StudyPostechBigdata

빅데이터 분석과 R 프로그래밍 1: Ⅳ. R 그래픽 Ⅰ

,
  • POSTECH에서 제공하는 MOOC 중, 빅데이터분석과 R프로그래밍 Ⅰ 과정입니다.

Ⅳ. R 그래픽 Ⅰ

1. R 그래픽 Ⅲ: 히스토그램

히스토그램 (1차원)

  • 데이터 불러오기
    1
    2
    3
    4
    5
    # read brain data
    brain <- read.csv(file="week4_1/brain2210.csv")

    # attach 적용하기
    attach(brain)
  • 히스토그램: hist(변수이름)
    1
    2
    3
    4
    5
    hist(brain$wt)
    hist(wt)

    # 색상 선택
    hist(wt, col = "lightblue")
  • 히스토그램(색과 제목): hist(변수이름, col=”colname”, main=” “)
    1
    2
    # histogram with color and title, legend
    hist(wt, breaks = 10, col = "lightblue", main="Histogram of Brain weight")
  • 색(657가지 색)
  • colors() → 모든 색의 이름을 볼 수 있음
    1
    2
    3
    4
    5
    # see rgb values for 657 colors, choose what you like
    # colors()

    # select colors including "blue"
    grep("blue", colors(), value=TRUE)
  • 밀도함수 그려보기
    1
    2
    3
    4
    # fit function(find density function)
    par(mfrow=c(1,1))
    d <- density(brain$wt)
    plot(d)
  • 그룹별 히스토그램(동일한 x축, y축 범위): xlim, ylim
    1
    2
    3
    4
    5
    6
    7
    8
    # histogram with same scale
    # 2 multiple plot
    par(mfrow=c(2,1)) # 그래프 화면 분할을 2행 1열로 하라는 의미
    brainf<-subset(brain,brain$sex=='f') 
    hist(brainf$wt, breaks = 12,col = "green", xlim=c(900,1700),ylim=c(0,20),cex=0.7, main="Histogram with Normal Curve (Female)", xlab="brain weight")

    brainm<-subset(brain,brain$sex=='m') 
    hist(brainm$wt, breaks = 12,col = "orange",xlim=c(900,1700),ylim=c(0,20), main="Histogram with Normal Curve (Male)", xlab="brain weight")
    grep(“violet”, colors(), value=TRUE)

2. R 그래픽 Ⅱ: 상자그림, 파이차트

상자그림(Boxplot, 1차원)

  • 상자그림: boxplot(변수이름, col=”green”)

    1
    2
    3
    4
    # boxplot
    par(mfrow=c(1,2))
    # boxplot for all data
    boxplot(brain$wt, col=c("coral"))

  • 그룹별 상자그림: boxplot(변수이름~그룹이름, col=c(“col1”, “col2”)

    1
    2
    3
    4
    5
    6
    # boxplot by gender (female, male)
    boxplot(brain$wt~brain$sex, col = c("green", "orange"))
    #- 수평 상자그림: boxplot(변수이름, col="colname", horizontal=TRUE)
    ```{r}
    par(mfrow=c(1,1))
    boxplot(brain$wt~brain$sex, boxwex=0.5, horizontal=TRUE, col = c("grey", "red"))

  • 박스플롯 폭 조정 옵션: boxwex=

    1
    2
    3
    par(mfrow=c(1,2))
    boxplot(brain$wt, boxwex = 0.25, col = c("coral"), main = "Boxplot for all data")
    boxplot(brain$wt, boxwex = 0.5, col=c("coral"), main="Boxplot for all data")

  • 상자그림에 기술통계치 넣기: 관측치수(n) 넣기

    1
    2
    3
    4
    # add text(n) over a boxplot
    par(mfrow=c(1,2))
    boxplot(brain$wt~brain$sex, col=c("green", "orange"))
    text(c(1:nlevels(brain$sex)), a$stats[nrow(a$stats),]+30, paste("n = ",table(brain$sex),sep=""))

    막대그림

  • 차의 연비 데이터(autompg)

    1
    2
    car <- read.csv("week4_2/autompg.csv")
    attach(car)

  • barplot(변수빈도, col=c(“col1”,”col2”,…))

    1
    2
    3
    4
    5
    6
    7
    8
    # bar plot with cyliner count
    # par(mfrow=c(1,1))
    table(car$cyl)
    freq_cyl <- table(cyl)
    names(freq_cyl) <- c("3cyl", "4cyl", "5cyl", "6cyl",
                          "8cyl")
    barplot(freq_cyl, col = c("lightblue", "mistyrose", "lightcyan",
                              "lavender", "cornsilk"))

    파이차트

  • pie(변수빈도, labels=c(“ “, …))

  • 파이차트를 그리기 위해서는 table(변수이름)을 이용하여 빈도를 계산해야 함

    1
    2
    3
    4
    5
    # you can alse custom the labels
    freq_cyl <- table(cyl)
    names(freq_cyl) <- c("3cyl", "4cyl", "5cyl", "6cyl", "8cyl")

    pie(freq_cyl)

  • 시계방향으로 파이차트 그리기

    1
    2
    3
    # pie chart clockwise
    pie(freq_cyl, labels = c("3cyl", "4cyl", "5cyl", "6cyl","8cyl"),
        clockwise = TRUE)

  • 몇 개의 변수만 뽑아서 그래프 그리기

    1
    2
    3
    4
    5
    6
    7
    8
    # 4-3 pie chart of subset
    # subset with cylinder (4,6,8) - refresh creating subset data lec3_2.R
    car1<-subset(car, cyl==4 | cyl==6 | cyl==8)
    table(car1$cyl)

    freq_cyl1<-table(car1$cyl)
    pie(freq_cyl1, labels = c("4cyl","6cyl","8cyl"),
        clockwise = TRUE)

    3. R 그래픽 Ⅲ: 산점도

    산점도: plot(x,y)

    1
    2
    3
    4
    par(mforw=c(1,1))
    x2 <- c(1, 4, 9)
    y2 = 2+x2
    plot(x2, y2)
    1
    2
    3
    4
    5
    6
    7
    par(mfrwo=c(2,1))
    x <- seq(0, 2*pi, by=0.001)
    y1 <- sin(x)
    plot(x, y1, main = "sin curve (0:2*pi)")

    y2 <- cos(x)
    plot(x,y2,main="cosine curve (0:2*pi)")

  • wt(차의 무게)과 mpg(연비) 간의 산점도: plot(wt, mpg)

  • hp(마력)과 mpg(연비) 간의 산점도: plot(hp, mpg)

    1
    2
    3
    par(mfrow=c(2,1))
    plot(wt, mpg)
    plot(hp, mpg)

  • 산점도 해석

    • 차 무게가 무거울수록 연비는 낮다.
    • 마력과 연비 간 산점도에서는 두 개의 클러스터가 보임(클러스터 내에서는 마력이 높을수록 연비 낮음)

  • plot(x, y, col=as.integer(그룹변수)) 색으로 표시

    1
    2
    3
    par(mfrow=c(2,1), mar=c(4,4,2,2))
    plot(disp, mpg, col=as.integer(car$cyl))
    plot(wt, mpg,  col=as.integer(car$cyl))

  • Conditioning plot: coplot(y~x|z)는 factor(그룹)

    • 그룹에 따른 (x와 y간) 산점도
    • 그룹변수(factor변수)간 평균 차이를 제공
      1
      2
      3
      car1<-subset(car, cyl==4 | cyl==6 | cyl==8)
      coplot(car1$mpg ~ car1$disp | as.factor(car1$cyl), data = car1,
             panel = panel.smooth, rows = 1)

  • 위 그래프로 확인 가능한 그룹별 산점도

    • cylinder에 따른 차이를 보여줌
    • 4cyl, 6cyl, 8cyl별로 (배기량과 연비) 관계를 구체적으로 해석할 수 있음

  • pairwise scatterplot: pairs(변수리스트)

    1
    2
    # cross-tab plot to see how explanatory variables are related each other
    pairs(car1[,1:6], col=as.integer(car1$cyl), main = "autompg")

  • 최적 적합 함수 추정(선형회귀모형, 비선형회귀모형)

    • lm(y변수~x변수): lm(linear model, 선형모형)
    • abline: add line (선 추가 함수)
      1
      2
      3
      4
      5
      # scatterplot with best fir lines
      plot(wt, mpg, col=as.integer(car$cyl), pch=19)
      # best fit linear line
      abline(lm(mpg~wt), col="red", lwd=2, lty=1)
      # lwd: width, 선의 굵기, lty: type, 라인의 타입

  • 최적 적합 함수 추정: 비선형회귀모형, lowess 이용

    • lowess: locally-weighted polynomial regression (see the references)
      1
      2
      3
      4
      5
      6
      7
      8
      9
      # scatterplot with best fit lines
      par(mfrow=c(1,1))
      plot(wt, mpg,  col=as.integer(car$cyl), pch=19)
      # best fit linear line
      abline(lm(mpg~wt), col="red", lwd=2, lty=1)

      # lowess : smoothed line, nonparmetric fit line (locally weighted polynomial regression)
      lines(lowess(wt, mpg), col="red", lwd=3, lty=2)
      help(lowess)

      4. 그래픽과 레이아웃

      그래프의 기본 함수

  • 그래프 종류: plot(), barplot(), boxplot(), hist(), pie(), persp()

  • 그래프 조정 사항: 점/선 종류, 글자 크기, 여백 조정

  • 점 그리기: points()

  • 선 그리기: lines(), abline(), arrows()

  • 문자 출력: text()

  • 도형: rect(), ploygon()

  • 좌표축: axis()

  • 격자표현: grid()

그래픽 옵션

  • par(): 그래프 출력 조정- 화면 분할, 마진, 글자 크기, 색상
  • pty=”s”: x축과 y축을 동일 비율로 설정, square
  • pty=”m”: 최대 크기로 설정, maximal
  • legend = c(“name1”, “name2”)
  • bty=”o”: box type 그래프 상자 모양 설정- o, l, 7, c, u
  • pch=1(default): point character (1=동그라미, 2=세모, … , 19=채운 동그라미)
  • Lty=(solid가 default): line type, 1=직선, 2=점선
  • cex=1(default): character expansion, 문자나 점의 크기, 숫자 클수록 글자 크기 커짐
  • mar: 아래, 왼쪽, 위쪽, 오른쪽 여백

선 그리기

  • abline(h=위치, v=위치, col=colname)

    1
    2
    3
    4
    5
    6
    7
    par(mfrow=c(1,1))
    plot(wt, mpg, main = "abline on the scatterplot")
    # horizontal
    abline(h = 20)
    abline(h = 30) # 수평선을 y축 위치 20과 30에
    # vertical
    abline(v = 3000, col="blue") # 수직선을 x축 위치 3000에, 색은 파란색

  • abline(절편값, 기울기값, lty=1, lwd=1, col=colname)

    • lty=1(직선), lty=2(점선), lwd=1 (line width, 숫자 클수록 선 굵어짐)
      1
      2
      3
      4
      5
      6
      7
      # y = a + bx
      abline(a = 40, b = -0.0076, col="red")
      # linear model coefficients, lty (line type), lwd (line with)
      # linear model (mpg=f(wp))
      z <- lm(mpg ~ wt, data = car)
      z
      abline(z, lty = 2, lwd = 2, col="green")

      layout 함수

  • par(mfrow=c(2,2))

    1
    2
    3
    4
    5
    6
    # 2*2 mulitple plot
    par(mfrow=c(2,2))
    plot(wt, mpg)
    plot(disp, mpg)
    plot(hp, mpg)
    plot(accler, mpg)

  • margin 조정: mar(아래, 왼쪽, 위쪽, 오른쪽)

    1
    2
    3
    4
    5
    6
    # 2*2 mulitple plot adjusting margin
    par(mfrow=c(2,2), mar=c(4,4,2,2))
    plot(wt, mpg)
    plot(disp, mpg)
    plot(hp, mpg)
    plot(accler, mpg)

  • layout 조정

    • layout 행렬 m
      1
      2
      3
      4
      5
      6
      # top 1 plot, bottom 2 plot
      (m <- matrix(c(1, 1, 2, 3), ncol = 2, byrow = T))
      layout(mat = m)
      plot(car$wt, car$mpg, main = "scatter plot of autompg", pch = 19, col = 4)
      hist(car$wt)
      hist(car$mpg)

      legend 달기

  • legend(x축 위치, y축 위치, legend=범례라벨, pch=1, col=c(번호 혹은 색으로 지정), lty=1)

    1
    2
    3
    4
    5
    # scatterplot coloring group variable
    par(mfrow=c(1,1), mar=c(4,4,4,4))
    plot(wt, mpg,  col=as.integer(car$cyl))
    labels = c("3cyl", "4cyl", "5cyl", "6cyl","8cyl")
    legend(4000, 45, legend = labels, pch = 1, col =c(3,4,5,6,8), lty =1)

    R 그래픽

  • 히스토그램과 밀도함수(histogram and density)

  • 상자그림(boxplot)

  • 파이차트(pie chart), 막대그림(bar plot)

  • 산점도(scatterplot)

  • ggplot2를 이용한 그래픽

  • 덴드로그램, 애니메이션

  • 지도분석(map)

  • 3D, 히트맵

Share