[R] R을 이용한 통계 분석 및 데이터 시각화 : ggplot2 (geom_histogram)

 정보

• 업무명     : R을 이용한 통계 분석 및 데이터 시각화 : ggplot2 (geom_histogram)

• 작성자     : 박진만

• 작성일     : 2020-04-07

• 설   명      :

• 수정이력 :

 

 내용

[개요]

• R은 통계 분석 및 시각화 등의 기능을 갖춘 프로그래밍 언어 내지 통계 분석 환경입니다. 
  

• 통계 분석 기능으로 통계 검정, 선형 회귀 분석, 시계열 데이터 분석, 클러스터링 등을 지원하고 있습니다.
  

• 또한 최신 논문에서 발표된 같은 새로운 기술도 R로 구현되는 경우가 많습니다.
  

• 특히 시각화 기능으로 히스토그램, 막대 그래프, 선 그래프, 산포도, 나무 모양 그림이나 히트맵 등 기본적인 그래프가 기본으로 지원하고 있습니다.
  

• 또한 ggplot2 등의 패키지를 사용하여 더 높은 수준의 그림을 가시화할 수 있습니다.
  

 

 

[특징]

• 데이터를 이해하기 위해서 통계 분석 및 데이터 시각화가 요구되며 이 프로그램은 이러한 목적을 달성하기 위한 소프트웨어

   

[기능]

• 데이터형 소개

 

[활용 자료]

• 없음

 

[자료 처리 방안 및 활용 분석 기법]

• 없음

 

[사용법]

• 소스 코드 예시 참조

 

[사용 OS]

• Windows 10

 

[사용 언어]

• R v3.6.2

• R Studio v1.2.5033

 

 소스 코드

[geom_histogram]

• 히스토그램은 데이터 분포의 특징을 확인하는 데 주로 사용되는 그래프이다.

• ggplot에서는 geom_histogram함수에서 히스토그램을 그릴 수 있다.

 

[히스토그램]

• ggplot의 geom_histogram 함수를 그릴 때, aes함수의 x인수를 이용하여 히스토그램에 원하는 데이터를 지정할 수 있다.

library(ggplot2)

df <- data.frame(value = rnorm(1000, 1, 1))
head(df)
##        value
## 1 -0.3904148
## 2  1.3788577
## 3  1.0617106
## 4  1.2977758
## 5 -0.8127540
## 6  1.5101867

g <- ggplot(df, aes(x = value))
g <- g + geom_histogram()
plot(g)

 

• 그리고 히스토그램의 폭은 binwidth로 지정할 수 있다.

g <- ggplot(df, aes(x = value))
g <- g + geom_histogram(binwidth = 0.1)
plot(g)

 

[포지션 옵션]

• 여러 히스토그램을 그릴 때는 , fill인수를 이용하여 나눔과 동시에, position인수를 이용하여 히스토그램의 배열 등을 다시 지정할 필요가 있다.

library(reshape2)
library(ggplot2)
library(ggsci)

data <- data.frame(CDS = rnorm(1000, 20, 5),
                   exons = rnorm(1000, 25, 6),
                   introns = rnorm(1000, 45, 6))
head(data)
##        CDS    exons  introns
## 1 22.37381 20.78157 41.65061
## 2 24.21539 23.83124 33.92928
## 3 17.69864 21.41805 54.18681
## 4 14.51886 27.42381 36.77361
## 5 23.14270 27.32694 37.98734
## 6 20.97776 24.98222 46.58773

df <- melt(data) 
head(df)
##   variable    value
## 1      CDS 22.37381
## 2      CDS 24.21539
## 3      CDS 17.69864
## 4      CDS 14.51886
## 5      CDS 23.14270
## 6      CDS 20.97776

 

[position = "identity"]

• position = "identity"로 지정하면 각 히스토그램이 독립적으로 그려진다. 

• 이 경우 히스토그램이 겹쳐 한쪽이 보이지 않게되는 경우가 있기 때문에, 여기에 색상 채우기에 80 %의 투명도를 주었다.

g <- ggplot(df, aes(x = value, fill = variable))
g <- g + geom_histogram(position = "identity", alpha = 0.8)
g <- g + scale_fill_npg()
plot(g)

 

[position = "dodge"]

• position = "dodge" 로 지정하면 각 히스토그램을 막대그래프와 유사한 형태로 그릴 수 있다.

g <- ggplot(df, aes(x = value, fill = variable))
g <- g + geom_histogram(position = "dodge")
g <- g + scale_fill_npg()
plot(g)

[position = "stack"]

• position = "stack" 으로 지정하면 각 히스토그램이 쌓여 그려진다.

g <- ggplot(df, aes(x = value, fill = variable))
g <- g + geom_histogram(position = "stack")
g <- g + scale_fill_npg()
plot(g)

 

[position = "fill"]

• position = "fill" 로 지정하면 각 히스토그램의 비율이 그려진다.

g <- ggplot(df, aes(x = value, fill = variable))
g <- g + geom_histogram(position = "fill")
g <- g + scale_fill_npg()
plot(g)

 

[히스토그램과 밀도 표시]

• 히스토그램에 밀도 추정 곡선을 추가로 그려 넣을 수도 있다.

• 이 경우 geom_histogram히스토그램을 그린 후 geom_density함수를 더한다.

library(reshape2)
library(ggplot2)
library(ggsci)

data <- data.frame(CDS = rnorm(1000, 20, 5),
                   exons = rnorm(1000, 25, 6),
                   introns = rnorm(1000, 45, 6))
df <- melt(data) 

g <- ggplot(df, aes(x = value, y = ..density.., fill = variable))
g <- g + geom_histogram(position = "identity", alpha = 0.8)
g <- g + geom_density(aes(color = variable, alpha = 0.2), show.legend = F)
g <- g + scale_fill_npg() + scale_color_npg()
plot(g)

 

 

[다음글]

[R] R을 이용한 통계 분석 및 데이터 시각화 : ggplot2 (facet_grid)

 

[이전글]

[R] R을 이용한 통계 분석 및 데이터 시각화 : ggplot2 (geom_tile)

 

 

 참고 문헌

[논문]

• 없음

[보고서]

• 없음

[URL]

• 없음

 

 문의사항

[기상학/프로그래밍 언어]

• sangho.lee.1990@gmail.com

[해양학/천문학/빅데이터]

• saimang0804@gmail.com

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

본 블로그는 파트너스 활동을 통해 일정액의 수수료를 제공받을 수 있음