SlideShare a Scribd company logo
ggplot2再入門
2015/09/24 Rと統計の勉強会
@yutannihilation
1
対象
2
こんな人を想定しています
• ggplot2を多少さわったことはある
• なんとなくグラフは描けるけど、ggplot2のコー
ドの意味はあまり理解できない
• 人が描いたggplot2のグラフを少しいじりたいけ
ど、どのコードを変えればイメージ通りになるか
わからない
3
ggplot2とは
4
ggplot2
• なんかいい感じのグラフが簡単に描ける
• R界のスター・Hadley Wickham作
5
いい感じのグラフとは
6
ggplot(data = mpg,
mapping = aes(x = displ, y = hwy)) +
geom_point()
ggplot2のコードとグラフ
7
グラフに描く対象のデータ
データの要素とグラフの軸との対応
グラフの種類
要素を組み合わせたり
積み重ねたりするイメージ
ggplot(data = mpg,
mapping = aes(x = displ, y = hwy,
colour = class)) +
geom_point()
カテゴリごとに色を変えたい
8
グラフに描く対象のデータ
データの要素とグラフの軸との対応
グラフの種類
色との対応
ggplot(data = mpg,
mapping = aes(x = displ, y = hwy,
colour = class)) +
geom_point() +
geom_smooth(alpha = 0.1)
グラフを重ねたい
9
グラフに描く対象のデータ
データの要素とグラフの軸との対応
グラフの種類
色との対応
グラフの種類2
何がいい感じなのか
グラフの要素がいい感じに分割されている。レゴブ
ロック的な。
• 設定を組み替えたり変えたりしやすい
→ 探索的なデータ分析に便利
→ 複雑なグラフを描くときも見通しが立つ
• でもレゴと同じく踏むと痛いこともある…。独特!
10
グラフの要素とは
11
Grammar of Graphics
• Data + mappings
• Layers (geoms, stats)
• Scale
• Coord
• Facet
• Theme
12
ggplot2
data
Data
13
グラフに描く対象のデータ
• データはdata.frameに決まっている
• fortify()とかautoplot()とかいう、様々な
形式のデータをdata.frameに変換してくれる便
利関数もある
• ggfortifyというパッケージが便利
14
data.frame
• 長さのそろった値のリスト
• 列には名前と型(数値、文字など)がある
15
head(mpg)
#> manufacturer model displ year cyl trans drv cty hwy fl class
#> 1 audi a4 1.8 1999 4 auto(l5) f 18 29 p compact
#> 2 audi a4 1.8 1999 4 manual(m5) f 21 29 p compact
#> 3 audi a4 2.0 2008 4 manual(m6) f 20 31 p compact
#> 4 audi a4 2.0 2008 4 auto(av) f 21 30 p compact
#> 5 audi a4 2.8 1999 6 auto(l5) f 16 26 p compact
#> 6 audi a4 2.8 1999 6 manual(m5) f 18 26 p compact
値のリスト → data.frame
• data.frame()という関数でつくる
• 引数は「列名=配列」の形式
16
data.frame(
x = 1:10,
y = 2^(1:10),
z = paste("day", 1:10)
)
#> x y z
#> 1 1 2 day 1
#> 2 2 4 day 2
#> 3 3 8 day 3
...
CSV → data.frame
• read.csv()で読み込む
17
read.csv("ファイル名", stringsAsFactors = FALSE)
#> x y z
#> 1 1 2 day 1
#> 2 2 4 day 2
#> 3 3 8 day 3
...
これはおまじないみたいなものだ
と思ってとりあえず気にしない!
aes
Aesthetic Mappings
18
aes:データとグラフの対応
• 「列1の値をX軸に、列2の値をY軸にとる」と
いうようなマッピング
• X軸、Y軸だけでなく、色やサイズなどにも対応
付けることができる
• 列名だけでなく「..count..」(データの個数
を表す)のような隠し変数?も使える
• 値の種類(連続値・離散値)によってマッピング
が制限される場合もある
19
aesのイメージ
20
#> manufacturer model displ year cyl trans drv cty hwy fl class
#> 1 audi a4 1.8 1999 4 auto(l5) f 18 29 p compact
#> 2 audi a4 1.8 1999 4 manual(m5) f 21 29 p compact
#> 3 audi a4 2.0 2008 4 manual(m6) f 20 31 p compact
#> 4 audi a4 2.0 2008 4 auto(av) f 21 30 p compact
#> 5 audi a4 2.8 1999 6 auto(l5) f 16 26 p compact
#> 6 audi a4 2.8 1999 6 manual(m5) f 18 26 p compact
x y colour
x y colour
1 1.8 29 colour1
2 1.8 29 colour1
3 2.0 31 colour1
4 2.0 30 colour1
5 2.8 26 colour1
6 2.8 26 colour1
新しいデータセット
を生成
aesのパラメータの例
変数名 意味
x X軸
y Y軸
colour/color 線や点の色
fill 塗りの色
alpha 透明度
size 点のサイズ
21
Hadleyはイギリス英語至上主義!
aesの指定の仕方
22
ggplot(data = mpg,
mapping = aes_string(x = "displ",
y = "hwy",
colour = "class",
alpha = "cty")) +
...
ggplot(data = mpg,
mapping = aes(x = displ,
y = hwy,
colour = class,
alpha = cty)) +
...
""が要らないパターン
(NSE)
""が要るパターン
(SE)
こっちが一般的
気になる人は
「non-standard evaluation」
で検索!
aesの指定の仕方:省略
• 「変数名=列名」のペアで指定
• x、yは省略できる
• それ以外を指定するときは省略不可
23
ggplot(data = mpg,
mapping = aes(displ,
hwy,
colour = class,
alpha = cty)) +
...
aesの指定の仕方:省略
• ついでにいうと、dataとかmappingも省略可
• この書き方が一般的なので慣れましょう
24
ggplot(mpg,
aes(displ,
hwy,
colour = class,
alpha = cty)) +
...
aesの指定の仕方:計算
• 簡単な計算ならaesに指定できる
• 速度は出ないので、複雑な計算は事前にやるべき
25
ggplot(mpg,
aes(log(displ) / 10,
hwy,
colour = ifelse(manufacturer == "audi", TRUE, FALSE),
alpha = cty)) +
...
aesの指定の仕方:定数
• 色や透過度などに決まった値を指定したい場合は、
aesの外側で指定する
26
ggplot(mpg,
aes(displ, hwy),
colour = "red",
alpha = 0.3) +
...
参考:カテゴリ分け
• group:これを明示的に指定するのが正しい
• colour・fill:カテゴリの意味を兼ねることが多い
• グラフの種類によっていろいろ。例:箱ひげ図はx
• グリッド状に分けるのはfacet(後述)
27
geom
Geometric Objects
28
geom:グラフの種類
• 棒グラフとか散布図とかそういうやつ
• 「geom_XXXX()」という名前
29
geomの例
geom 描けるグラフ
geom_point 散布図、バブルチャート
geom_line 折れ線グラフ
geom_bar 棒グラフ
geom_histogram ヒストグラム
geom_boxplot 箱ひげ図
geom_density 確率密度関数
geom_text テキスト
30
geomの指定の仕方
• レイヤーを重ねるには+
31
ggplot(mpg, aes(displ, hwy)) +
geom_point() +
geom_line()
geomの指定の仕方:aes
• 別のaesを使いたいときは
それぞれに指定する
32
ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(colour = class,
size = cyl)) +
geom_line(aes(linetype = drv))
x と y のマッピングは共通
色やサイズなどは別々の
マッピング
geomの指定の仕方:data
• 別のデータを重ねたいときは
data引数に指定する
33
d <- data.frame(displ = rep(1:5, 5),
hwy = rep(1:5 * 10, each = 5),
cyl = rep(1:5, 5))
ggplot(mpg, aes(displ, hwy, colour = factor(cyl))) +
geom_point(size = 4) +
geom_line(data = d)
マッピングは共通で、データだけ別
stat
Statistical Transformation
34
stat:データの変形・集計
• そのままの値か平均か合計かとかそういうやつ
• 「stat_XXXX()」とかいう名前
• 各geom_()にはデフォルトのstatがあるので、
普段はあまり意識することはない
• でも知っておくと便利
35
statの例
stat 計算
stat_identity そのままの値
stat_bin 各区間の合計・密度など
stat_boxplot 箱ひげ図用(四分位数)
stat_contour コンター図用
stat_smooth 近似曲線用
stat_ellipse 信頼楕円を計算する
stat_summary データを要約する
stat_function 自分で関数を指定する
36
汎用
特定の
geom用
対応する
geomなし
参考:statとgeomの関係
• 各geom_()にはデフォルトのstatがある
• 各stat_()にはデフォルトのgeomがある
• そもそもグラフの種類とデータの変形は表裏一体
37
実はどちらも、
layer(geom = "XXX", stat = "YYY", ...)
という関数のショートカット!
参考:statとgeomの関係
• 作者の「わかりにくくてごめん!」という懺悔:
Unfortunately, due to any early design
mistake I called these either stat_() or
geom_(). A better decision would have
been to call them layer_() functions:
that's a more accurate description because
every layer involves a a stat and a geom.
(出典:https://github.com/hadley/ggplot2/blob/master/vignettes/extending-
ggplot2.Rmd)
38
statの指定の仕方
• 指定なしデフォルトのstat
• stat引数に指定する
• stat_()関数を使う
39
ggplot(movies, aes(x = rating)) +
stat_bin()
ggplot(movies, aes(x = rating)) +
geom_bar()
ggplot(movies, aes(x = rating)) +
geom_bar(stat = "bin")
どれも同じ
(ヒストグラム)
statの指定の仕方
• 指定なしデフォルトのstat
• stat引数に指定する
• stat_()関数を使う
40
ggplot(movies, aes(x = rating)) +
stat_bin()
ggplot(movies, aes(x = rating)) +
geom_bar()
ggplot(movies, aes(x = rating)) +
geom_bar(stat = "bin")
こっちがオススメ
参考:Generated Variables
• statで計算された値をマッピングに使える
• 「..変数名..」のように書く
41
ggplot(diamonds, aes(price)) +
geom_histogram(aes(y = ..density..), binwidth = 500)
例:geom_histogramの
generated variables
1. そのgeomのデフォルトのstatをヘルプで見る
2. statのヘルプでValueの項目を見る
42
?geom_histogram
?stat_bin
bin なので
stat_bin が
デフォルト
この4つの変数が
使える
• count  ヒストグラム
• density  確率密度関数
• ncount、ndensity  それを正規化したもの
43
..count.. ..density.. ..ncount.. ..ndensity..
例:geom_histogramの
generated variables
position
Position Adjustments
44
position:各要素の位置
• 重ね合わせか、積み上げか、並列配置か、とかそ
ういうやつ
• 「position_XXXX()」という名前
45
positionの例
46
position 位置
position_identity 重ね合わせ
position_stack 積み上げ
position_fill 100%積み上げ
position_dodge 横に並べる
position_jitter 少しづつずらす
position_nudge 決まった間隔にずらす
positionの指定の仕方
• 指定しない デフォルトのposition
• 名前を指定する
• positionオブジェクトを指定する
47
p <- ggplot(mtcars, aes(x=factor(cyl), fill=factor(vs)))
p + geom_bar() #geom_barのデフォルトは"stack"
p + geom_bar(position = "dodge")
p + geom_bar(position = position_dodge(width = 0.5),
alpha = 0.6)
facet
Facetting
48
facet:データの分割
• ある分類でデータをサブセットに分け、サブセッ
トごとにグラフを描く
• 「facet_XXXX()」という名前
49
facetの例
50
facet 分割の仕方
facet_null 分割しない(デフォルト)
facet_wrap 分割したものを順に並べる
facet_grid 格子状に分割する
facetの指定の仕方:
facet_wrap
• 「~ 分割に使う変数」で分割
• 行や列の数を指定できる
51
p <- ggplot(mpg, aes(displ, hwy)) +
geom_point()
p + facet_wrap(~cyl)
p + facet_wrap(~cyl, ncol = 3)
facetの指定の仕方:
facet_grid
• 「Y方向の変数~X方向の変数」
• 「.」だとその方向は分割されない
52
p <- ggplot(mpg, aes(displ, hwy)) +
geom_point()
p + facet_grid(.~cyl)
p + facet_grid(year~cyl)
scale
Scale
53
scale:値のスケール
• X軸・Y軸は対数軸か、どの値にどの色を割り当
てるか、とかそういうやつ
• 目盛りの刻み、ラベルなども設定する
• 連続値か離散値かによって指定が異なる
• 「scale_変数名_XXXX()」という名前
54
scaleの種類の例
55
scale スケール
scale_x_XXXX X軸
scale_y_XXXX Y軸
scale_colour_XXXX 線の色
scale_fill_XXXX 塗りの色
scale_shape_XXXX 点の形
scale_linetype_XXXX 線の形
scale_alpha_XXXX 透明度
scaleの変形の例
56
scale スケール
scale_x_continuous X軸の値そのまま(連続値)
scale_x_log10 X軸の対数スケール(連続値)
scale_x_datetime X軸の時間スケール(連続値)
scale_x_discrete X軸の値そのまま(離散値)
scale_colour_gradient 一色のグラデーション(連続値)
scale_colour_gradient2 二色のグラデーション(連続値)
scale_colour_brewer いい感じの色分け(離散値)
scale_colour_manual 手動でがんばる色分け(離散値)
scaleのパラメータ例
57
パラメータ名 意味
breaks 目盛りをつける位置
labels 目盛りのラベル
limits 軸の範囲
trans 軸の変形(対数軸、自然対数軸、
logitなど)
scaleの指定の仕方:X軸・Y軸
• そのまま
• X軸を対数軸に
• X軸もY軸も対数軸に
58
d <- as.data.frame(expand.grid(x = 1:30, y = 1:30))
p <- ggplot(d, aes(x, y)) + geom_point()
p
p + scale_x_log10()
p + scale_x_log10() + scale_y_log10()
scaleの指定の仕方:X軸・Y軸
• 値の範囲を指定
• 目盛りの位置を指定
• 目盛りにラベルをつける
59
p + scale_x_continuous(limits = c(10, 20))
# xlim(10, 20)とも書ける
p + scale_x_continuous(breaks = c(12, 19))
p + scale_x_continuous(breaks = c(12, 19),
labels = c("12th", "19th"))
scaleの指定の仕方:色
• 連続値の場合はグラデーションになる
• 離散値の場合は適当な色が割り振られる
60
p <- ggplot(d, aes(x, y))
p + geom_point(aes(colour = x * y), size = 5)
p + geom_point(aes(colour = factor((x * y) %% 4)),
size = 5)
scaleの指定の仕方:色
• いろいろ引数をいじっていい感じの色を探す。
61
p2 <- p + geom_point(aes(colour = factor((x * y) %% 4)), size = 5)
p2 + scale_colour_brewer()
p2 + scale_colour_brewer(type = "div")
p2 + scale_colour_brewer(pallet = 2)
p2 + scale_colour_brewer(pallet = 3)
coord
Coordinate System
62
coord:座標系の設定
• X軸とY軸を同じ縮尺にするか、どの測地系を使
うか、X軸とY軸をひっくり返すか、とか。
• 「coord_XXXX()」という名前
63
coordの例
64
coord 座標系
coord_cartesian ただの直交座標系
coord_fixed X/Yの比率が固定された座標系
coord_flip X軸とY軸を入れ替えた座標系
coord_polar 円グラフのための座標系
coord_map/coord_quickmap 地図のための座標系
参考:scaleとcoordの関係
• scaleは、実際に値を変形する
• coordは、眺め方を変える(値は変わらない)
※個人的なイメージです
65
参考:scaleとcoordの関係
66
p + coord_cartesian(xlim = c(1, 25))
d <- data.frame(x=1:50, y=c(1:25, 25:1))
p <- ggplot(d, aes(x, y))
+ geom_point() + geom_smooth()
p + scale_x_continuous(limits = c(1, 25))
例:ある範囲のみのグラフ
• scaleは範囲外の値をカット
• coordはズームするだけ
coordの指定の仕方
• そのまま
• X軸とY軸を入れ替える
• 軸の比率を1:1に
67
p <- ggplot(mtcars, aes(mpg, wt)) + geom_point()
p
p + coord_flip()
p + coord_fixed(ratio = 1)
まとめ
68
ggplot2の要素
• data:データ
• aes:マッピング
• geom/stat:グラフの種類
• position:要素の位置
• facet:分割
• scale:スケールの変形
• coord:座標軸
69
グラフを描くのに必要
意識しなくても描ける
知ってるとモアベター
※今回説明していないこと
• スタイルの設定(フォントの設定、ラベルのつけ
方、テーマの共有など)
• 画像に保存する方法(ggsave)
• ggplot2とあわせて使うと便利なパッケージ
(例:GGally, gridExtra, directlabels)
• 落とし穴(例:積み重ねと思ってたけど積み重
なってなかった…(実話))
などなど…
70
分からないときは
71
公式ドキュメント
72(http://docs.ggplot2.org/current/)
公式チートシート
73(https://www.rstudio.com/wp-content/uploads/2015/08/ggplot2-
ggplot2 book(発売が待ち遠しい…)
74(https://github.com/hadley/ggplot2-book/)
ggplot2逆引き
75(https://yutannihilation.github.io/ggplot2-gyakubiki/)
r-wakalang
(Rについて気軽に質問できるチャット。オススメ!)
76(詳しくは、http://www.slideshare.net/teramonagi/ss-52463319)
77
Enjoy!

More Related Content

What's hot

Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
Hiroshi Shimizu
 
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)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
 
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glmnet5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnetNagi Teramo
 
ggplot2できれいなグラフ
ggplot2できれいなグラフggplot2できれいなグラフ
ggplot2できれいなグラフ
Daisuke Ichikawa
 
Rで階層ベイズモデル
Rで階層ベイズモデルRで階層ベイズモデル
Rで階層ベイズモデルYohei Sato
 
Granger因果による 時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による 時系列データの因果推定(因果フェス2015)
Takashi J OZAKI
 
はじめての「R」
はじめての「R」はじめての「R」
はじめての「R」
Masahiro Hayashi
 
[R勉強会][データマイニング] R言語による時系列分析
[R勉強会][データマイニング] R言語による時系列分析[R勉強会][データマイニング] R言語による時系列分析
[R勉強会][データマイニング] R言語による時系列分析
Koichi Hamada
 
幾何を使った統計のはなし
幾何を使った統計のはなし幾何を使った統計のはなし
幾何を使った統計のはなし
Toru Imai
 
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) 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
 
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
Classi.corp
 
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)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
 
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ーDiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
Takashi Yamane
 
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心takehikoihayashi
 
ブートストラップ法とその周辺とR
ブートストラップ法とその周辺とRブートストラップ法とその周辺とR
ブートストラップ法とその周辺とRDaisuke Yoneoka
 
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
RyuichiKanoh
 
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Masakazu Shinoda
 
Newman アルゴリズムによるソーシャルグラフのクラスタリング
Newman アルゴリズムによるソーシャルグラフのクラスタリングNewman アルゴリズムによるソーシャルグラフのクラスタリング
Newman アルゴリズムによるソーシャルグラフのクラスタリング
Atsushi KOMIYA
 

What's hot (20)

Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
 
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)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)
 
Rの高速化
Rの高速化Rの高速化
Rの高速化
 
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glmnet5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
 
ggplot2できれいなグラフ
ggplot2できれいなグラフggplot2できれいなグラフ
ggplot2できれいなグラフ
 
Rで階層ベイズモデル
Rで階層ベイズモデルRで階層ベイズモデル
Rで階層ベイズモデル
 
Granger因果による 時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による 時系列データの因果推定(因果フェス2015)
 
はじめての「R」
はじめての「R」はじめての「R」
はじめての「R」
 
[R勉強会][データマイニング] R言語による時系列分析
[R勉強会][データマイニング] R言語による時系列分析[R勉強会][データマイニング] R言語による時系列分析
[R勉強会][データマイニング] R言語による時系列分析
 
幾何を使った統計のはなし
幾何を使った統計のはなし幾何を使った統計のはなし
幾何を使った統計のはなし
 
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) 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?
 
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
 
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)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)
 
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ーDiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
 
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
 
ブートストラップ法とその周辺とR
ブートストラップ法とその周辺とRブートストラップ法とその周辺とR
ブートストラップ法とその周辺とR
 
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
 
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
 
Newman アルゴリズムによるソーシャルグラフのクラスタリング
Newman アルゴリズムによるソーシャルグラフのクラスタリングNewman アルゴリズムによるソーシャルグラフのクラスタリング
Newman アルゴリズムによるソーシャルグラフのクラスタリング
 

Viewers also liked

10分で分かるR言語入門ver2_0906
10分で分かるR言語入門ver2_090610分で分かるR言語入門ver2_0906
10分で分かるR言語入門ver2_0906Nobuaki Oshiro
 
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについてエクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
 
Rはいいぞ!むしろなぜ使わないのか!!
Rはいいぞ!むしろなぜ使わないのか!!Rはいいぞ!むしろなぜ使わないのか!!
Rはいいぞ!むしろなぜ使わないのか!!
Shushi Namba
 
押してダメなら引いてみろ! ggplot2逆引きプロジェクト
押してダメなら引いてみろ! ggplot2逆引きプロジェクト押してダメなら引いてみろ! ggplot2逆引きプロジェクト
押してダメなら引いてみろ! ggplot2逆引きプロジェクト
yutannihilation
 
R入門(dplyrでデータ加工)-TokyoR42
R入門(dplyrでデータ加工)-TokyoR42R入門(dplyrでデータ加工)-TokyoR42
R入門(dplyrでデータ加工)-TokyoR42
Atsushi Hayakawa
 
Rcppのすすめ
RcppのすすめRcppのすすめ
Rcppのすすめ
Masaki Tsuda
 
Mxnetで回帰 #TokyoR 53th
Mxnetで回帰 #TokyoR 53thMxnetで回帰 #TokyoR 53th
Mxnetで回帰 #TokyoR 53th
Akifumi Eguchi
 
20140625 rでのデータ分析(仮) for_tokyor
20140625 rでのデータ分析(仮) for_tokyor20140625 rでのデータ分析(仮) for_tokyor
20140625 rでのデータ分析(仮) for_tokyor
Takashi Kitano
 
20170923 excelユーザーのためのr入門
20170923 excelユーザーのためのr入門20170923 excelユーザーのためのr入門
20170923 excelユーザーのためのr入門
Takashi Kitano
 
20150303ぞくパタLT-ゆるふわ構造学習
20150303ぞくパタLT-ゆるふわ構造学習20150303ぞくパタLT-ゆるふわ構造学習
20150303ぞくパタLT-ゆるふわ構造学習
Toru Imai
 
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
RとStanでクラウドセットアップ時間を分析してみたら #TokyoRRとStanでクラウドセットアップ時間を分析してみたら #TokyoR
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
Shuyo Nakatani
 
Rで潜在ランク分析
Rで潜在ランク分析Rで潜在ランク分析
Rで潜在ランク分析
Hiroshi Shimizu
 
Dummiesパッケージ
DummiesパッケージDummiesパッケージ
Dummiesパッケージ
weda654
 
データサイエンティスト必見!M-1グランプリ
データサイエンティスト必見!M-1グランプリデータサイエンティスト必見!M-1グランプリ
データサイエンティスト必見!M-1グランプリ
Satoshi Kitajima
 
R を起動するその前に
R を起動するその前にR を起動するその前に
R を起動するその前にKosei ABE
 
TokyoR42_around_chaining
TokyoR42_around_chainingTokyoR42_around_chaining
TokyoR42_around_chaining
TokorosawaYoshio
 
Rで代数統計 TokyoR #42 LT
Rで代数統計 TokyoR #42 LTRで代数統計 TokyoR #42 LT
Rで代数統計 TokyoR #42 LT
Toru Imai
 
マルコフ連鎖モンテカルロ法入門-1
マルコフ連鎖モンテカルロ法入門-1マルコフ連鎖モンテカルロ法入門-1
マルコフ連鎖モンテカルロ法入門-1
Nagi Teramo
 
最強のハードディスクはどれだ?
最強のハードディスクはどれだ?最強のハードディスクはどれだ?
最強のハードディスクはどれだ?
Atsushi Hayakawa
 
Tokyor42 ggplot2
Tokyor42 ggplot2Tokyor42 ggplot2
Tokyor42 ggplot2Yohei Sato
 

Viewers also liked (20)

10分で分かるR言語入門ver2_0906
10分で分かるR言語入門ver2_090610分で分かるR言語入門ver2_0906
10分で分かるR言語入門ver2_0906
 
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについてエクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
 
Rはいいぞ!むしろなぜ使わないのか!!
Rはいいぞ!むしろなぜ使わないのか!!Rはいいぞ!むしろなぜ使わないのか!!
Rはいいぞ!むしろなぜ使わないのか!!
 
押してダメなら引いてみろ! ggplot2逆引きプロジェクト
押してダメなら引いてみろ! ggplot2逆引きプロジェクト押してダメなら引いてみろ! ggplot2逆引きプロジェクト
押してダメなら引いてみろ! ggplot2逆引きプロジェクト
 
R入門(dplyrでデータ加工)-TokyoR42
R入門(dplyrでデータ加工)-TokyoR42R入門(dplyrでデータ加工)-TokyoR42
R入門(dplyrでデータ加工)-TokyoR42
 
Rcppのすすめ
RcppのすすめRcppのすすめ
Rcppのすすめ
 
Mxnetで回帰 #TokyoR 53th
Mxnetで回帰 #TokyoR 53thMxnetで回帰 #TokyoR 53th
Mxnetで回帰 #TokyoR 53th
 
20140625 rでのデータ分析(仮) for_tokyor
20140625 rでのデータ分析(仮) for_tokyor20140625 rでのデータ分析(仮) for_tokyor
20140625 rでのデータ分析(仮) for_tokyor
 
20170923 excelユーザーのためのr入門
20170923 excelユーザーのためのr入門20170923 excelユーザーのためのr入門
20170923 excelユーザーのためのr入門
 
20150303ぞくパタLT-ゆるふわ構造学習
20150303ぞくパタLT-ゆるふわ構造学習20150303ぞくパタLT-ゆるふわ構造学習
20150303ぞくパタLT-ゆるふわ構造学習
 
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
RとStanでクラウドセットアップ時間を分析してみたら #TokyoRRとStanでクラウドセットアップ時間を分析してみたら #TokyoR
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
 
Rで潜在ランク分析
Rで潜在ランク分析Rで潜在ランク分析
Rで潜在ランク分析
 
Dummiesパッケージ
DummiesパッケージDummiesパッケージ
Dummiesパッケージ
 
データサイエンティスト必見!M-1グランプリ
データサイエンティスト必見!M-1グランプリデータサイエンティスト必見!M-1グランプリ
データサイエンティスト必見!M-1グランプリ
 
R を起動するその前に
R を起動するその前にR を起動するその前に
R を起動するその前に
 
TokyoR42_around_chaining
TokyoR42_around_chainingTokyoR42_around_chaining
TokyoR42_around_chaining
 
Rで代数統計 TokyoR #42 LT
Rで代数統計 TokyoR #42 LTRで代数統計 TokyoR #42 LT
Rで代数統計 TokyoR #42 LT
 
マルコフ連鎖モンテカルロ法入門-1
マルコフ連鎖モンテカルロ法入門-1マルコフ連鎖モンテカルロ法入門-1
マルコフ連鎖モンテカルロ法入門-1
 
最強のハードディスクはどれだ?
最強のハードディスクはどれだ?最強のハードディスクはどれだ?
最強のハードディスクはどれだ?
 
Tokyor42 ggplot2
Tokyor42 ggplot2Tokyor42 ggplot2
Tokyor42 ggplot2
 

Similar to ggplot2再入門(2015年バージョン)

Introduction to R Graphics with ggplot2 #2
Introduction to R Graphics with ggplot2 #2Introduction to R Graphics with ggplot2 #2
Introduction to R Graphics with ggplot2 #2
nozma
 
ggplot2 110129
ggplot2 110129ggplot2 110129
ggplot2 110129
Takashi Minoda
 
R言語勉強会#9.pdf
R言語勉強会#9.pdfR言語勉強会#9.pdf
R言語勉強会#9.pdf
Takuya Kubo
 
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
 
形式手法とalloyの紹介
形式手法とalloyの紹介形式手法とalloyの紹介
形式手法とalloyの紹介
Daisuke Tanaka
 
テーマ別勉強会(R言語)#3.pdf
テーマ別勉強会(R言語)#3.pdfテーマ別勉強会(R言語)#3.pdf
テーマ別勉強会(R言語)#3.pdf
Takuya Kubo
 
Intoroduction of Pandas with Python
Intoroduction of Pandas with PythonIntoroduction of Pandas with Python
Intoroduction of Pandas with PythonAtsushi Hayakawa
 
Rを用いたGIS
Rを用いたGISRを用いたGIS
Rを用いたGIS
Mizutani Takayuki
 
文献紹介:X3D: Expanding Architectures for Efficient Video Recognition
文献紹介:X3D: Expanding Architectures for Efficient Video Recognition文献紹介:X3D: Expanding Architectures for Efficient Video Recognition
文献紹介:X3D: Expanding Architectures for Efficient Video Recognition
Toru Tamaki
 
C++11概要 ライブラリ編
C++11概要 ライブラリ編C++11概要 ライブラリ編
C++11概要 ライブラリ編egtra
 
Hokkaido.pm.casual #03 slide
Hokkaido.pm.casual #03 slideHokkaido.pm.casual #03 slide
Hokkaido.pm.casual #03 slideTohru Shinohara
 
すごいHaskell楽しく学ぼう-第12章モノイド-
すごいHaskell楽しく学ぼう-第12章モノイド-すごいHaskell楽しく学ぼう-第12章モノイド-
すごいHaskell楽しく学ぼう-第12章モノイド-
Hiromasa Ohashi
 
IbisPaintのOpenGLES2.0
IbisPaintのOpenGLES2.0IbisPaintのOpenGLES2.0
IbisPaintのOpenGLES2.0
Eiji Kamiya
 
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 RR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言語勉強会#10.pdf
R言語勉強会#10.pdfR言語勉強会#10.pdf
R言語勉強会#10.pdf
Takuya Kubo
 
Finite field
Finite fieldFinite field
Finite field
Takumi Tomita
 
文献紹介:Rethinking Data Augmentation for Image Super-resolution: A Comprehensive...
文献紹介:Rethinking Data Augmentation for Image Super-resolution: A Comprehensive...文献紹介:Rethinking Data Augmentation for Image Super-resolution: A Comprehensive...
文献紹介:Rethinking Data Augmentation for Image Super-resolution: A Comprehensive...
Toru Tamaki
 
第1回R勉強会@東京
第1回R勉強会@東京第1回R勉強会@東京
第1回R勉強会@東京
Yohei Sato
 

Similar to ggplot2再入門(2015年バージョン) (20)

ggplot2 110129
ggplot2 110129ggplot2 110129
ggplot2 110129
 
Introduction to R Graphics with ggplot2 #2
Introduction to R Graphics with ggplot2 #2Introduction to R Graphics with ggplot2 #2
Introduction to R Graphics with ggplot2 #2
 
ggplot2 110129
ggplot2 110129ggplot2 110129
ggplot2 110129
 
R言語勉強会#9.pdf
R言語勉強会#9.pdfR言語勉強会#9.pdf
R言語勉強会#9.pdf
 
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
 
形式手法とalloyの紹介
形式手法とalloyの紹介形式手法とalloyの紹介
形式手法とalloyの紹介
 
テーマ別勉強会(R言語)#3.pdf
テーマ別勉強会(R言語)#3.pdfテーマ別勉強会(R言語)#3.pdf
テーマ別勉強会(R言語)#3.pdf
 
Intoroduction of Pandas with Python
Intoroduction of Pandas with PythonIntoroduction of Pandas with Python
Intoroduction of Pandas with Python
 
Rを用いたGIS
Rを用いたGISRを用いたGIS
Rを用いたGIS
 
文献紹介:X3D: Expanding Architectures for Efficient Video Recognition
文献紹介:X3D: Expanding Architectures for Efficient Video Recognition文献紹介:X3D: Expanding Architectures for Efficient Video Recognition
文献紹介:X3D: Expanding Architectures for Efficient Video Recognition
 
C++11概要 ライブラリ編
C++11概要 ライブラリ編C++11概要 ライブラリ編
C++11概要 ライブラリ編
 
Hokkaido.pm.casual #03 slide
Hokkaido.pm.casual #03 slideHokkaido.pm.casual #03 slide
Hokkaido.pm.casual #03 slide
 
すごいHaskell楽しく学ぼう-第12章モノイド-
すごいHaskell楽しく学ぼう-第12章モノイド-すごいHaskell楽しく学ぼう-第12章モノイド-
すごいHaskell楽しく学ぼう-第12章モノイド-
 
IbisPaintのOpenGLES2.0
IbisPaintのOpenGLES2.0IbisPaintのOpenGLES2.0
IbisPaintのOpenGLES2.0
 
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 RR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言語勉強会#10.pdf
R言語勉強会#10.pdfR言語勉強会#10.pdf
R言語勉強会#10.pdf
 
Finite field
Finite fieldFinite field
Finite field
 
 
  
 
 
文献紹介:Rethinking Data Augmentation for Image Super-resolution: A Comprehensive...
文献紹介:Rethinking Data Augmentation for Image Super-resolution: A Comprehensive...文献紹介:Rethinking Data Augmentation for Image Super-resolution: A Comprehensive...
文献紹介:Rethinking Data Augmentation for Image Super-resolution: A Comprehensive...
 
第1回R勉強会@東京
第1回R勉強会@東京第1回R勉強会@東京
第1回R勉強会@東京
 

ggplot2再入門(2015年バージョン)