Søjlediagram & Histogram i R (med eksempel)

Et søjlediagram er en fantastisk måde at vise kategoriske variabler på x-aksen. Denne type graf angiver to aspekter i y-aksen.

Den første tæller antallet af forekomst mellem grupper.
Den anden viser en oversigtsstatistik (min, max, gennemsnit osv.) Af en variabel i y-aksen.

Du bruger mtcars-datasættet med følgende variabler:

cyl: Antal cylindre i bilen. Numerisk variabel
am: transmissionstype. 0 til automatisk og 1 til manuel. Numerisk variabel
mpg: Miles pr. gallon. Numerisk variabel

I denne vejledning lærer du

Sådan oprettes søjlediagram
Skift farve på bjælkerne
Skift intensitet
Farve efter grupper
Tilføj en gruppe i bjælkerne
Søjlediagram i procent
Side ved side barer
Histogram

Sådan oprettes søjlediagram

For at oprette graf i R kan du bruge biblioteket ggplot, der opretter klar-til-offentliggørelse grafer. Den grundlæggende syntaks for dette bibliotek er:

ggplot(data, mapping = aes()) +geometric objectarguments:data: dataset used to plot the graphmapping: Control the x and y-axisgeometric object: The type of plot you want to show. The most common objects are:- Point: `geom_point()`- Bar: `geom_bar()`- Line: `geom_line()`- Histogram: `geom_histogram()`

I denne vejledning er du interesseret i det geometriske objekt geom_bar (), der opretter søjlediagrammet.

Søjlediagram: antal

Din første graf viser hyppighed af cylinder med geom_bar (). Koden nedenfor er den mest basale syntaks.

library(ggplot2)# Most basic bar chartggplot(mtcars, aes(x = factor(cyl))) +geom_bar()

Kode Forklaring

Du sender datasættet mtcars til ggplot.
Inde i argumentet aes () tilføjer du x-aksen som en faktorvariabel (cyl)
+ Tegnet betyder, at du vil have R til at fortsætte med at læse koden. Det gør koden mere læselig ved at bryde den.
Brug geom_bar () til det geometriske objekt.

Produktion:

Bemærk : Sørg for at konvertere variablerne til en faktor, ellers behandler R variablerne som numeriske. Se eksemplet nedenfor.

Tilpas grafen

Fire argumenter kan sendes for at tilpasse grafen:

- `stat`: Control the type of formatting. By default, `bin` to plot a count in the y-axis. For continuous value, pass `stat = "identity"`- `alpha`: Control density of the color- `fill`: Change the color of the bar- `size`: Control the size the bar

Skift farve på bjælkerne

Du kan ændre farven på bjælkerne. Bemærk, at stængernes farver alle er ens.

# Change the color of the barsggplot(mtcars, aes(x = factor(cyl))) +geom_bar(fill = "coral") +theme_classic()

Kode Forklaring

Farverne på bjælkerne styres af aes () -kortlægningen inde i det geometriske objekt (dvs. ikke i ggplot ()). Du kan ændre farven med udfyldningsargumenterne. Her vælger du koralfarven.

Produktion:

Du kan bruge denne kode:

grDevices::colors()

for at se alle de tilgængelige farver i R. Der er omkring 650 farver.

Skift intensitet

Du kan øge eller formindske intensiteten af bjælkenes farve

# Change intensityggplot(mtcars,aes(factor(cyl))) +geom_bar(fill = "coral",alpha = 0.5) +theme_classic()

Kode Forklaring

For at øge / formindske linjens intensitet kan du ændre alfaens værdi. En stor alfa øger intensiteten, og lav alfa reducerer intensiteten. alfa varierer fra 0 til 1. Hvis 1, er farven den samme som paletten. Hvis 0, er farven hvid. Du vælger alpha = 0,1.

Produktion:

Farve efter grupper

Du kan ændre farverne på bjælkerne, hvilket betyder en anden farve for hver gruppe. For eksempel har cyl variabel tre niveauer, så kan du plotte søjlediagrammet med tre farver.

# Color by groupggplot(mtcars, aes(factor(cyl),fill = factor(cyl))) +geom_bar()

Kode Forklaring

Argumentet fylde inde i aes () tillader ændring af linjens farve. Du ændrer farven ved at indstille fyld = x-akse-variabel. I dit eksempel er variablen x-akse cyl; fyld = faktor (cyl)

Produktion:

Tilføj en gruppe i bjælkerne

Du kan yderligere opdele y-aksen baseret på et andet faktorniveau. For eksempel kan du tælle antallet af automatisk og manuel transmission baseret på cylindertypen.

Du fortsætter som følger:

Trin 1: Opret datarammen med mtcars-datasæt
Trin 2: Mærk am-variablen med auto til automatisk transmission og mand til manuel transmission. Konverter am og cyl som en faktor, så du ikke behøver at bruge faktor () i funktionen ggplot ().
Trin 3: Plot søjlediagrammet for at tælle antallet af transmissioner efter cylinder

library(dplyr)# Step 1data <- mtcars % > %#Step 2mutate(am = factor(am, labels = c("auto", "man")),cyl = factor(cyl))

Du har datasættet klar, du kan plotte grafen;

# Trin 3

ggplot(data, aes(x = cyl, fill = am)) +geom_bar() +theme_classic()

Kode Forklaring

Ggpplot () indeholder datasættets data og aes ().
I aes () inkluderer du variablen x-akse, og hvilken variabel der kræves for at udfylde bjælken (dvs. am)
geom_bar (): Opret søjlediagrammet

Produktion:

Kortlægningen udfylder bjælken med to farver, en for hvert niveau. Det er ubesværet at ændre gruppen ved at vælge andre faktorvariabler i datasættet.

Søjlediagram i procent

Du kan visualisere bjælken i procent i stedet for det rå antal.

# Søjlediagram i procent

ggplot(data, aes(x = cyl, fill = am)) +geom_bar(position = "fill") +theme_classic()

Kode Forklaring

Brug position = "fill" i argumentet geom_bar () til at oprette en grafik med procent i y-aksen.

Produktion:

Side ved side barer

Det er let at plotte søjlediagrammet med gruppevariablen side om side.

# Bar chart side by sideggplot(data, aes(x = cyl, fill = am)) +geom_bar(position = position_dodge()) +theme_classic()

Kode Forklaring

position = position_dodge (): Fortæller eksplicit, hvordan bjælkerne skal arrangeres

Produktion:

Histogram

I anden del af søjlediagramundervisningen kan du repræsentere gruppen af variabler med værdier i y-aksen.

Dit mål er at oprette en graf med den gennemsnitlige kilometer pr. Gallon for hver type cylinder. For at tegne en informativ graf følger du disse trin:

Trin 1: Opret en ny variabel med den gennemsnitlige mile pr. Gallon pr. Cylinder
Trin 2: Opret et grundlæggende histogram
Trin 3: Skift retning
Trin 4: Skift farve
Trin 5: Skift størrelse
Trin 6: Føj etiketter til grafen

Trin 1) Opret en ny variabel

Du opretter en dataramme med navnet data_histogram, som simpelthen returnerer de gennemsnitlige miles pr. Gallon med antallet af cylindre i bilen. Du kalder denne nye variabel mean_mpg, og du runder gennemsnittet med to decimaler.

# Trin 1

data_histogram <- mtcars % > %mutate(cyl = factor(cyl)) % > %group_by(cyl) % > %summarize(mean_mpg = round(mean(mpg), 2))

Trin 2) Opret et grundlæggende histogram

Du kan plotte histogrammet. Det er ikke klar til at kommunikere for at blive leveret til klienten, men giver os en intuition om tendensen.

ggplot(data_histogram, aes(x = cyl, y = mean_mpg)) +geom_bar(stat = "identity")

Kode Forklaring

Aes () har nu to variabler. Cylvariablen henviser til x-aksen, og middel_mpg er y-aksen.
Du skal videregive argumentet stat = "identity" for at henvise variablen i y-aksen som en numerisk værdi. geom_bar bruger stat = "bin" som standardværdi.

Produktion:

Trin 3) Skift retning

Du ændrer grafens retning fra lodret til vandret.

ggplot(data_histogram, aes(x = cyl, y = mean_mpg)) +geom_bar(stat = "identity") +coord_flip()

Kode Forklaring

Du kan styre orienteringen af grafen med coord_flip ().

Produktion:

Trin 4) Skift farve

Du kan differentiere farverne på bjælkerne efter faktorniveauet for x-akse-variablen.

ggplot(data_histogram, aes(x = cyl, y = mean_mpg, fill = cyl)) +geom_bar(stat = "identity") +coord_flip() +theme_classic()

Kode Forklaring

Du kan plotte grafen efter grupper med fill = cyl-kortlægningen. R tager sig automatisk af farverne baseret på niveauerne af cyl variabel

Produktion:

Trin 5) Skift størrelse

For at få grafen til at se pænere ud reducerer du linjens bredde.

graph <- ggplot(data_histogram, aes(x = cyl, y = mean_mpg, fill = cyl)) +geom_bar(stat = "identity",width = 0.5) +coord_flip() +theme_classic()

Kode Forklaring

Breddeargumentet inde i geom_bar () styrer størrelsen på bjælken. Større værdi øger bredden.
Bemærk, at du gemmer grafen i den variable graf. Du gør det, fordi det næste trin ikke ændrer koden for den variable graf. Det forbedrer læsbarheden af koden.

Produktion:

Trin 6) Føj etiketter til grafen

Det sidste trin består i at tilføje værdien af variablen mean_mpg i etiketten.

graph +geom_text(aes(label = mean_mpg),hjust = 1.5,color = "white",size = 3) +theme_classic()

Kode Forklaring

Funktionen geom_text () er nyttig til at kontrollere tekstens æstetik.
- label =: Tilføj en label inde i bjælkerne
- mean_mpg: Brug variablen mean_mpg til etiketten
hjust styrer placeringen af etiketten. Værdier lukket til 1 viser etiketten øverst i bjælken, og højere værdier bringer etiketten til bunden. Hvis grafens retning er lodret, skal du ændre hjust til vjust.
color = "white": Skift farve på teksten. Her bruger du den hvide farve.
størrelse = 3: Indstil størrelsen på teksten.

Produktion:

Resumé

Et søjlediagram er nyttigt, når x-aksen er en kategorisk variabel. Y-aksen kan enten være en optælling eller en sammenfattende statistik. Tabellen nedenfor opsummerer, hvordan du styrer søjlediagram med ggplot2:

Objektiv	kode
Tælle	ggplot(df, eas(x= factor(x1)) + geom_bar()
Tæl med forskellige fyldstoffer	ggplot(df, eas(x= factor(x1), fill = factor(x1))) + geom_bar()
Tæl med grupper, stablet	ggplot(df, eas(x= factor(x1), fill = factor(x2))) + geom_bar(position=position_dodge())
Tæl med grupper side om side	ggplot(df, eas(x= factor(x1), fill = factor(x2))) + geom_bar()
Tæl med grupper, stablet i%	ggplot(df, eas(x= factor(x1), fill = factor(x2))) + geom_bar(position=position_dodge())
Værdier	ggplot(df, eas(x= factor(x1)+ y = x2) + geom_bar(stat="identity")