권리포기각서

ggplot2 팩키지에 포함된 함수만 다룰 예정이다. R에는 시각화 관련 강력한 내장 기능을 포함하고 있지만, 금번 실습에는 ggplot2 팩키지만 다룰 예정이다. 이를 통해 구조화되고 정제된 데이터에 대한 고급 정보를 제공하는 시각화 산출물 생성이 가능하다.

학습목표

이번 학습단원을 마치게 되면, 학습자는 다음 작업을 수행할 수 있는 경험치를 얻게 된다.:

  • ggplot2 팩키지를 사용해서 데이터를 효과적으로 시각화하는 방법을 익히게 된다.
  • 복잡성 높은 시각화 산출물을 단계별 접근법을 통해 생성하는 방법을 익히게 된다.
  • 산점도, 상자그림, 시계열 그래프를 생성할 수 있게 된다.
  • facet_wrap, facet_grid 명령어를 사용해서 요인 변수로 쪼개진 데이터에 대해 시각화해서 집합으로 묶어 보일 수 있다.
  • 목적에 맞춰 맞춤형 그래프 스타일을 적용한 시각적 산출물을 생성할 수 있다.

시각화에 필요한 팩키지를 적재한다.

# 시각화 팩키지
library(ggplot2)
# 가장 최신 데이터프레임 조작 팩키지
library(dplyr)
## Warning: package 'dplyr' was built under R version 3.2.5
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

ggplot2 활용 시각화

ggplot2 팩키지를 활용해서 동일한 그래프를 생성하게 된다.

ggplot2는 시각화 그래프 팩키지로 데이터프레임에 존재하는 데이터에서 복잡한 그래프 생성을 간단히 만들 수 있게 해준다. 기본디폴트 설정이 잘 갖춰져서 최소한의 설정과 약간의 튜닝으로 출판수준 품질 시각화 산출물을 빠른 시간내에 만들어 내는데 도움이 된다.

ggplot는 신규 요소를 하나씩 하나씩 덧씌우는 방식으로 그래프를 생성해 나간다.

ggplot 그래프를 생성하려면 다음 순서로 진행한다:

ggplot(data = surveys_complete)
ggplot(data = surveys_complete, aes(x = weight, y = hindfoot_length))
ggplot(data = surveys_complete, aes(x = weight, y = hindfoot_length)) +
  geom_point()

ggplot2 팩키지에 + 연산자가 유용한데 이유는 이미 존재하는 ggplot 객체를 변형시킬 수 있기 때문이다. 이런 사실이 의미를 갖는 이유는 쉽게 “템플릿” 그래프 플롯을 생성하고 나서 다른 그래프 유형을 편리하게 탐색할 수 있게 해준다. 따라서 앞선 그래프 플롯은 다음과 같은 코드로 생성될 수 있다.

# 그래프 플롯 생성
surveys_plot <- ggplot(data = surveys_complete, aes(x = weight, y = hindfoot_length))

# 그래프 화면 출력
surveys_plot + geom_point()

주목:

주고받으며 인터랙티브하게 그래프 플롯 생성

ggplot으로 그래프 플롯을 생성하는 과정은 일반적으로 반복적인 과정을 경험하게 된다. 데이터셋을 정의하는 것부터 시작해서, 축을 설정하고 geom을 고르게 된다.

ggplot(data = surveys_complete, aes(x = weight, y = hindfoot_length)) +
    geom_point()

그리고 나서, 먼저 그린 그래프에서 더 많은 정보가 추출되도록 그래프를 변형한다. 예를 들어, 그래프가 겹치는 것을 방지하고자 투명도(alpha)를 추가한다.

ggplot(data = surveys_complete, aes(x = weight, y = hindfoot_length)) +
    geom_point(alpha = 0.1)

다른 색상을 모든 점에 입힐 수도 있다.

ggplot(data = surveys_complete, aes(x = weight, y = hindfoot_length)) +
    geom_point(alpha = 0.1, color = "blue")

혹은 각 종족마다 다른 색상을 입힐 수도 있다:

ggplot(data = surveys_complete, aes(x = weight, y = hindfoot_length)) +
    geom_point(alpha = 0.1, aes(color=species_id))

상자그림(Boxplot)

각 종마다 무게에 대한 분포를 시각화한다.

ggplot(data = surveys_complete, aes(x = species_id, y = hindfoot_length)) +
    geom_boxplot()

상자그림에 점을 추가해서, 무게를 측정한 개체수와 분포에 대해 더 좋은 이해를 얻을 수 있다:

ggplot(data = surveys_complete, aes(x = species_id, y = hindfoot_length)) +
    geom_boxplot(alpha = 0) +
    geom_jitter(alpha = 0.3, color = "tomato")

어떻게 하면 상자그림 지터 계층 뒤에 위치시킬 수 있을까? 어떤 조치를 취해야만 상자그림을 점들 위에 위치시켜서 숨겨지지 않게 만들 수 있을까요.

도전과제

상자그림은 유용한 요약이지만, 분포의 형태(shape)가 숨겨진다. 예를 들어 이봉(bimodal) 분포를 갖는 경우, 상자그림에는 관측되지 않는다. 상자그림 대안으로 바이올린 그림(콩그림, beanplot이라고도 부름)이 있는데, 점 분포가 형태로 그려진다.

  • 상자그림을 바이올린 그림으로 교체한다; geom_violin() 참조

많은 자료유형에서, 관측점 척도(scale)를 고려하는 것이 중요하다. 예를 들어, 축의 척도를 변경시키게 되면 그래프 공간에 관측점 분포를 더 잘 표현할 수 있다. 축의 척도를 변경하는 것은 다른 구성요소를 추가/변경해서 가능하다. (즉, 명령어를 차근 차근 추가해 나감)

  • log10 척초로 체중을 표현시킨다; scale_y_log10() 참조.

  • hindfoot_length에 대한 상자그림을 생성하라.

  • 표본이 추출된 것(plot_id)에 따라 상자그림에 데이터점을 추가한다.

힌트: plot_id에 대한 자료형 클래스를 확인한다. plot_id 자료형을 정수형에서 요인형으로 변경하는 것을 생각해 본다. 왜 이런 자료형 변경이 R로 하여금 그래프를 생성방법을 바뀌게 한다고 생각하는가?

시계열 데이터 시각화

각 종족별로 매년 개체수를 계산해본다. 이 작업을 수행하려면, 먼저 데이터를 집단으로 묶고나서 각 집단마다 레코드(개체수)를 개수한다.

yearly_counts <- surveys_complete %>%
                 group_by(year, species_id) %>%
                 tally

시간흐름에 따른 데이터는 x축에 시간, y축에 개체수를 두고 선그래프(line plot)로 시각화한다.

ggplot(data = yearly_counts, aes(x = year, y = n)) +
     geom_line()

불행하게도, 이렇게 도식화하면 원하는 바가 산출되지 않는다. 이유는 모든 종족에 대해서 데이터를 시각화하기 때문이다. ggplot에 각 종족마다 따라 선그래프가 그려지도록 미학요소(aes) 함수에 group = species_id을 포함시킨다.

ggplot(data = yearly_counts, aes(x = year, y = n, group = species_id)) +
    geom_line()

그래프에 색상을 추가하면 종족을 구분하기 쉽다.

ggplot(data = yearly_counts, aes(x = year, y = n, group = species_id, colour = species_id)) +
    geom_line()

측면보기(Faceting)

ggpot에는 측면보기(Faceting)로 불리는 특수 기능이 내장되어 있는데, 이를 통해서 그래프 하나를 데이터셋에 포함된 요인에 따라 다수 그래프로 쪼갤 수 있다. 이 기능을 사용해서 각 종마다 시계열적 변화를 그림 한장으로 표현할 수 있다.

ggplot(data = yearly_counts, aes(x = year, y = n, group = species_id, colour = species_id)) +
    geom_line() +
    facet_wrap(~ species_id)

이제 각 그래프마다 그려진 선을 측정된 성별로 분리해보자. 이 작업을 위해서 year, species_id, sex로 집단을 묶어 개체수를 합산한다:

 yearly_sex_counts <- surveys_complete %>%
                      group_by(year, species_id, sex) %>%
                      tally

이런 작업을 통해 (하나의 그림안에) 추가적으로 성별에 따라 쪼갤 수 있다:

 ggplot(data = yearly_sex_counts, aes(x = year, y = n, color = species_id, group = sex)) +
     geom_line() +
     facet_wrap(~ species_id)

일반적으로 그래프 플롯은 프린터로 출력했을 경우 흰색 배경이 더 가독성이 좋다. theme_bw() 함수를 사용해서 배경을 흰색으로 설정한다. 부가적으로 격자 그리드(grid)도 제거한다.

 ggplot(data = yearly_sex_counts, aes(x = year, y = n, color = species_id, group = sex)) +
     geom_line() +
     facet_wrap(~ species_id) +
     theme_bw() +
     theme(panel.grid.major.x = element_blank(), 
       panel.grid.minor.x = element_blank(),
       panel.grid.major.y = element_blank(),
       panel.grid.minor.y = element_blank())

그래프 플롯을 더 읽기 좋도록 만들려면, 종족에 따른 것이 아니라 성별에 따라 색상을 달리한다. (종족은 이미 별도 작은 그래프 플롯으로 구분되어 있어 추가로 더 구별할 필요는 없다).

ggplot(data = yearly_sex_counts, aes(x = year, y = n, color = sex, group = sex)) +
    geom_line() +
    facet_wrap(~ species_id) +
    theme_bw()

도전 과제

방금 전에 학습한 것을 바탕으로 연도별로 각 종별로 평균 무게가 어떻게 변화되는지 시각화하여 도식화하시오.

facet_wrap 을 사용해서 임의 차원을 추출해서 한 페이지에 맞춰 깔끔하게 도식화할 수 있다. 다른 한편으로 facet_grid를 사용해서 명시적으로 어떤 하위 그래프 플롯을 정렬할지 공식 표기법을 사용해서 지정할 수 있다. (공식표기법: 행 ~ 열; . 기호는 자리차지 연산자로 열 혹은 행만 표현한다.)

각 종족별로 숫컷과 암컷 체중이 시간에 따라 어떻게 변화했는지 비교할 수 있도록 앞선 그래프 플롯을 변경해보자.

## 열 하나, 행별 측면보기(facet)
yearly_sex_weight <- surveys_complete %>%
    group_by(year, sex, species_id) %>%
    summarize(avg_weight = mean(weight))
ggplot(data = yearly_sex_weight, aes(x=year, y=avg_weight, color = species_id, group = species_id)) +
    geom_line() +
    facet_grid(sex ~ .)

# 행 하나, 열별 측면보기(facet)
ggplot(data = yearly_sex_weight, aes(x=year, y=avg_weight, color = species_id, group = species_id)) +
    geom_line() +
    facet_grid(. ~ sex)

사용자 기능정의(Customization)

ggplot2 커닝 쪽지 (https://www.rstudio.com/wp-content/uploads/2015/08/ggplot2-cheatsheet.pdf)를 살펴보고 나서, 앞서 시각화한 그래프를 개선시킬 수 있는 방법을 생각해 본다. Etherpad에 아이디어를 기술해서 적어본다.

이제, 작업한 그래프에 그래프 제목을 추가하고, 축 제목을 ‘year’, ‘n’ 보다 좀더 유의미하고 많은 정보를 제공하는 제목을 붙여본다:

ggplot(data = yearly_sex_counts, aes(x = year, y = n, color = sex, group = sex)) +
    geom_line() +
    facet_wrap(~ species_id) +
    labs(title = 'Observed species in time',
         x = 'Year of observation',
         y = 'Number of species') +
    theme_bw()

축에 좀더 도움이 되는 명칭이 붙었지만, 글꼴 크기를 키워 가독성을 높일 수 있다. 여기까지 왔으면, 글꼴도 변경해 본다:

ggplot(data = yearly_sex_counts, aes(x = year, y = n, color = sex, group = sex)) +
    geom_line() +
    facet_wrap(~ species_id) +
    labs(title = 'Observed species in time',
        x = 'Year of observation',
        y = 'Number of species') +
    theme_bw() +
    theme(text=element_text(size=16, family="Arial"))

여기까지 조작한 뒤에도 x-축 값을 읽기에는 어려움이 있는게 보인다. 라벨 방향을 변경시켜 서로 겹치지 않도록 수직/수평으로 조정한다. 90도 회전시키거나, 대각방향으로 적절히 돌려 나름 최선의 방향을 탐색해 본다.

ggplot(data = yearly_sex_counts, aes(x = year, y = n, color = sex, group = sex)) +
    geom_line() +
    facet_wrap(~ species_id) +
    labs(title = 'Observed species in time',
        x = 'Year of observation',
        y = 'Number of species') +
    theme_bw() +
    theme(axis.text.x = element_text(colour="grey20", size=12, angle=90, hjust=.5, vjust=.5),
                        axis.text.y = element_text(colour="grey20", size=12),
          text=element_text(size=16, family="Arial"))

지금까지 작업한 것에 만족해서 이를 기본디폴트 설정으로 삼고자 한다면, 객체로 저장해서 다른 그래프에 아래와 같이 쉽게 적용시킬 수 있다:

arial_grey_theme <- theme(axis.text.x = element_text(colour="grey20", size=12, angle=90, hjust=.5, vjust=.5),
                          axis.text.y = element_text(colour="grey20", size=12),
                          text=element_text(size=16, family="Arial"))
ggplot(surveys_complete, aes(x = species_id, y = hindfoot_length)) +
    geom_boxplot() +
    arial_grey_theme

지금까지 작업한 모든 지식을 바탕으로, 5분 시간을 갖고 예제로 생성시킨 그래프 플롯 혹은 스스로 작업한 그래프를 개선시켜 보자. RStudio ggplot2 컨닝쪽지를 사용한다.

아래에 몇가지 그래프를 개선시킬 아이디어가 나와 있다:

그래프를 생성한 다음에, 원하는 그림파일 형식으로 파일로 떨궈 저장한다. 적절한 인자(width, height, dpi)를 조정해서 그래프 플롯의 차원(해상도)도 쉽게 변경할 수 있다:

my_plot <- ggplot(data = yearly_sex_counts, aes(x = year, y = n, color = sex, group = sex)) +
    geom_line() +
    facet_wrap(~ species_id) +
    labs(title = 'Observed species in time',
        x = 'Year of observation',
        y = 'Number of species') +
    theme_bw() +
    theme(axis.text.x = element_text(colour="grey20", size=12, angle=90, hjust=.5, vjust=.5),
                        axis.text.y = element_text(colour="grey20", size=12),
          text=element_text(size=16, family="Arial"))
ggsave("name_of_file.png", my_plot, width=15, height=10)