15 KiB

Raw Permalink Blame History

Wizualizacja Ilości


Wizualizacja Ilości - Sketchnote autorstwa @nitya

W tej lekcji dowiesz się, jak korzystać z niektórych z wielu dostępnych bibliotek pakietów R, aby tworzyć interesujące wizualizacje związane z pojęciem ilości. Korzystając z oczyszczonego zestawu danych o ptakach z Minnesoty, możesz poznać wiele ciekawych faktów o lokalnej faunie.

Quiz przed wykładem

Obserwacja rozpiętości skrzydeł za pomocą ggplot2

Doskonale nadającą się do tworzenia zarówno prostych, jak i zaawansowanych wykresów i diagramów biblioteką jest ggplot2. Ogólnie rzecz biorąc, proces tworzenia wykresów za pomocą tych bibliotek obejmuje identyfikację części ramki danych, które chcesz przeanalizować, przekształcenie danych w razie potrzeby, przypisanie wartości osi x i y, wybór rodzaju wykresu oraz jego wyświetlenie.

ggplot2 to system do deklaratywnego tworzenia grafik, oparty na The Grammar of Graphics. Grammar of Graphics to ogólny schemat wizualizacji danych, który dzieli wykresy na semantyczne komponenty, takie jak skale i warstwy. Innymi słowy, łatwość tworzenia wykresów dla danych jednowymiarowych lub wielowymiarowych przy użyciu niewielkiej ilości kodu sprawia, że ggplot2 jest najpopularniejszym pakietem do wizualizacji w R. Użytkownik określa, jak ggplot2 ma mapować zmienne na estetykę, jakie prymitywy graficzne użyć, a resztą zajmuje się ggplot2.

✅ Wykres = Dane + Estetyka + Geometria

Dane odnoszą się do zestawu danych

Estetyka wskazuje zmienne do analizy (zmienne x i y)

Geometria odnosi się do rodzaju wykresu (liniowy, słupkowy itp.)

Wybierz najlepszą geometrię (rodzaj wykresu) w zależności od danych i historii, którą chcesz opowiedzieć za pomocą wykresu.

Aby analizować trendy: linia, kolumna

Aby porównywać wartości: słupek, kolumna, koło, wykres punktowy

Aby pokazać, jak części odnoszą się do całości: koło

Aby pokazać rozkład danych: wykres punktowy, słupek

Aby pokazać relacje między wartościami: linia, wykres punktowy, bąbelkowy

✅ Możesz również sprawdzić ten opisowy cheatsheet dla ggplot2.

Tworzenie wykresu liniowego dla wartości rozpiętości skrzydeł ptaków

Otwórz konsolę R i zaimportuj zestaw danych.

Uwaga: Zestaw danych znajduje się w katalogu głównym tego repozytorium w folderze /data.

Zaimportujmy zestaw danych i zobaczmy jego początek (pierwsze 5 wierszy).

birds <- read.csv("../../data/birds.csv",fileEncoding="UTF-8-BOM")
head(birds)

Początek danych zawiera mieszankę tekstu i liczb:

	Nazwa	NazwaNaukowa	Kategoria	Rząd	Rodzina	Rodzaj	StatusOchrony	MinDługość	MaxDługość	MinMasaCiała	MaxMasaCiała	MinRozpiętość	MaxRozpiętość
0	Czarnobrzuchy gwizdacz	Dendrocygna autumnalis	Kaczki/Gęsi/Wodnopławy	Anseriformes	Anatidae	Dendrocygna	LC	47	56	652	1020	76	94
1	Płowy gwizdacz	Dendrocygna bicolor	Kaczki/Gęsi/Wodnopławy	Anseriformes	Anatidae	Dendrocygna	LC	45	53	712	1050	85	93
2	Śnieżna gęś	Anser caerulescens	Kaczki/Gęsi/Wodnopławy	Anseriformes	Anatidae	Anser	LC	64	79	2050	4050	135	165
3	Gęś Rossa	Anser rossii	Kaczki/Gęsi/Wodnopławy	Anseriformes	Anatidae	Anser	LC	57.3	64	1066	1567	113	116
4	Gęś białoczelna	Anser albifrons	Kaczki/Gęsi/Wodnopławy	Anseriformes	Anatidae	Anser	LC	64	81	1930	3310	130	165

Zacznijmy od wykreślenia niektórych danych liczbowych za pomocą podstawowego wykresu liniowego. Załóżmy, że chcesz zobaczyć maksymalną rozpiętość skrzydeł tych interesujących ptaków.

install.packages("ggplot2")
library("ggplot2")
ggplot(data=birds, aes(x=Name, y=MaxWingspan,group=1)) +
  geom_line()

Tutaj instalujesz pakiet ggplot2, a następnie importujesz go do przestrzeni roboczej za pomocą polecenia library("ggplot2"). Aby wykreślić dowolny wykres w ggplot, używana jest funkcja ggplot(), w której określasz zestaw danych, zmienne x i y jako atrybuty. W tym przypadku używamy funkcji geom_line(), ponieważ chcemy wykreślić wykres liniowy.

Co zauważasz od razu? Wydaje się, że jest co najmniej jeden odstający wynik - to całkiem spora rozpiętość skrzydeł! Rozpiętość skrzydeł ponad 2000 centymetrów to ponad 20 metrów - czy w Minnesocie żyją pterodaktyle? Zbadajmy to.

Chociaż możesz szybko posortować dane w Excelu, aby znaleźć te odstające wyniki, które prawdopodobnie są literówkami, kontynuuj proces wizualizacji, pracując bezpośrednio z wykresem.

Dodaj etykiety do osi x, aby pokazać, o jakie ptaki chodzi:

ggplot(data=birds, aes(x=Name, y=MaxWingspan,group=1)) +
  geom_line() +
  theme(axis.text.x = element_text(angle = 45, hjust=1))+
  xlab("Birds") +
  ylab("Wingspan (CM)") +
  ggtitle("Max Wingspan in Centimeters")

Określamy kąt w theme i ustawiamy etykiety osi x i y w xlab() i ylab() odpowiednio. ggtitle() nadaje nazwę wykresowi.

Nawet przy obrocie etykiet o 45 stopni jest ich zbyt wiele, aby je odczytać. Spróbujmy innej strategii: oznacz tylko te odstające wyniki i ustaw etykiety wewnątrz wykresu. Możesz użyć wykresu punktowego, aby zrobić więcej miejsca na etykiety:

ggplot(data=birds, aes(x=Name, y=MaxWingspan,group=1)) +
  geom_point() +
  geom_text(aes(label=ifelse(MaxWingspan>500,as.character(Name),'')),hjust=0,vjust=0) + 
  theme(axis.title.x=element_blank(), axis.text.x=element_blank(), axis.ticks.x=element_blank())
  ylab("Wingspan (CM)") +
  ggtitle("Max Wingspan in Centimeters") +

Co tu się dzieje? Użyłeś funkcji geom_point(), aby wykreślić punkty. Dzięki temu dodałeś etykiety dla ptaków, które miały MaxWingspan > 500, a także ukryłeś etykiety na osi x, aby odciążyć wykres.

Co odkrywasz?

Filtrowanie danych

Zarówno Bielik amerykański, jak i Sokół preriowy, choć prawdopodobnie bardzo duże ptaki, wydają się być błędnie oznaczone, z dodatkowym zerem w ich maksymalnej rozpiętości skrzydeł. Mało prawdopodobne, że spotkasz Bielika z rozpiętością skrzydeł 25 metrów, ale jeśli tak, daj nam znać! Stwórzmy nową ramkę danych bez tych dwóch odstających wyników:

birds_filtered <- subset(birds, MaxWingspan < 500)

ggplot(data=birds_filtered, aes(x=Name, y=MaxWingspan,group=1)) +
  geom_point() +
  ylab("Wingspan (CM)") +
  xlab("Birds") +
  ggtitle("Max Wingspan in Centimeters") + 
  geom_text(aes(label=ifelse(MaxWingspan>500,as.character(Name),'')),hjust=0,vjust=0) +
  theme(axis.text.x=element_blank(), axis.ticks.x=element_blank())

Stworzyliśmy nową ramkę danych birds_filtered, a następnie wykreśliliśmy wykres punktowy. Po odfiltrowaniu odstających wyników dane są teraz bardziej spójne i zrozumiałe.

Teraz, gdy mamy czystszy zestaw danych przynajmniej pod względem rozpiętości skrzydeł, odkryjmy więcej o tych ptakach.

Chociaż wykresy liniowe i punktowe mogą przedstawiać informacje o wartościach danych i ich rozkładach, chcemy pomyśleć o wartościach zawartych w tym zestawie danych. Możesz stworzyć wizualizacje, aby odpowiedzieć na następujące pytania dotyczące ilości:

Ile kategorii ptaków istnieje i jakie są ich liczby?
Ile ptaków jest wymarłych, zagrożonych, rzadkich lub pospolitych?
Ile jest różnych rodzajów i rzędów w terminologii Linneusza?

Eksploracja wykresów słupkowych

Wykresy słupkowe są praktyczne, gdy chcesz pokazać grupowanie danych. Zbadajmy kategorie ptaków w tym zestawie danych, aby zobaczyć, która jest najliczniejsza.
Stwórzmy wykres słupkowy na przefiltrowanych danych.

install.packages("dplyr")
install.packages("tidyverse")

library(lubridate)
library(scales)
library(dplyr)
library(ggplot2)
library(tidyverse)

birds_filtered %>% group_by(Category) %>%
  summarise(n=n(),
  MinLength = mean(MinLength),
  MaxLength = mean(MaxLength),
  MinBodyMass = mean(MinBodyMass),
  MaxBodyMass = mean(MaxBodyMass),
  MinWingspan=mean(MinWingspan),
  MaxWingspan=mean(MaxWingspan)) %>% 
  gather("key", "value", - c(Category, n)) %>%
  ggplot(aes(x = Category, y = value, group = key, fill = key)) +
  geom_bar(stat = "identity") +
  scale_fill_manual(values = c("#D62728", "#FF7F0E", "#8C564B","#2CA02C", "#1F77B4", "#9467BD")) +                   
  xlab("Category")+ggtitle("Birds of Minnesota")

W poniższym fragmencie instalujemy pakiety dplyr i lubridate, aby pomóc w manipulacji i grupowaniu danych w celu wykreślenia wykresu słupkowego. Najpierw grupujesz dane według Category ptaków, a następnie podsumowujesz kolumny MinLength, MaxLength, MinBodyMass, MaxBodyMass, MinWingspan, MaxWingspan. Następnie wykreślasz wykres słupkowy za pomocą pakietu ggplot2, określając kolory dla różnych kategorii i etykiety.

Ten wykres słupkowy jest jednak nieczytelny, ponieważ jest zbyt wiele niepogrupowanych danych. Musisz wybrać tylko dane, które chcesz wykreślić, więc spójrzmy na długość ptaków w zależności od ich kategorii.

Przefiltruj swoje dane, aby uwzględnić tylko kategorię ptaków.

Ponieważ istnieje wiele kategorii, możesz wyświetlić ten wykres pionowo i dostosować jego wysokość, aby uwzględnić wszystkie dane:

birds_count<-dplyr::count(birds_filtered, Category, sort = TRUE)
birds_count$Category <- factor(birds_count$Category, levels = birds_count$Category)
ggplot(birds_count,aes(Category,n))+geom_bar(stat="identity")+coord_flip()

Najpierw liczysz unikalne wartości w kolumnie Category, a następnie sortujesz je w nowej ramce danych birds_count. Te posortowane dane są następnie uwzględniane na tym samym poziomie, aby były wykreślone w uporządkowany sposób. Korzystając z ggplot2, wykreślasz dane na wykresie słupkowym. Funkcja coord_flip() wykreśla poziome słupki.

Ten wykres słupkowy pokazuje dobry widok liczby ptaków w każdej kategorii. Na pierwszy rzut oka widać, że największa liczba ptaków w tym regionie należy do kategorii Kaczki/Gęsi/Wodnopławy. Minnesota to "kraina 10 000 jezior", więc to nie jest zaskakujące!

✅ Spróbuj innych zliczeń na tym zestawie danych. Czy coś Cię zaskoczyło?

Porównywanie danych

Możesz spróbować różnych porównań pogrupowanych danych, tworząc nowe osie. Spróbuj porównać MaxLength ptaka w zależności od jego kategorii:

birds_grouped <- birds_filtered %>%
  group_by(Category) %>%
  summarise(
  MaxLength = max(MaxLength, na.rm = T),
  MinLength = max(MinLength, na.rm = T)
           ) %>%
  arrange(Category)
  
ggplot(birds_grouped,aes(Category,MaxLength))+geom_bar(stat="identity")+coord_flip()

Grupujemy dane birds_filtered według Category, a następnie wykreślamy wykres słupkowy.

Nic zaskakującego tutaj: kolibry mają najmniejszą MaxLength w porównaniu do pelikanów czy gęsi. Dobrze, gdy dane mają sens logiczny!

Możesz tworzyć bardziej interesujące wizualizacje wykresów słupkowych, nakładając dane. Nałóżmy Minimalną i Maksymalną Długość na daną kategorię ptaków:

ggplot(data=birds_grouped, aes(x=Category)) +
  geom_bar(aes(y=MaxLength), stat="identity", position ="identity",  fill='blue') +
  geom_bar(aes(y=MinLength), stat="identity", position="identity", fill='orange')+
  coord_flip()

🚀 Wyzwanie

Ten zestaw danych o ptakach oferuje bogactwo informacji o różnych typach ptaków w danym ekosystemie. Poszukaj w internecie innych zestawów danych o ptakach. Ćwicz tworzenie wykresów i diagramów na podstawie tych danych, aby odkryć fakty, o których nie miałeś pojęcia.

Quiz po wykładzie

Przegląd i samodzielna nauka

Ta pierwsza lekcja dostarczyła Ci informacji o tym, jak używać ggplot2 do wizualizacji ilości. Poszukaj innych sposobów pracy z zestawami danych do wizualizacji. Poszukaj zestawów danych, które możesz wizualizować za pomocą innych pakietów, takich jak Lattice i Plotly.

Zadanie

Linie, Punkty i Słupki

Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczeniowej AI Co-op Translator. Chociaż dokładamy wszelkich starań, aby zapewnić precyzję, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.

15 KiB Raw Permalink Blame History