Download free for 30 days
Sign in
Upload
Language (EN)
Support
Business
Mobile
Social Media
Marketing
Technology
Art & Photos
Career
Design
Education
Presentations & Public Speaking
Government & Nonprofit
Healthcare
Internet
Law
Leadership & Management
Automotive
Engineering
Software
Recruiting & HR
Retail
Sales
Services
Science
Small Business & Entrepreneurship
Food
Environment
Economy & Finance
Data & Analytics
Investor Relations
Sports
Spiritual
News & Politics
Travel
Self Improvement
Real Estate
Entertainment & Humor
Health & Medicine
Devices & Hardware
Lifestyle
Change Language
Language
English
Español
Português
Français
Deutsche
Cancel
Save
Submit search
EN
Uploaded by
nocchi_airport
PDF, PPTX
23,130 views
ggplot2用例集 入門編
Hijiyama.R#4(2016/5/28)で発表したスライドです
Data & Analytics
◦
Read more
37
Save
Share
Embed
Embed presentation
Download
Download as PDF, PPTX
1
/ 50
2
/ 50
3
/ 50
4
/ 50
5
/ 50
6
/ 50
Most read
7
/ 50
8
/ 50
9
/ 50
Most read
10
/ 50
11
/ 50
Most read
12
/ 50
13
/ 50
14
/ 50
15
/ 50
16
/ 50
17
/ 50
18
/ 50
19
/ 50
20
/ 50
21
/ 50
22
/ 50
23
/ 50
24
/ 50
25
/ 50
26
/ 50
27
/ 50
28
/ 50
29
/ 50
30
/ 50
31
/ 50
32
/ 50
33
/ 50
34
/ 50
35
/ 50
36
/ 50
37
/ 50
38
/ 50
39
/ 50
40
/ 50
41
/ 50
42
/ 50
43
/ 50
44
/ 50
45
/ 50
46
/ 50
47
/ 50
48
/ 50
49
/ 50
50
/ 50
More Related Content
PDF
傾向スコアの概念とその実践
by
Yasuyuki Okumura
PPTX
ggplot2再入門(2015年バージョン)
by
yutannihilation
PDF
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
by
Megagon Labs
PDF
Stan超初心者入門
by
Hiroshi Shimizu
PDF
傾向スコア:その概念とRによる実装
by
takehikoihayashi
PDF
Active Learning 入門
by
Shuyo Nakatani
PPTX
Rによるベイジアンネットワーク入門
by
Okamoto Laboratory, The University of Electro-Communications
PDF
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
by
Hiroshi Shimizu
傾向スコアの概念とその実践
by
Yasuyuki Okumura
ggplot2再入門(2015年バージョン)
by
yutannihilation
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
by
Megagon Labs
Stan超初心者入門
by
Hiroshi Shimizu
傾向スコア:その概念とRによる実装
by
takehikoihayashi
Active Learning 入門
by
Shuyo Nakatani
Rによるベイジアンネットワーク入門
by
Okamoto Laboratory, The University of Electro-Communications
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
by
Hiroshi Shimizu
What's hot
PDF
関数データ解析の概要とその方法
by
Hidetoshi Matsui
PDF
ggplot2によるグラフ化@HijiyamaR#2
by
nocchi_airport
PDF
統計的因果推論への招待 -因果構造探索を中心に-
by
Shiga University, RIKEN
PDF
機械学習におけるオンライン確率的最適化の理論
by
Taiji Suzuki
PPTX
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
by
Takashi Yamane
PDF
『バックドア基準の入門』@統数研研究集会
by
takehikoihayashi
PDF
MICの解説
by
logics-of-blue
PPTX
Visual Studio CodeでRを使う
by
Atsushi Hayakawa
PDF
状態空間モデルの考え方・使い方 - TokyoR #38
by
horihorio
PPTX
Transformerを雰囲気で理解する
by
AtsukiYamaguchi1
PPTX
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
by
Hiroshi Shimizu
PPTX
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
by
Yoshitake Takebayashi
PDF
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
by
. .
PDF
因果推論の奥へ: "What works" meets "why it works"
by
takehikoihayashi
PPTX
【DL輪読会】FactorVAE: A Probabilistic Dynamic Factor Model Based on Variational A...
by
Deep Learning JP
PPTX
RandomForestとR package
by
Shuma Ishigami
PDF
セミパラメトリック推論の基礎
by
Daisuke Yoneoka
PDF
coordinate descent 法について
by
京都大学大学院情報学研究科数理工学専攻
PDF
Rでisomap(多様体学習のはなし)
by
Kohta Ishikawa
PDF
Iclr2016 vaeまとめ
by
Deep Learning JP
関数データ解析の概要とその方法
by
Hidetoshi Matsui
ggplot2によるグラフ化@HijiyamaR#2
by
nocchi_airport
統計的因果推論への招待 -因果構造探索を中心に-
by
Shiga University, RIKEN
機械学習におけるオンライン確率的最適化の理論
by
Taiji Suzuki
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
by
Takashi Yamane
『バックドア基準の入門』@統数研研究集会
by
takehikoihayashi
MICの解説
by
logics-of-blue
Visual Studio CodeでRを使う
by
Atsushi Hayakawa
状態空間モデルの考え方・使い方 - TokyoR #38
by
horihorio
Transformerを雰囲気で理解する
by
AtsukiYamaguchi1
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
by
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)
by
Yoshitake Takebayashi
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
by
. .
因果推論の奥へ: "What works" meets "why it works"
by
takehikoihayashi
【DL輪読会】FactorVAE: A Probabilistic Dynamic Factor Model Based on Variational A...
by
Deep Learning JP
RandomForestとR package
by
Shuma Ishigami
セミパラメトリック推論の基礎
by
Daisuke Yoneoka
coordinate descent 法について
by
京都大学大学院情報学研究科数理工学専攻
Rでisomap(多様体学習のはなし)
by
Kohta Ishikawa
Iclr2016 vaeまとめ
by
Deep Learning JP
Similar to ggplot2用例集 入門編
PDF
Tokyor42 ggplot2
by
Yohei Sato
ODP
ggplot2 110129
by
Takashi Minoda
PDF
TokyoR102_BeginnersSession.pdf
by
kotora_0507
PDF
130727 nagoyar presentation
by
Takayuki Nuimura
PDF
ggplot2 110129
by
Takashi Minoda
PPTX
Introduction to R Graphics with ggplot2 #1
by
nozma
PPT
Introduction to R Graphics with ggplot2 #2
by
nozma
PDF
Tsukuba
by
syou6162
PDF
Road to ggplot2再入門
by
nocchi_airport
PDF
Introduction to R
by
Yukihiro NAKAJIMA
PPTX
Tokyo.R #66 初心者セッション3
by
Nozomi Miyazaki
PDF
ggplot2をつかってみよう
by
Hiroki Itô
PPTX
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
by
nocchi_airport
PDF
魅せる・際立つ・役立つグラフ Hands on!! ggplot2!! ~導入編~
by
MrUnadon
PDF
テーマ別勉強会(R言語)#3.pdf
by
Takuya Kubo
PDF
10分で分かるr言語入門ver2.10 14 1101
by
Nobuaki Oshiro
PPTX
R超入門機械学習をはじめよう
by
幹雄 小川
PDF
Tokyor23 doradora09
by
Nobuaki Oshiro
PDF
10分で分かるr言語入門ver2.9 14 0920
by
Nobuaki Oshiro
PPTX
Tokyo.R #67 初心者セッション3
by
Nozomi Miyazaki
Tokyor42 ggplot2
by
Yohei Sato
ggplot2 110129
by
Takashi Minoda
TokyoR102_BeginnersSession.pdf
by
kotora_0507
130727 nagoyar presentation
by
Takayuki Nuimura
ggplot2 110129
by
Takashi Minoda
Introduction to R Graphics with ggplot2 #1
by
nozma
Introduction to R Graphics with ggplot2 #2
by
nozma
Tsukuba
by
syou6162
Road to ggplot2再入門
by
nocchi_airport
Introduction to R
by
Yukihiro NAKAJIMA
Tokyo.R #66 初心者セッション3
by
Nozomi Miyazaki
ggplot2をつかってみよう
by
Hiroki Itô
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
by
nocchi_airport
魅せる・際立つ・役立つグラフ Hands on!! ggplot2!! ~導入編~
by
MrUnadon
テーマ別勉強会(R言語)#3.pdf
by
Takuya Kubo
10分で分かるr言語入門ver2.10 14 1101
by
Nobuaki Oshiro
R超入門機械学習をはじめよう
by
幹雄 小川
Tokyor23 doradora09
by
Nobuaki Oshiro
10分で分かるr言語入門ver2.9 14 0920
by
Nobuaki Oshiro
Tokyo.R #67 初心者セッション3
by
Nozomi Miyazaki
ggplot2用例集 入門編
1.
Hijiyama.R #4 2016/5/28 ggplot2用例集 入門編 紀ノ定
保礼
2.
自己紹介 • 紀ノ定 保礼 –
大阪大学大学院人間科学研究科 • 関心領域 – 認知心理学,交通心理学,人間工学 • 本日の発表内容 – データを視覚化するためのRパッケージである, ggplot2の使い方の紹介(実践編) – まだ「ggplot2再入門」を読んでいない方は,先に そちらを読まれることをおすすめします » http://www.slideshare.net/yutannihilation/ggplo t2-53851875
3.
本発表のねらい • これまでの解説 – 幅広く機能を説明するためのグラフ例が多い印象 –
必ずしも,“実際に”描きたいグラフではない? • ggplot2は多機能であるがゆえに,微調整に迷うことも • “実際よく使う”グラフのテンプレートがあってもいいかも • 本発表 – (少なくとも心理学では)よく使われるグラフを例に ggplot2の使い方を紹介 • 例:n要因デザインの実験で,各条件の平均値±1SEの範囲を 示したい – 一種のチートシートになれば幸い
4.
本日の到達目標 • データを知る – データの特性を視覚化できるようになる •
棒グラフ,散布図,箱ひげ図… • データを伝える – 作成したグラフを調整できるようになる • 棒の色,文字サイズ,軸目盛… – 発表スライドや論文に載せたいレイアウトに 仕上げるため
5.
データの視覚化 ー変数間の関係をつかむー
6.
こういう経験ありませんか 綺麗な正の相関!と思いきや… 階層データ! 要約統計量は ほとんど同じでも… 実は全然違う分布!
7.
http://ggplot2.org/ 簡単に・多層的にデータを視覚化できる
8.
重さ 質 (5水準) 色 (7水準) 透明度 (8水準) 価格 長さ(mm) 幅(mm) 奥行(mm) • diamondsデータセットを用いて例示 – ggplot2パッケージに付属(53940行×10列) •
データが多いので,説明のため500行に減らしておきます
9.
レイヤーを重ねて図を調整(例) • 基本レイヤー – 使用するデータフレームを指定 –
aes()内には各軸の変数や,データの識別 形式(例:色,形状)を指定 – データの描画形式を指定 • geom_xxx() または stat_*(geom = “xxx”) – 例えば散布図ならgeom_point() – geom系とstat系の関係は 「ggplot2再入門」を参照 基本レイヤー(必須) 背景の指定 データ範囲の指定
10.
geom系のみを用いてもよい 1変量(例:価格のヒストグラム) 2変量(例:時系列変化) ※適当に作ったデータ
11.
geom系を複数重ねてもよい 散布図に近似直線を重畳 (つまり線形回帰) 箱ひげ図にローデータを重畳
12.
geom系を複数重ねてもよい 各車両の重量(単位:ポンド/1000)で オートマ車(0)かマニュアル車(1)か を非線形予測 いわゆるロジスティック回帰
13.
geom系を複数重ねてもよい ○○条件での記憶成績は, チャンスレベル(右図では25%)と 比較して…のような情報も伝えられる ←こういうデータが得られたとして…
14.
こういうことも出来なくはない (もっとスマートなやり方があるかも しれない…)
15.
stat系のみを用いてもよい 指定した関数 (今回はmean)で要約
16.
stat系を複数重ねてもよい 平均を示す棒にエラーバーを追加 (今回はエラーバーは標準誤差を表す) ←エラーバーの上限 ←エラーバーの下限
17.
geom系とstat系を重ねてもよい 箱ひげ図上で平均値の位置を指示 こうしていろいろ説明すると, どういうときにgeomを,どういうときにstatを使うべき? …と混乱するかもしれない
18.
実はどちらでもいい • 詳しくは「ggplot2再入門」を参照 同じグラフが出来上がる
19.
ここまでのまとめ • ggplot2ではレイヤーを重ねて図を調整していく – 複数の情報をグラフ上で統合したうえで提示できる –
基本レイヤーは必須 • 使用するデータフレーム • 各軸に設定する変数名 • データの描画形式(geomでもstatでも) – レイヤーの記述順序は自由度が高いが,レイヤーは 上に重ねられていく点に注意
20.
データの視覚化 ー水準間の関係をつかむー
21.
ダイヤモンドの質ごとに 異なる形(shape)を自動で 割り当てる ダイヤモンドの色ごとに 異なる色(color)を自動で 割り当てる または
22.
冗長性を高めるために, 一つの要因を複数の基準で 同時に表現してもよい
23.
色を塗り分ける際の注意 colorオプションは主に輪郭のため fillオプションは主に 領域内の塗りつぶしのため
24.
識別変数は連続値でもよい 連続量では グラデーションで表現される 長さ(mm) 価格と重さには正の関係があるが, 長さとも関連することが分かる
25.
水準ごとに独立させる
26.
水準ごとに独立させる 拡大 拡大 格子状に配置 入れ子構造で配置
27.
応用編 ー要因計画のグラフを描くー • これまで紹介してきた離散的なグラフは, 1要因デザイン • 複数の要因計画では,どのように書くか? 1要因5水準
28.
2要因計画 方法1 592名の学生を,髪の色/目の色/性別で 分類したデータセット 識別するグループを指定する (この場合は性別)
29.
2要因計画 方法2 主効果/交互作用のパタンに応じて 使い分けるのがよいかもしれない 個人的には,主効果を示したい場合は facetの方が分かりやすい気がします
30.
3要因計画 方法1 複数要因の組み合わせでグループを識別 (要因ごとに識別形式を指定する) うまく使えば冗長性を高められる
31.
3要因計画 方法2 • 1要因目=x軸,2要因目=group,3要因目=facet
32.
グラフを調整する ーPUBLICATION READYなレイアウトー
33.
ggplot2のグラフは美しいが… • 必ずしもPublication readyではない –
色(モノクロかグレースケールが望ましい) – 背景(真っ白が望ましい) – 軸(x軸・y軸が明確な方がよい) – etc… 日本心理学会 2015年改訂版 執筆・投稿の手びき
34.
モノクロ/グレースケールにする方法① ー手動設定ー
35.
モノクロ/グレースケールにする方法② ー半自動設定ー グラデーションの両端を 指定すると(1=白,0=黒), 水準数に応じて自動で色が割り当てられる
36.
背景・軸を調整する方法 theme_grey() theme_bw() theme_classic() ※最新のversion
2.1.0(2016/5/28)では,theme_classic()の 仕様が変わっており,軸が表示されなくなっている プリセットの背景を用いてもよいが…
37.
cowplotパッケージを使いましょう https://cran.r-project.org/web/packages/cowplot/vignettes/introduction.html
38.
cowplotパッケージを読み込むだけで,以降のグラフは 自動的にtheme_cowplot()が適用された状態になる (theme_cowplot()と明示してもよい)
39.
theme_cowplot()の注意点 通常,引数は base_xxx=… 引数は font_xxx=…
40.
複数のグラフをパネルで並べる場合
41.
themeの調整 • いちいちコードを書くのは面倒!…という方は • install.packages(“ggThemeAssist”) –
ggplot2のレイアウトを,GUIで操作可能にする, Rstudioのアドイン – Theme_Assistの名のとおり,theme系のコード部分 を補助(その他(例:投入変数の指定)は対象外) https://github.com/calligross/ggthemeassist
42.
ここまでは通常のやり方 ←グラフ情報が格納されたオブジェクトを,エディタ上でドラッグ ←アドインから選択
43.
↑ 設定が完了したら押す
44.
↑ 変更した設定がコードに書き加えられている!
45.
結語 • ggplot2は単なるグラフ化パッケージではない • データの特性を爆発的に見えやすくする手段 •
細かい設定は確かに面倒なこともある – しかし,それをサポートするパッケージもある – サポートするWebサイトもある • ggplot2逆引き – https://yutannihilation.github.io/ggplot2-gyakubiki/ • r-wakalangへようこそ – http://qiita.com/uri/items/5583e91bb5301ed5a4ba • The ggplot2 Cheat Sheet – https://www.rstudio.com/wp- content/uploads/2015/03/ggplot2-cheatsheet.pdf
47.
今回説明を飛ばした点 1 • 細かい引数の設定方法 aes(fill=“grey”)にしたらこうなってしまう→ 識別形式はaes()内で 指定するはずでは? 色々とパラメータを変えてみて, ggplot2のクセを掴んでください
48.
今回説明を飛ばした点 2 例えば右図のようなグラフを 描きたい場合… ひとつの書き方としては以下 (二つの分布のデータをLong型で dat1に格納している)
49.
今回説明を飛ばした点 2 続き こういう書き方も可能 geomの中で別のデータフレームを 参照してもよい
50.
Enjoy ggplot2!
Download