 2, 3, 2, 4, 3, 5, 4, 2, 3, 4,...
## $ V8    <int> 1, 2, 1, 7, 1, 7, 1, 1, 1, 1, 1, 1, 4, 1, 5, 3, 1, 1, 1,...
## $ V9    <int> 1, 1, 1, 1, 1, 1, 1, 1, 5, 1, 1, 1, 1, 1, 4, 1, 1, 1, 2,...
## $ class <fctr> benign, benign, benign, benign, benign, malignant, beni...
# 準備2：0/1データの作成
X <- biopsy %>% mutate(classn = ifelse(class == "benign", 0, 1))
X %>% head()
##        ID V1 V2 V3 V4 V5 V6 V7 V8 V9     class classn
## 1 1000025  5  1  1  1  2  1  3  1  1    benign      0
## 2 1002945  5  4  4  5  7 10  3  2  1    benign      0
## 3 1015425  3  1  1  1  2  2  3  1  1    benign      0
## 4 1016277  6  8  8  1  3  4  3  7  1    benign      0
## 5 1017023  4  1  1  3  2  1  3  1  1    benign      0
## 6 1017122  8 10 10  8  7 10  9  7  1 malignant      1
#
X %>% 
  ggplot(aes(V1, classn)) + 
  geom_point()



06 既存モデルをフィット



07 複数の既存モデルをフィット



08 注釈とモデルの係数を追加



09 散布図の縁にラグを表示

-　散布図に縁に1次元の散布図を示すラグを表示する - ラグは密度は示すが度数は示さないのでヒストグラムとは異なる

# 準備：データセットの確認
faithful %>% glimpse()
## Observations: 272
## Variables: 2
## $ eruptions <dbl> 3.600, 1.800, 3.333, 2.283, 4.533, 2.883, 4.700, 3.6...
## $ waiting   <dbl> 79, 54, 74, 62, 85, 55, 88, 85, 51, 85, 54, 84, 78, ...
# 散布図にラグを追加
faithful %>% 
  ggplot(aes(eruptions, waiting)) + 
  geom_point() + 
  geom_rug()

# 散布図にラグを追加(ジッター追加)
faithful %>% 
  ggplot(aes(eruptions, waiting)) + 
  geom_point() + 
  geom_rug(position = "jitter", size = 0.2)



10 散布図の点にラベルを表示

  • 散布図のラベルを表示するのはgeom_text()を使えば簡単
  • 多くの場合にラベルが重複するなど見にくさの問題が生じる
    • サイズで調整
    • 上下左右の配置で調整
    • 表示するラベル以外をNAにしたダミー列の作成
# 準備1：データセットの作成＆確認
X <- countries %>% filter(Year == 2009, healthexp > 2000) %T>% glimpse()
## Observations: 27
## Variables: 7
## $ Name         <fctr> Andorra, Australia, Austria, Belgium, Canada, De...
## $ Code         <fctr> AND, AUS, AUT, BEL, CAN, DNK, FIN, FRA, DEU, GRC...
## $ Year         <int> 2009, 2009, 2009, 2009, 2009, 2009, 2009, 2009, 2...
## $ GDP          <dbl> NA, 42130.82, 45555.43, 43640.20, 39599.04, 55933...
## $ laborrate    <dbl> NA, 65.2, 60.4, 53.5, 67.8, 65.4, 60.9, 56.1, 59....
## $ healthexp    <dbl> 3089.636, 3867.429, 5037.311, 5104.019, 4379.761,...
## $ infmortality <dbl> 3.1, 4.2, 3.6, 3.6, 5.2, 3.4, 2.5, 3.5, 3.5, 3.5,...
# 準備2：ベースとなる散布図の作成
sp <- X %>% ggplot(aes(healthexp, infmortality)) + geom_point()
sp

# 手動でラベルを付ける
# --- 個別にプロットを指定する必要があるので大変
sp + 
  annotate("text", x = 4350, y = 5.4, label = "Canada") + 
  annotate("text", x = 7400, y = 6.8, label = "USA")

# 一括でラベルを付ける
# --- デフォルトではラベルが重なるなどの問題がある
# --- サイズが解決策の1つとなる
sp + geom_text(aes(label = Name), size = 4)



11 バルーンプロットの作成

  • XY座標の情報以外をプロットの大きさで表現するのにバルーンプロットがある
    • geom_point()とscale_size_area()を併せて使う



12 散布図行列の作成

  • ggplot2は散布図行列の作成は得意ではないので、その他の方法で作成する



6章 データ分布の要約

サマリー

6.1 基本的なヒストグラムの作成

解決策

  • geom_histgram()を使い、X軸に連続値データをマッピングする
    • ヒストグラムのマッピング系列は1つのみ
# 準備：データセットの確認
faithful %>% glimpse()
## Observations: 272
## Variables: 2
## $ eruptions <dbl> 3.600, 1.800, 3.333, 2.283, 4.533, 2.883, 4.700, 3.6...
## $ waiting   <dbl> 79, 54, 74, 62, 85, 55, 88, 85, 51, 85, 54, 84, 78, ...
# waitingのヒストグラム
faithful %>% 
  ggplot(aes(x = waiting)) + 
  geom_histogram()
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.


解説1：ベクトルからヒストグラムを作成

  • ggplot()はデータフレーム形式のデータを引数とする
    • ヒストグラムは1系列のデータで作成、ベクトルの場合も想定される
    • NULL %>% ggplot()とするとベクトル指定が可能となる
# ベクトル指定でヒストグラム作成
NULL %>% 
  ggplot(aes(faithful$waiting)) + 
  geom_histogram(binwidth = 1)

6.2 グループ化されたデータから複数のヒストグラムを作成

6.3 密度曲線を作成する

6.4 グループ化されたデータから複数の密度曲線を作成する

6.5 頻度の折れ線グラフを作成する

6.6 基本的な箱ひげ図を作成する

6.7 ノッチを付けた箱ひげ図を作成する

6.8 箱ひげ図に平均値を追加する

6.9 バイオリンプロットを描く

6.10 ドットプロットを作成する

6.11 グループ化されたデータから複数のドットプロットを作成する

6.12 2次元データから密度プロットを作成する

7章 注釈

サマリー

7.1 テキスト注釈を追加する

  • annotate()を使って座標上にテキストを追加する
# 準備：散布図の作成
p <- faithful %>% ggplot(aes(eruptions, waiting)) + geom_point()
p %>% print()

# テキスト注釈の追加
p + 
  annotate("text", x = 3.0, y = 48, label = "Group 1") + 
  annotate("text", x = 4.5, y = 66, label = "Group 2")



7.2 注釈に数式を使う

  • annotate(geom = "text")を使用し、parse = TRUEを設定する
# 準備：正規曲線のグラフ
p <- data.frame(x = c(-3, 3)) %>% ggplot(aes(x = x)) + stat_function(fun = dnorm)
p %>% print()

#テキスト注釈に数式を追加
p + annotate("text", x = 2, y = 0.3, parse = TRUE, 
             label = "frac(1, sqrt(2 * pi)) * e ^ {-x^2 / 2}")



7.3 線を追加する

  • geom_hline()で水平線を、geom_vline()で垂直線を追加することができる
  • geom_abline()で傾きのある直線を追加することができる
# 準備：基本グラフの作成
p <- heightweight %>% ggplot(aes(ageYear, heightIn, colour = sex)) + geom_point()
p %>% print()

# 水平線と垂直線を追加
p + 
  geom_hline(yintercept = 60) + 
  geom_vline(xintercept = 14)

# 傾きのある直線を追加する
p + geom_abline(intercept = 37.4, slope = 1.75)



7.4 線分と矢印を追加する

  • annotate(geom = "segment")を使用する
# 準備1：データセットの確認
climate %>% glimpse()
## Observations: 499
## Variables: 6
## $ Source     <chr> "Berkeley", "Berkeley", "Berkeley", "Berkeley", "Be...
## $ Year       <dbl> 1800, 1801, 1802, 1803, 1804, 1805, 1806, 1807, 180...
## $ Anomaly1y  <dbl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA,...
## $ Anomaly5y  <dbl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA,...
## $ Anomaly10y <dbl> -0.435, -0.453, -0.460, -0.493, -0.536, -0.541, -0....
## $ Unc10y     <dbl> 0.505, 0.493, 0.486, 0.489, 0.483, 0.475, 0.468, 0....
# 準備2：基本グラフの作成
p <- climate %>% 
  filter(Source == "Berkeley") %>% 
  ggplot(aes(Year, Anomaly10y)) + 
  geom_line()
p %>% print()

# グラフ上に線分を追加
p + annotate(geom = "segment", x = 1950, xend = 1980, y = -0.25, yend = -0.25)



7.5 網掛けの長方形を追加する

  • annotate(geom = "rect")を使用して網掛け領域を設定する
# 準備1：データセットの確認
climate %>% glimpse()
## Observations: 499
## Variables: 6
## $ Source     <chr> "Berkeley", "Berkeley", "Berkeley", "Berkeley", "Be...
## $ Year       <dbl> 1800, 1801, 1802, 1803, 1804, 1805, 1806, 1807, 180...
## $ Anomaly1y  <dbl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA,...
## $ Anomaly5y  <dbl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA,...
## $ Anomaly10y <dbl> -0.435, -0.453, -0.460, -0.493, -0.536, -0.541, -0....
## $ Unc10y     <dbl> 0.505, 0.493, 0.486, 0.489, 0.483, 0.475, 0.468, 0....
# 準備2：基本グラフの作成
p <- climate %>% 
  filter(Source == "Berkeley") %>% 
  ggplot(aes(Year, Anomaly10y)) + 
  geom_line()
p %>% print()

# 網掛け領域を指定する
p + annotate(geom = "rect", xmin = 1950, xmax = 1980, 
             ymin = -1, ymax = 1, alpha = 0.1, fill = "blue")



7.6 要素を強調する

  • 系列の色を変更するにはカテゴリデータの列を作成してマッピングする
# 準備：データセットの作成
pg <- 
  PlantGrowth %>% 
  mutate(h1 = "no") %>% 
  mutate(h1 = if_else(.$group == "trt2", "yes", "no")) %T>% glimpse()
## Observations: 30
## Variables: 3
## $ weight <dbl> 4.17, 5.58, 5.18, 6.11, 4.50, 4.61, 5.17, 4.53, 5.33, 5...
## $ group  <fctr> ctrl, ctrl, ctrl, ctrl, ctrl, ctrl, ctrl, ctrl, ctrl, ...
## $ h1     <chr> "no", "no", "no", "no", "no", "no", "no", "no", "no", "...
# 要素の色を指定する
pg %>% 
  ggplot(aes(group, weight, fill = h1)) + 
  geom_boxplot() + 
  scale_fill_manual(values = c("grey85", "#FFDDCC"), guide = FALSE)



7.7 エラーバーを追加する

7.8 各ファセットに注釈を追加する

8章 軸

サマリー

8.1 X軸と Y軸を反転する

8.2 連続値の軸の範囲を設定する

8.3 連続値軸を逆転させる

8.4 カテゴリカルな軸の要素の順番を変更する

8.5 X軸と Y軸のスケール比を設定する

8.6 目盛の位置を設定する

8.7 目盛とラベルを非表示にする

8.8 目盛ラベルのテキストを変更する

8.9 目盛ラベルの体裁を変更する

8.10 軸ラベルのテキストを変更する

8.11 軸ラベルを非表示にする

8.12 軸ラベルの体裁を変更する

8.13 軸に沿った線を表示する

8.14 対数軸を使用する

8.15 対数軸に目盛を追加する

8.16 円形グラフを作成する

8.17 軸目盛に日付を使う

8.18 軸目盛に時間を使う

9章 グラフの全体的な体裁

サマリー

9.1 グラフのタイトルを設定

解決策

# 準備1：基本プロットの作成
p <- heightweight %>% 
      ggplot(aes(x = ageYear, y = heightIn)) + 
      geom_point()

# 準備2：プロットの確認
# --- グラフタイトルがついていない
p %>% print()

# グラフタイトルを付ける
# --- 左：改行なし　右：改行あり(上手くいかず)
p1 <- p + ggtitle("Age and Height of SchoolChildren")
p2 <- p + ggtitle("Age and Height \n of SchoolChildren")
grid.arrange(p1, p1, ncol = 2)



9.2 グラフ上のテキストの体裁を変更

解決策

# 準備1：基本プロットの作成
p <- heightweight %>% 
      ggplot(aes(x = ageYear, y = heightIn)) + 
      geom_point()

# 準備2：プロットの確認
# --- グラフタイトルがついていない
p %>% print()

# 
p + theme(axis.title.x = element_text(size = 16, 
                                      lineheight = 0.9, 
                                      family = "Times", 
                                      face = "bold.italic", 
                                      colour = "red"))
## Warning in grid.Call(L_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows のフォントデータベースにフォントファミリが見付かりません

## Warning in grid.Call(L_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows のフォントデータベースにフォントファミリが見付かりません

## Warning in grid.Call(L_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows のフォントデータベースにフォントファミリが見付かりません

9.3 テーマを使う

9.4 テーマ要素の体裁を変更する

9.5 独自のテーマを作成する

9.6 目盛線を消す

10章 凡例

10.1 凡例を消す

解決策

  • guides()を使って凡例を消すスケールを指定する
# 準備1：基本プロットの作成
p <- PlantGrowth %>% 
      ggplot(aes(x = group, y = weight, fill = group)) + 
      geom_boxplot()

# プロットの確認
# --- fillの凡例がついている(系列色)
p %>% print()

# fillの凡例を消す
p + guides(fill = FALSE)



10.2 凡例の位置を変える

解決策

  • theme(legend.position="")により位置を変更できる
    • 上：top 下：bottom　右：right　左：left
# 準備1：基本プロットの作成
p <- PlantGrowth %>% 
  ggplot(aes(x = group, y = weight, fill = group)) + 
  geom_boxplot() + 
  scale_fill_brewer(palette = "Pastel2")

# プロットの確認
# --- 右端に凡例が表示される
p %>% print()

# 凡例の位置を上部に変更
p + theme(legend.position = "top")



10.3 凡例の項目順を変える

  • scale_fill_discrete()のlimit引数で凡例の順番をコントロールできる
# 準備1：基本プロットの作成
p <- PlantGrowth %>% 
  ggplot(aes(x = group, y = weight, fill = group)) + 
  geom_boxplot()

# 準備2：基本プロットの確認
p %>% print()

# 項目順の変更
p + scale_fill_discrete(limits = c("trt1", "trt2", "ctr1"))



10.4 凡例の項目順を反転させる

解決策

  • guides(fill = guide_legend(reverse = TRUE))を追加する (fillの場合)
    • エステティック属性に合わせてcolourやsizeなど選択
# 準備1：基本プロットの作成
p <- PlantGrowth %>% 
      ggplot(aes(x = group, y = weight, fill = group)) + 
      geom_boxplot()

# 準備2：基本プロットの確認
p %>% print()

# 凡例の順序を反転させる
p + guides(fill = guide_legend(reverse = TRUE))



10.5 凡例のタイトルを変更する

解決策

  • 系列名の変更ではない
    • 系列の上にある凡例のタイトルのことを指している
  • guides(fill = guide_legend(reverse = TRUE))を追加する (fillの場合)
    • エステティック属性に合わせてcolourやsizeなど選択
# 準備1：基本プロットの作成
p <- PlantGrowth %>% 
      ggplot(aes(x = group, y = weight, fill = group)) + 
      geom_boxplot()

# 準備2：基本プロットの確認
p %>% print()

# 凡例のタイトルを｢Condition｣に設定
p + labs(fill = "Condition")



10.6 凡例タイトルの体裁を変更する

解決策

  • guides(fill = guide_legend(reverse = TRUE))を追加する (fillの場合)
    • エステティック属性に合わせてcolourやsizeなど選択
# 準備1：基本プロットの作成
p <- PlantGrowth %>% 
      ggplot(aes(x = group, y = weight, fill = group)) + 
      geom_boxplot()

# 準備2：基本プロットの確認
p %>% print()

# 凡例タイトルのテキストを変更したい
p + theme(legend.title = element_text(face   = "italic", 
                                      family = "Times", 
                                      colour = "red", 
                                      size   = 14))
## Warning in grid.Call(L_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## Windows のフォントデータベースにフォントファミリが見付かりません
## Warning in grid.Call.graphics(L_text, as.graphicsAnnot(x$label), x$x, x
## $y, : Windows のフォントデータベースにフォントファミリが見付かりません



10.7 凡例タイトルを消す

解決策

  • guides(fill = guide_legend(title = NULL))を追加する
# 準備1：基本プロットの作成
p <- PlantGrowth %>% 
      ggplot(aes(x = group, y = weight, fill = group)) + 
      geom_boxplot()

# 準備2：基本プロットの確認
p %>% print()

# 凡例タイトルのテキストを変更したい
p + guides(fill = guide_legend(title = NULL))



10.8 凡例ラベルを変更する

解決策

  • scale_fill_discrete()でスケールを指定する際にlabels引数を指定する
# 準備1：基本プロットの作成
p <- PlantGrowth %>% 
      ggplot(aes(x = group, y = weight, fill = group)) + 
      geom_boxplot()

# 準備2：基本プロットの確認
p %>% print()

# 凡例タイトルのテキストを変更したい
p + scale_fill_discrete(labels = c("Control", "Treatment 1", "Treatment2"))



10.9 凡例ラベルの体裁を変更する

解決策

  • theme(legend.text = element_text()を使う
# 準備1：基本プロットの作成
p <- PlantGrowth %>% 
      ggplot(aes(x = group, y = weight, fill = group)) + 
      geom_boxplot()

# 準備2：基本プロットの確認
p %>% print()

# 凡例ラベルの体裁を変更
#p + theme(legend.text = element_text(face = "italic", 
#                                     family = "Times", 
#                                     colour = "red", 
#                                     size = 14))



10.10 複数行テキストをラベルに使う

  • \nを文字列に組み込むことで開業を表現する
# 準備1：基本プロットの作成
p <- PlantGrowth %>% 
      ggplot(aes(x = group, y = weight, fill = group)) + 
      geom_boxplot()

# 準備2：基本プロットの確認
p %>% print()

p + scale_fill_discrete(labels = c("Control", 
                                   "Type 1\ntreatment", 
                                   "Type 2\ntreatment"))



11章 ファセット

サマリー

  • ファセットとは、データをグループごとにグラフに並べて表示する方法



# 準備1：データセットの確認
mpg %>% glimpse()
## Observations: 234
## Variables: 11
## $ manufacturer <chr> "audi", "audi", "audi", "audi", "audi", "audi", "...
## $ model        <chr> "a4", "a4", "a4", "a4", "a4", "a4", "a4", "a4 qua...
## $ displ        <dbl> 1.8, 1.8, 2.0, 2.0, 2.8, 2.8, 3.1, 1.8, 1.8, 2.0,...
## $ year         <int> 1999, 1999, 2008, 2008, 1999, 1999, 2008, 1999, 1...
## $ cyl          <int> 4, 4, 4, 4, 6, 6, 6, 4, 4, 4, 4, 6, 6, 6, 6, 6, 6...
## $ trans        <chr> "auto(l5)", "manual(m5)", "manual(m6)", "auto(av)...
## $ drv          <chr> "f", "f", "f", "f", "f", "f", "f", "4", "4", "4",...
## $ cty          <int> 18, 21, 20, 21, 16, 18, 18, 18, 16, 20, 19, 15, 1...
## $ hwy          <int> 29, 29, 31, 30, 26, 26, 27, 26, 25, 28, 27, 25, 2...
## $ fl           <chr> "p", "p", "p", "p", "p", "p", "p", "p", "p", "p",...
## $ class        <chr> "compact", "compact", "compact", "compact", "comp...



11.1 ファセットでサブプロットに分割

  • グラフを分割表示するにはfacet_grid()かfacet_wrap()を使う
  • facet_grid：垂直or水平方向にグラフを分割する
    • 属性ごとの水準比較に便利
    • 縦長や横長になることが多く、必ずしも見やすくないこともある
  • facet_wrap：サブプロットが順番に表示される
    • 属性ごとの全体感を見るのに便利
    • 属性ごとの水準比較も十分可能
    • デフォルトでは正方行列でサブプロットができるが、変更も可能
# 準備：基本プロットの作成
p <- mpg %>% ggplot(aes(x = displ, y = hwy)) + geom_point()
p %>% print()

# 行方向を｢drv｣で分割
p + facet_grid(drv ~ .)

# 列方向を｢cyl｣で分割
p + facet_grid(. ~ cyl)

# 行方向を｢drv｣ + 列方向を｢cyl｣で分割
p + facet_grid(drv ~ cyl)

# ｢class｣ごとにサブグラフで表示
p + facet_wrap(~ class)



11.2 ファセットで個別の軸を使う

  • ファセットの軸スケールはデフォルトでは固定されているが、個別設定も可能
    • カテゴリごとの分布状況をより細かく見るのに適している
    • 上下左右のグラフとは軸が一緒になる
# 準備：基本プロットの作成
p <- mpg %>% ggplot(aes(x = displ, y = hwy)) + geom_point()
p %>% print()

# ファセットを適用
p + facet_grid(drv ~ cyl)

# y軸をフリースケールに変更
p + facet_grid(drv ~ cyl, scales = "free_y")

# x軸とy軸をフリースケールに変更
p + facet_grid(drv ~ cyl, scales = "free")



11.3 ファセットラベルのテキストを変更する

  • ファセットにするの属性データの変更が必要
    • {dplyr}のmutate()と{forcat}のfct_recode()を使うと簡単に操作できる
# 元データのコピーを作成
mpg2 <- mpg

# カテゴリデータを変更
mpg2 <- 
  mpg %>% 
    mutate(drv = fct_recode(drv, "4wd" = "4", "Front" = "f", "Rear" = "r"))
    
# 新データをプロット
p1 <- mpg  %>% ggplot(aes(x = displ, y = hwy)) + geom_point() + facet_grid(drv ~ .)
p2 <- mpg2 %>% ggplot(aes(x = displ, y = hwy)) + geom_point() + facet_grid(drv ~ .)
grid.arrange(p1, p2, ncol = 2)



11.4 ファセットラベルとヘッダの体裁を変更する

  • テーマシステムを使うとテキスト体裁や背景体裁を自由に制御できる
# 準備：ファセットを適用したグラフ
p <- cabbage_exp %>% 
      ggplot(aes(x = Cultivar, y = Weight)) + 
      geom_bar(stat = "identity") + 
      facet_grid(. ~ Date)
p %>% print()

# テーマシステムの適用
p + theme(strip.text = element_text(face = "bold", 
                                    size = rel(1.5)), 
          strip.background = element_rect(fill = "lightblue", 
                                          colour = "black",
                                          size = 1)
        )



12章 色を使う

サマリー

12.1 オブジェクトの色を設定する

12.2 変数を色にマッピングする

12.3 離散値変数に異なるパレットを使う

12.4 離散値変数に手動で定義したパレットを使う

12.5 色覚異常に配慮したパレットを使う

12.6 連続値変数に手動で定義したパレットを使う

12.7 値に基づいて網掛け領域に色を付ける

13章 さまざまなグラフ

サマリー

13.1 相関行列の図を作成する

13.2 関数をプロットする

13.3 関数曲線の下の部分領域に網掛けをする

13.4 ネットワークグラフを作成する

13.5 ネットワークグラフにテキストラベルを使う

13.6 ヒートマップを作成する

13.7 3次元の散布図を作成する

13.8 3次元プロットに予測面を追加する

13.9 3次元プロットを保存する

13.10 3次元プロットのアニメーション

13.11 樹形図を作成する

13.12 ベクトルフィールドを作成する

13.13 QQプロットを作成する

13.14 経験累積分布関数のグラフを作成する

13.15 モザイクプロットを作成する

13.16 円グラフを作成する

13.17 地図を描く

13.18 コロプレス地図（塗り分け地図）を描く

13.19 地図の背景を消す

13.20 シェープファイルから地図を描く

14章 文書用に図を出力

サマリー

14.1 PDFベクタファイルへの出力

14.2 SVGベクタファイルへの出力

14.3 WMFベクタファイルへの出力

14.4 ベクタファイルの編集

14.5 ビットマップファイル（ PNG/TIFF）への出力

14.6 PDFファイルでのフォント指定

14.7 Windowsのビットマップや画面出力でのフォント指定

15章 データの前処理

  • {dplyr}や{tidyr}で処理可能

付録 グラフでの日本語フォントの利用

日本語フォントの設定

ggplot2での日本語フォントの設定

inserted by FC2 system