Crearea unui grafic Jitter folosind Ggplot2 în RStudio

Pachetul ggplot2 este cel mai cuprinzător mod de a construi grafice și diagrame. Firme, precum New York Times și The Economist, folosesc în mare măsură ggplot2 pentru a-și crea vizualizările. Cu marile companii care folosesc acest instrument, este important să aveți o bază de cunoștințe despre cum să utilizați ggplot2 pentru a crea vizualizări, cum ar fi diagrama jitter.

În acest tutorial, veți învăța cum să creați o diagramă jitter folosind ggplot2 în . Odată ce înțelegeți gramatica graficelor în ggplot2, veți putea să înșiri orice grafic sau diagramă.

Un jitterplot este un tip de grafic de dispersie utilizat pentru a afișa distribuția unui set de puncte de date numerice. „Jtter-ul” din numele diagramei se referă la variația aleatoare care este adăugată la poziția fiecărui simbol de-a lungul axelor x și y.

Această variație ajută la prevenirea suprapunerii simbolurilor și facilitează vizualizarea distribuției punctelor de date în cazurile în care există o densitate mare de puncte în anumite zone ale diagramei.

Dacă aveți o parcelă dens populată, un jitterplot vă poate face vizualizarea mai ușor de înțeles. De asemenea, îl puteți folosi pentru a trasa distribuțiile pe categorii, care este o alternativă la un diagramă cu casete sau o histogramă .

Cuprins

• Crearea unui grafic Jitter în R
• Crearea unui grafic Jitter cu variabile categoriale
• Concluzie

Crearea unui grafic Jitter în R

Pentru această demonstrație, se utilizează setul de date tidyverse .

Mai întâi, creați un grafic de dispersie folosind funcția ggplot ( ) . În acest caz, axa x este anul, în timp ce axa y este setul de date mpg.

Când rulați codul, puteți vedea că graficul arată puncte care formează o linie dreaptă în raport cu axa y.

Utilizați funcția geom_jitter ( ) pentru a adăuga un alt strat la grafic. Când rulați codul, veți vedea că punctele din diagramă s-au deplasat. Punctele vor continua să se schimbe de fiecare dată când rulați codul.

Pentru a opri deplasarea constantă a punctelor, utilizați funcția set.seed ( ) . În interiorul parantezei, introduceți orice număr aleatoriu. În acest caz, este 1234. După ce rulați codul, veți vedea că graficul rămâne același chiar dacă faceți clic în mod repetat pe Run.

Crearea unui grafic Jitter cu variabile categoriale

De asemenea, puteți utiliza funcția geom_jitter ( ) pentru variabilele categoriale.

Folosind același argument, să schimbăm axa x la mpg și axa y la origine. Când rulați noua linie de cod, puteți vedea că, în loc să afișați datele în linii drepte, acestea sunt distribuite aleatoriu în diagramă.

Acest lucru vă ajută să vizualizați observațiile individuale pentru fiecare categorie și modul în care acestea variază. În acest caz, puteți vedea kilometrajul tipic dintr-o origine față de alta.

Puteți adăuga culoare graficului adăugând un alt argument în funcția aes ( ) . De asemenea, puteți seta dimensiunea punctelor la o anumită valoare a datelor din setul dvs. de date.

În acest exemplu, diagrama jitter a făcut mai ușor să identifici originile cu cele mai multe mașini și cu cele care au un kilometraj mai bun.

Din cauza dimensiunii stabilite în cod, intriga pare suprasaturată. Puteți modifica dimensiunea sau culoarea punctelor de date în funcție de preferințele dvs. sau de cerințele companiei.

Concluzie

Un complot jitter este una dintre modalitățile de a aduce o nouă formă de perspectivă în vizualizările dvs. Ajută utilizatorii să înțeleagă mai bine ce se întâmplă cu datele. Acest grafic este o alternativă excelentă la histograma tipică sau diagrama cu casete pentru trasarea distribuțiilor.

Capacitatea de a înțelege în mod eficient structura de bază a unui set de date face din graficele jitter un instrument valoros în diverse domenii, cum ar fi statistica, analiza datelor și învățarea automată. În general, diagramele de fluctuație oferă o reprezentare clară și ușor de înțeles a distribuției punctelor de date numerice, făcându-l un instrument puternic pentru vizualizarea și analiza datelor.

Toate cele bune,

George Mount