Creați vizualizări bivariate în R folosind Ggplot2

Crearea de vizualizări în R folosind ggplot2 poate fi o modalitate puternică de a explora și înțelege datele dvs. Un tip comun de vizualizare este graficul bivariat, care vă permite să examinați relația dintre două variabile.

În acest tutorial, veți învăța cum să produceți vizualizări bivariate în R folosind ggplot2. Acest blog se va concentra în mod special pe vizualizări care ar fi dificil de realizat în LuckyTemplates, dar ușor de realizat în R.

Cuprins

• Prezentare generală
• Diferitele vizualizări bivariate în R
  • Vizualizări în R care arată corelația
  • Vizualizări în R care arată o relație în perechi
• Concluzie

Prezentare generală

Trei subiecte principale vor fi discutate în acest tutorial. Veți învăța cum să vizualizați distribuțiile unei variabile în funcție de grup și cum să vizualizați corelațiile și relațiile perechi.

O relație perechi se referă la relația dintre fiecare pereche de variabile dintr-un set de date dat.

Pentru acest tutorial, trebuie să descărcați pachetul ggplot2 . După ce ați terminat, deschideți un script R gol și aduceți două biblioteci: tidyverse și GGally .

GGally este o extensie pentru ggplot2. Este construit pentru a reduce complexitatea combinării obiectelor geometrice cu datele transformate.

Diferitele vizualizări bivariate în R

O vizualizare bivariată arată relația dintre două variabile.

De exemplu, să creăm o vizualizare care arată relația dintre oraș și autostradă. Trebuie să utilizați funcția ggplot ( ) și apoi să atribuiți datele corespunzătoare.

Funcția geom_point() este apoi utilizată pentru a genera diagrama de dispersie .

Vizualizări în R care arată corelația

Funcția ggcorr () este utilizată pentru a vizualiza corelația dintre variabile. Aceasta va genera o hartă termică cu valorile de corelație de la cea mai mică la cea mai mare afișate. Puteți îmbunătăți și mai mult vizualizarea adăugând un argument care va afișa etichetele.

Vizualizări în R care arată o relație în perechi

Pentru graficul în perechi, trebuie să utilizați funcția ggpairs ( ) .

Deoarece cadrul de date din acest exemplu conține un set de date mare, mai întâi trebuie să fie filtrat pentru a afișa numai valori numerice, altfel rezultatele vor afișa o eroare.

Pentru a filtra datele, utilizați operatorul conductei și funcția select_if ( ) .

În fila Plots , puteți vedea vizualizarea pe perechi generată de cod. De asemenea, puteți vedea graficul și valoarea corelației dintre fiecare variabilă.

Un alt lucru pe care îl puteți face cu diagramele în perechi este să adăugați elemente suplimentare pentru a spori vizualizarea. Puteți adăuga o altă variabilă și puteți schimba culoarea datelor.

În acest caz, coloana de unitate este adăugată la cod, iar funcția de mapare estetică este utilizată pentru a-și schimba culoarea.

Când rulați codul, veți vedea că graficul arată diagrame de dispersie și valorile de corelație în funcție de unitate. Diagonala arată și distribuția în funcție de fiecare unitate.

Concluzie

Dacă doriți să creați vizualizări robuste și susținute statistic, cum ar fi histograme, diagrame de dispersie și diagrame cu casete, este recomandat să utilizați ggplot2 cu GGally.

Limbajul de programare R împreună cu diverse pachete de vizualizare precum ggplot2 le permite utilizatorilor să construiască vizualizări care arată relația și corelația dintre variabile.

GGally extinde ggplot2 prin creșterea mai multor funcții care reduc complexitatea. Dacă încercați să creați vizualizări bivariate și multivariate în LuckyTemplates, acestea se vor dovedi a fi o provocare. Cu toate acestea, în limbajul de programare R, trebuie doar să scrieți o singură linie de cod pentru a ajunge la diagrama statistică de care aveți nevoie.

Toate cele bune,

George Mount