Submit Search
Upload
ggplot2によるグラフ化@HijiyamaR#2
•
38 likes
•
19,076 views
N
nocchi_airport
Follow
ggplot2によるグラフ化@HijiyamaR#2
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 35
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
最新版はこちら: https://speakerdeck.com/yutannihilation/ggplot2zai-ru-men
ggplot2できれいなグラフ
ggplot2できれいなグラフ
Daisuke Ichikawa
ggplot2用例集 入門編
ggplot2用例集 入門編
nocchi_airport
Hijiyama.R#4(2016/5/28)で発表したスライドです
はじめての「R」
はじめての「R」
Masahiro Hayashi
2023/02/06追記: slideshareが非常に使いづらくなってしまったため、speakerdeckに転載しました。 https://speakerdeck.com/masaha03/hazimeteno-r 補足記事を書きました。併せてご覧ください。http://m884.hateblo.jp/entry/2012/12/03/232431
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
Rcppのすすめ
Rcppのすすめ
Masaki Tsuda
Rの関数をC++で記述することを可能にするパッケージRcppの使い方の紹介です。 第10回 Kashiwa.R で発表させて頂いた時の資料
ggplot2をつかってみよう
ggplot2をつかってみよう
Hiroki Itô
SappoRo.R #9 での発表資料
主成分分析(Pca)
主成分分析(Pca)
Shushi Namba
第6回HiRoshimaRで発表した資料です。
Recommended
ggplot2再入門(2015年バージョン)
ggplot2再入門(2015年バージョン)
yutannihilation
最新版はこちら: https://speakerdeck.com/yutannihilation/ggplot2zai-ru-men
ggplot2できれいなグラフ
ggplot2できれいなグラフ
Daisuke Ichikawa
ggplot2用例集 入門編
ggplot2用例集 入門編
nocchi_airport
Hijiyama.R#4(2016/5/28)で発表したスライドです
はじめての「R」
はじめての「R」
Masahiro Hayashi
2023/02/06追記: slideshareが非常に使いづらくなってしまったため、speakerdeckに転載しました。 https://speakerdeck.com/masaha03/hazimeteno-r 補足記事を書きました。併せてご覧ください。http://m884.hateblo.jp/entry/2012/12/03/232431
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
Rcppのすすめ
Rcppのすすめ
Masaki Tsuda
Rの関数をC++で記述することを可能にするパッケージRcppの使い方の紹介です。 第10回 Kashiwa.R で発表させて頂いた時の資料
ggplot2をつかってみよう
ggplot2をつかってみよう
Hiroki Itô
SappoRo.R #9 での発表資料
主成分分析(Pca)
主成分分析(Pca)
Shushi Namba
第6回HiRoshimaRで発表した資料です。
Tokyor42 ggplot2
Tokyor42 ggplot2
Yohei Sato
Rの高速化
Rの高速化
弘毅 露崎
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
Daisuke Yoneoka
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
Hijiyama.R finalのLT資料です。資料中のソースコードはこちらへ → http://tyamane1969.net/?p=210
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Koichi Hamada
「はじめてでもわかるRandomForest (ランダムフォレスト) 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京 濱田晃一 (hamadakoichi)
普通のプログラミング言語R
普通のプログラミング言語R
Shuyo Nakatani
Tsukuba.R #7
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
Road to ggplot2再入門
Road to ggplot2再入門
nocchi_airport
2021/4/17に、「Tokyo.R 第91回 初心者セッション」で発表した内容です。 https://tokyor.connpass.com/event/209325/ これから初めて、ggplot2パッケージを用いた可視化方法を学びたい方々を、読者に想定しています。 Enjoy!
Stanでガウス過程
Stanでガウス過程
Hiroshi Shimizu
ベイズ塾春の合宿で発表した資料です。
時系列分析入門
時系列分析入門
Miki Katsuragi
ARIMAなど統計的手法とLSTMなどDeep Leaningによる時系列分析の比較を行っています
生成モデルの Deep Learning
生成モデルの Deep Learning
Seiya Tokui
PFIセミナー(2016/02/25)で発表したスライドです。伝承サンプリング可能な生成モデルに関するDeep Learningの紹介です(キーワード:Wake-Sleep, 変分 AutoEncoder, Generative Adversarial Nets, Likelihood Ratio)
機械学習を用いた予測モデル構築・評価
機械学習を用いた予測モデル構築・評価
Shintaro Fukushima
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
Takashi J OZAKI
第30回 データマイニング+WEB @東京 ( #TokyoWebmining 30th) -機械学習活用・マーケティング 祭り- http://tokyowebmining30.eventbrite.com/ 4番目の発表です。読んで字の如く、計量時系列分析をビジネスの現場のデータに対してどう用いると有意義かを論じます。
ベータ分布の謎に迫る
ベータ分布の謎に迫る
Ken'ichi Matsui
社内の勉強会で発表した、ベータ分布を直感的に理解する試みを紹介します。
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
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
Presentation at SappoRo.R #7
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
Shiga University, RIKEN
2012年度日本行動計量学会チュートリアルのスライド
RのffでGLMしてみたけど...
RのffでGLMしてみたけど...
Kazuya Wada
第26回東京R勉強会の発表資料です
Feature Selection with R / in JP
Feature Selection with R / in JP
Sercan Ahi
7 R packages that might be helpful in selecting important features. Slides are in Japanese.
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
100614Twittcherの会勉強会資料
More Related Content
What's hot
Tokyor42 ggplot2
Tokyor42 ggplot2
Yohei Sato
Rの高速化
Rの高速化
弘毅 露崎
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
Daisuke Yoneoka
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
Hijiyama.R finalのLT資料です。資料中のソースコードはこちらへ → http://tyamane1969.net/?p=210
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Koichi Hamada
「はじめてでもわかるRandomForest (ランダムフォレスト) 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京 濱田晃一 (hamadakoichi)
普通のプログラミング言語R
普通のプログラミング言語R
Shuyo Nakatani
Tsukuba.R #7
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
Road to ggplot2再入門
Road to ggplot2再入門
nocchi_airport
2021/4/17に、「Tokyo.R 第91回 初心者セッション」で発表した内容です。 https://tokyor.connpass.com/event/209325/ これから初めて、ggplot2パッケージを用いた可視化方法を学びたい方々を、読者に想定しています。 Enjoy!
Stanでガウス過程
Stanでガウス過程
Hiroshi Shimizu
ベイズ塾春の合宿で発表した資料です。
時系列分析入門
時系列分析入門
Miki Katsuragi
ARIMAなど統計的手法とLSTMなどDeep Leaningによる時系列分析の比較を行っています
生成モデルの Deep Learning
生成モデルの Deep Learning
Seiya Tokui
PFIセミナー(2016/02/25)で発表したスライドです。伝承サンプリング可能な生成モデルに関するDeep Learningの紹介です(キーワード:Wake-Sleep, 変分 AutoEncoder, Generative Adversarial Nets, Likelihood Ratio)
機械学習を用いた予測モデル構築・評価
機械学習を用いた予測モデル構築・評価
Shintaro Fukushima
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
Takashi J OZAKI
第30回 データマイニング+WEB @東京 ( #TokyoWebmining 30th) -機械学習活用・マーケティング 祭り- http://tokyowebmining30.eventbrite.com/ 4番目の発表です。読んで字の如く、計量時系列分析をビジネスの現場のデータに対してどう用いると有意義かを論じます。
ベータ分布の謎に迫る
ベータ分布の謎に迫る
Ken'ichi Matsui
社内の勉強会で発表した、ベータ分布を直感的に理解する試みを紹介します。
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
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
Presentation at SappoRo.R #7
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
Shiga University, RIKEN
2012年度日本行動計量学会チュートリアルのスライド
RのffでGLMしてみたけど...
RのffでGLMしてみたけど...
Kazuya Wada
第26回東京R勉強会の発表資料です
Feature Selection with R / in JP
Feature Selection with R / in JP
Sercan Ahi
7 R packages that might be helpful in selecting important features. Slides are in Japanese.
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
100614Twittcherの会勉強会資料
What's hot
(20)
Tokyor42 ggplot2
Tokyor42 ggplot2
Rの高速化
Rの高速化
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
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
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
普通のプログラミング言語R
普通のプログラミング言語R
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!
Road to ggplot2再入門
Road to ggplot2再入門
Stanでガウス過程
Stanでガウス過程
時系列分析入門
時系列分析入門
生成モデルの Deep Learning
生成モデルの Deep Learning
機械学習を用いた予測モデル構築・評価
機械学習を用いた予測モデル構築・評価
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
ベータ分布の謎に迫る
ベータ分布の謎に迫る
グラフィカルモデル入門
グラフィカルモデル入門
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
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
RのffでGLMしてみたけど...
RのffでGLMしてみたけど...
Feature Selection with R / in JP
Feature Selection with R / in JP
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
ggplot2によるグラフ化@HijiyamaR#2
1.
#HijiyamaR 2015/5/23 1 紀ノ定保礼 ggplot2によるグラフ化
2.
紀ノ定 保礼 大阪大学大学院人間科学研究科 研究領域:認知心理学,交通心理学,人間工学 普段のRの用途 データ処理(2008年~) 分析(2011年~) 描画(2015年~) 自己紹介 2
3.
可視化ツールとしてのggplot2の紹介 ①すでに要約されたデータをグラフ化する 例:A群は平均3点,B群は平均5点(t(19)=3.25,p<.05) 慣習的に行われる,文字 → 図
の変換を補助する役割 ②探索的に,変数(間の関係)を理解する ごちゃごちゃしたデータ(Row data)を用いる ことも多い 変数を入れ替えやすいこと 複数の変数を同時に表示しやすいこと ③データを視覚的に要約する 本日の発表の目的 3 が重要
4.
可視化ツールとしてのggplot2の紹介 ①すでに要約されたデータをグラフ化する 例:A群は平均3点,B群は平均5点(t(19)=3.25,p<.05) 慣習的に行われる,文字 → 図
の変換を補助する役割 ②探索的に,変数(間の関係)を理解する ごちゃごちゃしたデータ(Row data)を用いる ことも多い 変数を入れ替えやすいこと 複数の変数を同時に表示しやすいこと ③データを視覚的に要約する 本日の発表の目的 4 が重要
5.
5 サンプルデータ:diamonds 重さ 質 (5段階) 色 (7段階) 透明度 (8段階) 価格 長さ(mm) 幅(mm) 奥行(mm) ggplot2パッケージ内に入っています(53940行×10列)
6.
いったん500行に減らしておきましょう 6 データが多いもので… library(ggplot2) diamonds2 <- diamonds[sample(nrow(diamonds),500),] ※注)ggplot2の前にdplyr及びplyrパッケージをロードする 場合は、必ずplyr
→ dplyrの順に
7.
従来のbaseパッケージで描画する場合 7 重さと価格の関係をみる plot(diamonds2$carat, diamonds2$price)
8.
8 せめて,質(5段階)別に関係を理解したい 出来ますが… 自分で各水準を定義する 必要あり plot(diamonds2$carat,diamonds2$price, pch=21,bg=c("yellow","red","green","blue","pink")[diamonds$cut])
9.
要請①:質ではなく,透明度で区別したい 9 変数の交換 重さ 質 (5段階) 色 (7段階) 透明度 (8段階) 価格 長さ(mm) 幅(mm) 奥行(mm)
10.
10 出来ますが… 水準数が増えた分, 塗り分ける色を 改めて定義する必要 plot(diamonds2$carat,diamonds2$price, pch=21,bg=c("yellow","red","green","blue","pink", "brown","lightblue","black")[diamonds$clarity])
11.
要請②:質と色と透明度で区別したい 11 変数の追加 重さ 質 (5段階) 色 (7段階) 透明度 (8段階) 価格 長さ(mm) 幅(mm) 奥行(mm)
12.
基準(要因)の数 水準(条件)の数 ・・・が増えるにしたがい, 「区別の仕方」も定義する必要 例:質(5段階)と色(7段階)と透明度(8段階)で 区 別したい 5 +
7 + 8 = 20通りの指定 12 想像がつくと思いますが…
13.
13 変数が増えるほど大変… 記号 サイズ 色 plot(diamonds2$carat,diamonds2$price, pch=c(3,8,15,16,17)[diamonds$cut], cex=c(1,1.25,1.5,1.75,2,2.25,2.5)[diamonds$color], col=c("royalblue","cyan","purple","green3","orange", "brown","magenta","gray")[diamonds$clarity])
14.
14 そこでggplot2 packageの出番
15.
15 重さと価格の関係をみる どのような形式で描画するか (pointなら点) ggplot(diamonds2,aes(y=price,x=carat))+ geom_point() データフレーム aes()内で, 各軸の変数や データの弁別基準を 指定
16.
16 質(5段階)別に,重さと価格の関係をみる 配色もさることながら, コードがすっきり! ggplot(diamonds2,aes(y=price,x=carat,color=cut))+ geom_point() 弁別基準はaes()内に
17.
要請①:質ではなく,透明度で区別したい 17 変数の交換 重さ 質 (5段階) 色 (7段階) 透明度 (8段階) 価格 長さ(mm) 幅(mm) 奥行(mm)
18.
18 確かに,塗分け基準が 変わっている ggplot(diamonds2,aes(y=price,x=carat,color=clarity))+ geom_point()
19.
要請②:質と色と透明度で区別したい 19 変数の追加 重さ 質 (5段階) 色 (7段階) 透明度 (8段階) 価格 長さ(mm) 幅(mm) 奥行(mm)
20.
20 方法その1 確かに,弁別基準が 増えている ggplot(diamonds2, aes(y=price,x=carat, color=color, size=clarity, shape=cut))+ geom_point()
21.
21 小さくて分かりにくいと思うので,拡大すると…
22.
22 小さくて 分かりにくいと思うので, 一部を拡大すると…
23.
レイヤーを重ねて図を調整 例(もちろん他にも指定可能) 23 描画の仕組み ggplot(iris,aes(y=Petal.Length,x=Sepal.Length,color=Species))+ geom_point()+ theme_bw()+ ylim(0,10)+ theme(axis.text.x=element_text(size=15), axis.text.y=element_text(size=15)) 基本レイヤー(データ指定) プロットの仕方の指定 背景の指定 軸目盛の指定 軸の書式の指定
24.
24 方法その2(FACETを用いる) ggplot(diamonds2,aes(y=price,x=carat,color=color))+ geom_point()+ facet_wrap(cut~clarity)
25.
25 小さくて見えないと思うので拡大
26.
可視化ツールとしてのggplot2の紹介 ①すでに要約されたデータをグラフ化する 例:A群は平均3点,B群は平均5点(t(19)=3.25,p<.05) 慣習的に行われる,文字 → 図
の変換を補助する役割 ②探索的に,変数(間の関係)を理解する ごちゃごちゃしたデータ(Row data)を用いる ことも多い 変数を入れ替えやすいこと 複数の変数を同時に表示しやすいこと ③データを視覚的に要約する 本日の発表の目的 26 が重要
27.
27 たとえデータが53940行もあったって 重さ 質 (5段階) 色 (7段階) 透明度 (8段階) 価格 長さ(mm) 幅(mm) 奥行(mm)
28.
例えば,質(5段階)別に価格の平均をみたい 28 一気に視覚的に要約 ggplot(diamonds,aes(y=price, x=cut))+ stat_summary(fun.y=mean, geom="bar")
29.
29 例えば,質と透明度別に価格の平均をみたい ggplot(diamonds,aes(y=price,x=cut,fill=clarity))+ stat_summary(fun.y=mean,geom="bar") ggplot(diamonds,aes(y=price,x=cut,fill=clarity))+ stat_summary(fun.y=mean,geom="bar",position= "dodge")
30.
あっという間 30 色セットを変えたくなったら
31.
31 ggplot(diamonds,aes(y=price,x=clarity,group=cut,color=cut))+ stat_summary(fun.y=mean,geom="point") レイヤーを重ね描き出来るということは… ggplot(diamonds,aes(y=price,x=clarity,group=cut,color=cut))+ stat_summary(fun.y=mean,geom="line")
32.
32 レイヤーの重ね描きの成せるわざ ggplot(diamonds,aes(y=price,x=clarity,group=cut,color=cut))+ stat_summary(fun.y=mean,geom="point")+ stat_summary(fun.y=mean,geom="line")
33.
33 エラーバーだってあっという間 53940行×10列のデータも, 数行でここまで仕上げることが出来る
34.
箱ひげ図 平均値
各計測値 34 代表値だけでなく,各計測値も重畳可能 ggplot(data=iris,aes(y=Sepal.Length,x=Species))+ geom_boxplot()+ stat_summary(fun.y=mean,geom="point",color="red")+ geom_jitter(position=position_jitter()) + +
35.
35
Download now