Submit Search
Upload
ggplot2をつかってみよう
•
3 likes
•
5,148 views
Hiroki Itô
Follow
SappoRo.R #9 での発表資料
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 40
Download now
Download to read offline
Recommended
ggplot2再入門(2015年バージョン)
ggplot2再入門(2015年バージョン)
yutannihilation
Rにおける大規模データ解析(第10回TokyoWebMining)
Rにおける大規模データ解析(第10回TokyoWebMining)
Shintaro Fukushima
パターン認識 04 混合正規分布
パターン認識 04 混合正規分布
sleipnir002
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
R Markdownによるドキュメント生成と バージョン管理入門
R Markdownによるドキュメント生成と バージョン管理入門
nocchi_airport
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Masashi Komori
ggplot2用例集 入門編
ggplot2用例集 入門編
nocchi_airport
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
Recommended
ggplot2再入門(2015年バージョン)
ggplot2再入門(2015年バージョン)
yutannihilation
Rにおける大規模データ解析(第10回TokyoWebMining)
Rにおける大規模データ解析(第10回TokyoWebMining)
Shintaro Fukushima
パターン認識 04 混合正規分布
パターン認識 04 混合正規分布
sleipnir002
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
R Markdownによるドキュメント生成と バージョン管理入門
R Markdownによるドキュメント生成と バージョン管理入門
nocchi_airport
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Masashi Komori
ggplot2用例集 入門編
ggplot2用例集 入門編
nocchi_airport
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
for関数を使った繰り返し処理によるヒストグラムの一括出力
for関数を使った繰り返し処理によるヒストグラムの一括出力
imuyaoti
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Masakazu Shinoda
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
Deep Learning Lab(ディープラーニング・ラボ)
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
Atsushi Hayakawa
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
Masaru Tokuoka
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
shima o
Rで階層ベイズモデル
Rで階層ベイズモデル
Yohei Sato
Prophet入門【R編】Facebookの時系列予測ツール
Prophet入門【R編】Facebookの時系列予測ツール
hoxo_m
Tokyor35 人工データの発生
Tokyor35 人工データの発生
Yohei Sato
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析
Shushi Namba
2012-1110「マルチレベルモデルのはなし」(censored)
2012-1110「マルチレベルモデルのはなし」(censored)
Mizumoto Atsushi
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
Rによる高速処理 まだfor使ってるの?
Rによる高速処理 まだfor使ってるの?
jundoll
Rで架空データの発生
Rで架空データの発生
Makoto Hirakawa
Tokyo r33 beginner
Tokyo r33 beginner
Takashi Minoda
JavaScript経験者のためのGo言語入門
JavaScript経験者のためのGo言語入門
Shohei Arai
More Related Content
What's hot
for関数を使った繰り返し処理によるヒストグラムの一括出力
for関数を使った繰り返し処理によるヒストグラムの一括出力
imuyaoti
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Masakazu Shinoda
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
Deep Learning Lab(ディープラーニング・ラボ)
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
Atsushi Hayakawa
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
Masaru Tokuoka
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
shima o
Rで階層ベイズモデル
Rで階層ベイズモデル
Yohei Sato
Prophet入門【R編】Facebookの時系列予測ツール
Prophet入門【R編】Facebookの時系列予測ツール
hoxo_m
Tokyor35 人工データの発生
Tokyor35 人工データの発生
Yohei Sato
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析
Shushi Namba
2012-1110「マルチレベルモデルのはなし」(censored)
2012-1110「マルチレベルモデルのはなし」(censored)
Mizumoto Atsushi
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
Rによる高速処理 まだfor使ってるの?
Rによる高速処理 まだfor使ってるの?
jundoll
Rで架空データの発生
Rで架空データの発生
Makoto Hirakawa
What's hot
(20)
for関数を使った繰り返し処理によるヒストグラムの一括出力
for関数を使った繰り返し処理によるヒストグラムの一括出力
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
Rで階層ベイズモデル
Rで階層ベイズモデル
Prophet入門【R編】Facebookの時系列予測ツール
Prophet入門【R編】Facebookの時系列予測ツール
Tokyor35 人工データの発生
Tokyor35 人工データの発生
Stanコードの書き方 中級編
Stanコードの書き方 中級編
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析
2012-1110「マルチレベルモデルのはなし」(censored)
2012-1110「マルチレベルモデルのはなし」(censored)
Stan超初心者入門
Stan超初心者入門
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Rによる高速処理 まだfor使ってるの?
Rによる高速処理 まだfor使ってるの?
Rで架空データの発生
Rで架空データの発生
Similar to ggplot2をつかってみよう
Tokyo r33 beginner
Tokyo r33 beginner
Takashi Minoda
JavaScript経験者のためのGo言語入門
JavaScript経験者のためのGo言語入門
Shohei Arai
10分で分かるr言語入門ver2.9 14 0920
10分で分かるr言語入門ver2.9 14 0920
Nobuaki Oshiro
genuine-highlighter: マクロを認識するClojure向けのシンタックスハイライター
genuine-highlighter: マクロを認識するClojure向けのシンタックスハイライター
sohta
あまぁいRcpp生活
あまぁいRcpp生活
Masaki Tsuda
Aizu lt tokyo_luxion
Aizu lt tokyo_luxion
Tomoaki Tamura
10分で分かるr言語入門ver2.10 14 1101
10分で分かるr言語入門ver2.10 14 1101
Nobuaki Oshiro
R intro
R intro
yayamamo @ DBCLS Kashiwanoha
多次元配列の効率的利用法の検討
多次元配列の効率的利用法の検討
Yu Sato
RGtk2入門
RGtk2入門
Masahiro Hayashi
Rによる作図入門 Introduction to Data Visualization with R
Rによる作図入門 Introduction to Data Visualization with R
Yukihiro NAKAJIMA
Rを用いたGIS
Rを用いたGIS
Mizutani Takayuki
2017年3月版データマエショリスト入門
2017年3月版データマエショリスト入門
Yuya Matsumura
GNU awk (gawk) を用いた Apache ログ解析方法
GNU awk (gawk) を用いた Apache ログ解析方法
博文 斉藤
Gnuplotあれこれ
Gnuplotあれこれ
Maruyama Tetsutaro
Perfect python section5
Perfect python section5
Satoooooooooooo
RでGISハンズオンセッション
RでGISハンズオンセッション
arctic_tern265
Intoroduction of Pandas with Python
Intoroduction of Pandas with Python
Atsushi Hayakawa
ggplot2 110129
ggplot2 110129
Takashi Minoda
[機械学習]文章のクラス分類
[機械学習]文章のクラス分類
Tetsuya Hasegawa
Similar to ggplot2をつかってみよう
(20)
Tokyo r33 beginner
Tokyo r33 beginner
JavaScript経験者のためのGo言語入門
JavaScript経験者のためのGo言語入門
10分で分かるr言語入門ver2.9 14 0920
10分で分かるr言語入門ver2.9 14 0920
genuine-highlighter: マクロを認識するClojure向けのシンタックスハイライター
genuine-highlighter: マクロを認識するClojure向けのシンタックスハイライター
あまぁいRcpp生活
あまぁいRcpp生活
Aizu lt tokyo_luxion
Aizu lt tokyo_luxion
10分で分かるr言語入門ver2.10 14 1101
10分で分かるr言語入門ver2.10 14 1101
R intro
R intro
多次元配列の効率的利用法の検討
多次元配列の効率的利用法の検討
RGtk2入門
RGtk2入門
Rによる作図入門 Introduction to Data Visualization with R
Rによる作図入門 Introduction to Data Visualization with R
Rを用いたGIS
Rを用いたGIS
2017年3月版データマエショリスト入門
2017年3月版データマエショリスト入門
GNU awk (gawk) を用いた Apache ログ解析方法
GNU awk (gawk) を用いた Apache ログ解析方法
Gnuplotあれこれ
Gnuplotあれこれ
Perfect python section5
Perfect python section5
RでGISハンズオンセッション
RでGISハンズオンセッション
Intoroduction of Pandas with Python
Intoroduction of Pandas with Python
ggplot2 110129
ggplot2 110129
[機械学習]文章のクラス分類
[機械学習]文章のクラス分類
More from Hiroki Itô
R MarkdownとBeamerでプレゼンテーション資料作成
R MarkdownとBeamerでプレゼンテーション資料作成
Hiroki Itô
Stanとdlmによる状態空間モデル
Stanとdlmによる状態空間モデル
Hiroki Itô
Dealing with latent discrete parameters in Stan
Dealing with latent discrete parameters in Stan
Hiroki Itô
里山とは何か?
里山とは何か?
Hiroki Itô
Rパッケージ“KFAS”を使った時系列データの解析方法
Rパッケージ“KFAS”を使った時系列データの解析方法
Hiroki Itô
Satoyama woodland management
Satoyama woodland management
Hiroki Itô
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
Hiroki Itô
More from Hiroki Itô
(7)
R MarkdownとBeamerでプレゼンテーション資料作成
R MarkdownとBeamerでプレゼンテーション資料作成
Stanとdlmによる状態空間モデル
Stanとdlmによる状態空間モデル
Dealing with latent discrete parameters in Stan
Dealing with latent discrete parameters in Stan
里山とは何か?
里山とは何か?
Rパッケージ“KFAS”を使った時系列データの解析方法
Rパッケージ“KFAS”を使った時系列データの解析方法
Satoyama woodland management
Satoyama woodland management
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
ggplot2をつかってみよう
1.
ggplot2をつかってみよう 伊東宏樹 2019-03-02 SappoRo.R #9
@ 北海学園大学 1
2.
はじめに 2
3.
今回の発表に使用したコード GitHub (https://github.com/ito4303/SappoRoR9) で公開 3
4.
このごろよくみるこのようなグラフ 2.0 2.5 3.0 3.5 4.0 4.5 5 6 7
8 Sepal length (cm) Sepalwidth(cm) Species Iris setosa I. versicolor I. virginica 4
5.
ggplot2 • ggplot2パッケージ 5
6.
ggplot2 • ggplot2パッケージ • gg:
Grammer of Graphics 5
7.
ggplot2 • ggplot2パッケージ • gg:
Grammer of Graphics • 統一された文法でさまざまな種類のグラフをえがける。 5
8.
ggplot2 • ggplot2パッケージ • gg:
Grammer of Graphics • 統一された文法でさまざまな種類のグラフをえがける。 • 関連パッケージもどんどんできている。 5
9.
ggplot2 • ggplot2パッケージ • gg:
Grammer of Graphics • 統一された文法でさまざまな種類のグラフをえがける。 • 関連パッケージもどんどんできている。 • GGally, ggmcmc, ggmap, ggthemes, gghighlight, egg... 5
10.
開発者など • 開発者: Hadley
Wickham ほか • ウェブサイト: http://ggplot2.tidyverse.org/ • 開発履歴 1 • 2015-01-10 ver. 1.0.0 • 2015-12-19 ver. 2.0.0 • 2016-03-02 ver. 2.1.0 • 2016-11-15 ver. 2.2.0 • 2016-12-31 ver. 2.2.1 • 2018-07-04 ver. 3.0.0 • 2018-10-25 ver. 3.1.0 1 https://github.com/tidyverse/ggplot2/releases 6
11.
ggplot2の使い方 7
12.
ggplot 関数 ggplot オブジェクトを生成する。 p
<- ggplot(data = iris) print(p) 8
13.
geom_*関数 • geom_point 関数:
散布図を描画(レイヤーに追加)する関数 • mapping 引数: 変数のマッピングを渡す。 • aes 関数: 変数とグラフ要素との aesthetic mapping を生成 • ggplot オブジェクトに ‘+’ 演算子で,レイヤーを追加する。 p + geom_point(mapping = aes(x = Sepal.Length, y = Sepal.Width)) 2.0 2.5 3.0 3.5 4.0 4.5 5 6 7 8 Sepal.Length Sepal.Width 9
14.
種類ごとに色をかえる aes 関数の colour(color
でもよい)引数を指定する。 p + geom_point(mapping = aes(x = Sepal.Length, y = Sepal.Width, colour = Species)) 2.0 2.5 3.0 3.5 4.0 4.5 5 6 7 8 Sepal.Length Sepal.Width Species setosa versicolor virginica 10
15.
こうしてもおなじ ggplot(data = iris, mapping
= aes(x = Sepal.Length, y = Sepal.Width, colour = Species)) + geom_point() 2.0 2.5 3.0 3.5 4.0 4.5 5 6 7 8 Sepal.Length Sepal.Width Species setosa versicolor virginica 11
16.
すべての点の色をかえる aes 関数の外で colour
を指定する(geom_point 関数の colour 引数に指定する)と,すべての点の色が指定した色になる。 p + geom_point(mapping = aes(x = Sepal.Length, y = Sepal.Width), colour = "red") 2.0 2.5 3.0 3.5 4.0 4.5 5 6 7 8 Sepal.Length Sepal.Width 12
17.
種類ごとに点の形をかえる aes 関数の shape
引数を指定する。 p + geom_point(aes(x = Sepal.Length, y = Sepal.Width, colour = Species, shape = Species)) 2.0 2.5 3.0 3.5 4.0 4.5 5 6 7 8 Sepal.Length Sepal.Width Species setosa versicolor virginica 13
18.
点を大きくする geom_point 関数の size
引数を指定する。 p2 <- p + geom_point(aes(x = Sepal.Length, y = Sepal.Width, colour = Species, shape = Species), size = 4, alpha = 0.7) print(p2) 2.0 2.5 3.0 3.5 4.0 4.5 5 6 7 8 Sepal.Length Sepal.Width Species setosa versicolor virginica 14
19.
色を指定する scale_colour_manual 関数で,任意の色を指定できる。 p2 +
scale_colour_manual(values = c("black", "red", "#3355FF")) 2.0 2.5 3.0 3.5 4.0 4.5 5 6 7 8 Sepal.Length Sepal.Width Species setosa versicolor virginica 15
20.
カナや漢字をつかう spp <- c("ヒオウギアヤメ",
"イリス・ヴェルシカラー", "イリス・ヴァージニカ") p3 <- p2 + labs(x = "萼長 (cm)", y = "萼幅 (cm)") + scale_colour_discrete(name = "種", labels = spp) + scale_shape_discrete(name = "種", labels = spp) + scale_size_continuous(name = "萼長 (cm)") + theme(text = element_text(family = "IPAexGothic", size = 10)) ここでは IPAex ゴシックフォントを使用した。 文字コードは UTF-8 にしておくとよい(日本語版 Windows の R.exe では文字化けするかも)。 Windows では windowsFonts 関数でフォントの設定をしておくか, extrafont パッケージをインストールして,必要な設定をしておく。 16
21.
カナや漢字をつかった表示 2.0 2.5 3.0 3.5 4.0 4.5 5 6 7
8 萼長 (cm) 萼幅(cm) 種 ヒオウギアヤメ イリス・ヴェルシカラー イリス・ヴァージニカ 17
22.
図をファイルに保存する ggsave 関数などをつかう(R 標準のグラフィックデバイス関数 による出力も可能)。 ggsave("iris.pdf",
device = cairo_pdf, width = 12, height = 8, units = "cm") 日本語フォントを埋め込んだ PDF を出力するには device = cairo_pdf とする(macOS では XQuartz のインストールが必要 かもしれない)。ただし,すべてのフォントでうまくいくとは限ら ない。 Windows で PDF に日本語フォントを埋め込むためには,extrafont パッケージを利用する必要がある(ただし,OpenType フォントは利用 不可らしい)。 macOS では,ggsave 関数のほか,quartz.save 関数も利用可能。 18
23.
theme をかえる (1) p3
+ theme_bw(base_family = "IPAexGothic") 2.0 2.5 3.0 3.5 4.0 4.5 5 6 7 8 萼長 (cm) 萼幅(cm) 種 ヒオウギアヤメ イリス・ヴェルシカラー イリス・ヴァージニカ 19
24.
theme をかえる (2) p3
+ theme_classic(base_family = "IPAexGothic") 2.0 2.5 3.0 3.5 4.0 4.5 5 6 7 8 萼長 (cm) 萼幅(cm) 種 ヒオウギアヤメ イリス・ヴェルシカラー イリス・ヴァージニカ 20
25.
theme をかえる (3) library(ggthemes) p2
+ scale_colour_excel() + theme_excel() 2.0 2.5 3.0 3.5 4.0 4.5 5 6 7 8 Sepal.Length Sepal.Width Species setosa versicolor virginica 21
26.
facet: 分割して表示 facet_wrap 関数を使用して,種ごとに分割して表示。 p3
+ facet_wrap(~ Species) + theme(legend.position = "none") setosa versicolor virginica 5 6 7 8 5 6 7 8 5 6 7 8 2.0 2.5 3.0 3.5 4.0 4.5 萼長 (cm) 萼幅(cm) 22
27.
いろいろなグラフ 23
28.
geom_* 関数 • geom_bar •
geom_boxplot • geom_contour • geom_density • geom_errorbar • geom_histogram • geom_line • geom_polygon • geom_ribbon • geom_smooth • geom_tile などなど 24
29.
折れ線グラフ geom_line 関数 ナイル川のデータ (p <-
ggplot(df_Nile, aes(x = Year, y = Level)) + geom_line()) 600 800 1000 1200 1400 1875 1900 1925 1950 Year Level 25
30.
折れ線グラフ+点 geom_line と geom_point
の両方を使用。 p + geom_line(linetype = 2) + geom_point(size = 2) 600 800 1000 1200 1400 1875 1900 1925 1950 Year Level 26
31.
平滑化曲線 geom_smooth を使用。 p +
geom_line(linetype = 2) + geom_smooth(method = "loess") 600 800 1000 1200 1400 1875 1900 1925 1950 Year Level 27
32.
棒グラフ geom_bar 関数 set.seed(1); x
<- rpois(200, 2) p <- ggplot(data.frame(x = x), aes(x)) p + geom_bar(fill = "grey50") 0 20 40 60 0 2 4 6 x count 28
33.
stat_*関数 統計的変換, 例) stat_count:
データの頻度分布を計算する。 p + stat_count(geom = "bar", fill = "grey50") 0 20 40 60 0 2 4 6 x count • たいていの geom には対応する stat 関数がある。 • geom ではなくて stat で描画レイヤーを追加することも 可能。 29
34.
関数のグラフと数式 stat_function で関数を指定。annotate で注釈。parse
= TRUE で数式を解釈して表示。 ggplot(data.frame(x = seq(-5, 5, 0.01)), aes(x)) + stat_function(fun = function(x) {1 / (1 + exp(-x))}) + annotate("text", x = -5, y = 0.875, label = paste("italic(y) == frac(1,", "1 + exp(-(beta[0] + beta[1]*italic(x))))"), parse = TRUE, size = 4, hjust = 0) y = 1 1 + exp(−(β0 + β1x)) 0.00 0.25 0.50 0.75 1.00 −5.0 −2.5 0.0 2.5 5.0 x y 30
35.
地図データ @u_ribo さん作の jpndisrict
パッケージを利用する。 library(jpndistrict) library(sf) hokkaido <- jpn_pref(pref_code = 1) sapporo <- jpn_cities(jis_code = paste0("0", 1101:1110)) 別に人口データを用意して、データを付け加える。 library(dplyr) load("Hokkaido_population.RData") hokkaido <- dplyr::left_join(hokkaido, hokkaido_popl, by = "city_code") 31
36.
地図データの描画 ver. 3 で追加になった
geom_sf を使う。 ggplot(hokkaido) + geom_sf(aes(fill = population)) + scale_fill_continuous(name = "人口", trans = "log10", breaks = c(10^3, 10^4, 10^5), labels = c("1000", "10000", "100000")) + theme_bw(base_family = "IPAexGothic") 42°N 43°N 44°N 45°N 140°E 142°E 144°E 146°E 148°E 1000 10000 100000 人口 32
37.
ggplot(sapporo) + geom_sf(aes(fill
= city)) + scale_fill_discrete(name = "市区", breaks = sapporo$city) + coord_sf(crs = sf::st_crs(6680), datum = NA) + theme_void(base_family = "IPAexGothic") 市区 札幌市 中央区 札幌市 北区 札幌市 東区 札幌市 白石区 札幌市 豊平区 札幌市 南区 札幌市 西区 札幌市 厚別区 札幌市 手稲区 札幌市 清田区 33
38.
おわりに 34
39.
参考リンク きょう紹介できたのはごく一部。下のリンクなどを参考に。 • ggplot2(公式ウェブサイト) • http://ggplot2.tidyverse.org/ •
ggplot2 に関する資料(前田和寛 ‘@kazutan’ さん) • https://kazutan.github.io/kazutanR/ggplot2_links.html • ggplot2 — きれいなグラフを簡単に合理的に(岩嵜航さん) • https://heavywatal.github.io/rstats/ggplot2.html • グラフ描画 ggplot2 の辞書的まとめ 20 のコード(MrUnadon さん) • https://mrunadon.github.io/ggplot2/ 35
40.
参考リンク(つづき) • ggplot2 逆引(Hiroaki
Yutani さん) • https://yutannihilation.github.io/ggplot2-gyakubiki/ • Cookbook for R: Graphs(Winston Chang さん) • http://www.cookbook-r.com/Graphs/ • Stack Overflow での ggplot2 関連の質問 • https://stackoverflow.com/search?q=ggplot2 36
Download now