主題B1：數據分析 (R語言) 教學資源

請參考 R語言 的基礎教學

以及
<< ggplot 繪圖練習>>


# ex-daimonds.r

# https://blog.gtwang.org/r/ggplot2-tutorial-basic-concept-and-qplot/

# for R-3.5.1

# B3

 

 

setwd("d:/temp0922")

getwd()

 

# 安裝 ggplot2 套件

# 在使用 ggplot 繪圖之前，請先安裝 ggplot2 這個 R 套件，

# 這個套件在 R 官方的套件庫中就有收錄，使用 install.packages 安裝即可：

 

install.packages("ggplot2")

 

# 接著載入 ggplot2 套件：

library(ggplot2)

 

# qplot 函數

# qplot 函數是 ggplot 系統中最基本的一個繪圖函數，它的設計類似傳統 plot 函數，

# 方便讓初次使用 ggplot 的使用者快速上手，繪製一些基本的圖形。

 

# 這裡我們以一組 R 內建的 diamonds 資料集來示範 qplot 的用法，

# 這組資料預設就內建在 ggplot2 套件中，在 ggplot2 套件安裝後即可使用。

 

# diamonds 資料集中包含了大約五萬多顆鑽石的資料，

# 其中包含鑽石的 4C 品質指標，亦即顏色（color）、淨度（clarity）、切磨（Cut）與克拉（carat），

# 另外還包含了幾個鑽石的尺寸資訊，詳細說明可參考 diamonds 的線上手冊。

# 首先我們用 head 稍微看一下 diamonds 資料集中的實際資料：

 

head(diamonds)

 

# 由於 diamonds 資料集的資料有五萬多筆，有些圖形會需要使用較少量的資料做示範，

# 所以我們另外抽樣出 100 筆，儲存在 diamonds.subset 這個 data frame 中：

 

set.seed(5)

diamonds.subset <- diamonds[sample(nrow(diamonds), 100), ]

 

# 基本用法

# qplot 的用法與傳統的 plot 類似，前兩個參數分別是 x 軸與 y 軸的座標資料：

 

qplot(diamonds$carat, diamonds$price)

 

# 散佈圖

 

# 另外也可以使用 data 參數指定資料來源的 data frame，這種方式會讓指令比較簡潔：

 

qplot(carat, price, data = diamonds)

 

# 散佈圖

 

# 這張圖顯示了鑽石的價格（price）與它的克拉數（carat）有明顯的關係，

# 不過這個關係看起來不是線性的，我們可以將變數透過對數（log）轉換一下：

 

qplot(log(carat), log(price), data = diamonds)

 

# 散佈圖

 

# 經過對數轉換之後，看起來就呈現比較好的線性關係。

 

# 我們也可以使用多個變數進行運算之後，作為 x 軸或 y 軸的座標值：

 

qplot(carat, x * y * z, data = diamonds)

 

# 散佈圖

 

# 這裡我們拿 diamonds 的 x、y、z 三個變數相乘，當作 y 軸的座標，畫出與 carat 的關係圖，

# 看起來大部分鑽石的體積都跟重量成正比，也就是密度都差不多，不過也有許多 outliers。

 

# 圖形樣式

# qplot 有提供一些參數可以讓使用者更改資料點的顏色、大小等樣式，而且在使用上會比傳統的 plot 函數更方便，

# 在使用 plot 更改資料點的樣式時，使用者必須自行將類別型的資料轉換為 plot 可以接受的數值或名稱

# （例如 red、blue 等），而 qplot 則是可以自動處理這些繁瑣的動作，並且在圖形上加入圖示說明（legend）。

 

# 假設我們想要依據 diamonds 中的 color 變數來替資料點著色，區別不同顏色的鑽石，可以使用 color 參數：

 

qplot(carat, price, data = diamonds.subset, color = color)

 

# 散佈圖

 

# 若要以資料點的形狀區分資料，可使用 shape：

 

qplot(carat, price, data = diamonds.subset, shape = cut)

 

# 散佈圖

 

# 資料點的顏色與形狀都是屬於 ggplot 系統上的美學對應。

 

# 這裡的鑽石資料總共有五萬多筆，一次畫在同一張圖形上會造成大量的資料點重疊問題，看不出實際的資料分佈，

# 我們將資料點加上透明度的參數，這樣可以比較容易辨識實際的資料分佈情況：

 

qplot(carat, price, data = diamonds, alpha = I(1/10))

 

# 散佈圖

 

qplot(carat, price, data = diamonds, alpha = I(1/100))

 

# 散佈圖

 

# 隨著資料類型的不同，適合的資料呈現方式也不同，例如類別型的資料就適合使用顏色、形狀來區隔，

# 而若是連續型的資料則可以使用資料點的大小來表示；

# 至於資料量的多寡也會有影響，

# 資料量多的時候，除了使用透明度的技巧，也可以考慮以繪圖面（facet）繪出多張圖形的方式，

# 避免過多的資料擠在同一張圖上難以區分。



可另參閱：

(1)
http://rstudio-pubs-static.s3.amazonaws.com/480318_8fc11dea44ab47609319d4001f64c0c5.html
 
(2)
https://www.rpubs.com/chiahung_tsai/lecture05012018

(3) 
https://www.rpubs.com/chiahung_tsai/lecture05012018

(4)
https://www.math.pku.edu.cn/teachers/lidf/docs/Rbook/html/_Rbook/ggplotvis.html


(5)