xwMOOC 시각화
세계보건기구(WHO) - 전문시각화
xwMOOC
2018-09-22
1 세계보건기구 기대수명 데이터셋
rgho - Access WHO Global Health Observatory Data From R, Programmatic Data Retrieval from the World Health Organization 두 API를 통해서 WHO 데이터를 다운로드 받을 수 있다.
캐글 기대수명(WHO) 데이터셋이 준비되어서 이를 바로 활용한다.
- Country: Country
- Year: Year
- Status: Developed or Developing status
- Life expectancy: Life Expectancy in age
- Adult Mortality: Adult Mortality Rates of both sexes (probability of dying between 15 and 60 years per 1000 population)
- infant deaths: Number of Infant Deaths per 1000 population
- Alcohol: Alcohol, recorded per capita (15+) consumption (in litres of pure alcohol)
- percentage expenditure: Expenditure on health as a percentage of Gross Domestic Product per capita(%)
- Hepatitis B: Hepatitis B (HepB) immunization coverage among 1-year-olds (%)
- Measles: Measles - number of reported cases per 1000 population
- BMI: Average Body Mass Index of entire population
- under-five deaths: Number of under-five deaths per 1000 population
- Polio: Polio (Pol3) immunization coverage among 1-year-olds (%)
- Total expenditure: General government expenditure on health as a percentage of total government expenditure (%)
- Diphtheria: Diphtheria tetanus toxoid and pertussis (DTP3) immunization coverage among 1-year-olds (%)
- HIV/AIDS: Deaths per 1 000 live births HIV/AIDS (0-4 years)
- GDP: Gross Domestic Product per capita (in USD)
- Population: Population of the country
- thinness 1-19 years: Prevalence of thinness among children and adolescents for Age 10 to 19 (% )
- thinness 5-9 years: Prevalence of thinness among children for Age 5 to 9(%)
- Income composition of resources: Human Development Index in terms of income composition of resources (index ranging from 0 to 1)
- Schooling: Number of years of Schooling(years)
> # 0. 환경설정 -----
> library(tidyverse)
>
> # 1. 데이터 -----
> who_df <- read_csv("data/Life Expectancy Data.csv")2 비율 시각화
전체를 100으로 놓았을 때 이를 비율로 시각화하는 사례가 많다. 특히, 원그래프(pie chart)를 통해 시각화를 많이 하는데 연구를 통해서 이에 대한 반성도 있고 한다.
2.1 원그래프
캐글 WHO 데이터에서 비율로 적합한 척도가 국가를 Status 필드에서 선진국(Developed)과 개발도상국(Developing)으로 구분하고 있어 이를 먼저 원그래프로 시각화한다. 우선 가장 최근 연도 (2015)를 추출하고 이를 바로 ggplot에 넣어서 geom_bar 그래프로 막대그래프를 만들고, coord_polar(theta = "y")를 통해 원그래프로 변환시킨다. 그리고 배경을 theme_void로 깔끔히 정리하면 된다.
> who_df %>%
+ filter(Year == max(Year)) %>%
+ ggplot(aes(x=1, fill=Status)) +
+ geom_bar(color="white") +
+ coord_polar(theta = "y") +
+ theme_void() +
+ labs(fill="국가구분")
2.2 와플 그래프
하지만, 대략적인 비율은 개발도상국이 많다는 것은 알겠는데 직관적으로 비율이 얼마인지 파악하는 것은 쉽지 않다. 이에 대한 대안으로 와플(waffle) 그래프가 있다.
> library(waffle)
>
> status_df <- who_df %>%
+ filter(Year == max(Year)) %>%
+ count(Status)
>
> status_v <- status_df %>% pull(n)
> names(status_v) <- status_df$Status
>
> waffle(status_v, rows = 10, title="선진국과 개발도상국")
3 국가간 비율 비교
국가가 너무 많아 임의로 국가를 선택하여 디프테리아와 홍역(Measles) 발병건수를 국가별로 비교할 수 있도록 비율 막대그래프(Stacked Barchart)를 작성한다.
> country_name_v <- c("Belgium", "Canada", "Chile", "China", "France",
+ "Germany", "Greece", "Israel", "Italy", "Jamaica", "Japan", "Mongolia",
+ "Republic of Korea", "Russian Federation", "Rwanda", "Spain", "United States of America","Viet Nam", "Yemen")
>
> # random_country_name_v <- sample(unique(who_df$Country), 15)
>
> who_df %>%
+ filter(Country %in%country_name_v, Year == 2015) %>%
+ # filter(Country %in% random_country_name_v, Year == 2015) %>%
+ select(Country, Status, Measles, `Diphtheria`) %>%
+ gather(disease, cases, -Country, -Status) %>%
+ ggplot(aes(x=fct_reorder(Country, cases), y=cases, fill = disease)) +
+ geom_col(position = "fill") +
+ coord_flip() +
+ labs(x="", y="", title="주요국가 디프테리아, 홍역 질병 비교") 
4 점 데이터
점 데이터(Point Data)는 한축에는 범주형 데이터, 다른 축에는 연속형 데이터가 존재하는 형태로 일상적으로 많이 볼 수 있다. 이를 위해서 막대그래프를 많이 사용하는데, 사람은 막대그래프의 아래쪽 공간보다 위쪽 빈공간에 관심을 덜 둔다. 이를 옆으로 돌려도 비슷하다.
4.1 막대 그래프
먼저 점 데이터를 막대그래프로 작성한다. 국가를 15개 뽑아서 막대그래프로 그리게 되면 국가명이 겹치게 된다. 이를 방지하기 위해서 옆으로 돌리고 나서 기대수명이 들쭉날쭉하기 때문에 가장 기대수명이 높은 국가를 맨 위에 위치하고 정렬하는 방식으로 그래프를 정리하는데 fct_reorder 함수를 사용한다.
> random_country_name_v <- sample(unique(who_df$Country), 15)
>
> who_df %>%
+ filter(Country %in% random_country_name_v, Year == 2015) %>%
+ ggplot(aes(x=fct_reorder(Country, `Life expectancy`), y=`Life expectancy`)) +
+ geom_col(width = 0.3) +
+ coord_flip() +
+ labs(x="", y="기대수명(Life Expectancy)")
4.2 점그래프 1
막대 그래프는 상대적으로 공간을 많이 차지해서 독자가 피곤할 수 있어 점으로 표현하는 것도 한 방법이다. 이를 위해서 geom_point()를 사용하고, geom_segment()도 사용해서 보조선을 추가해서 가독성을 높인다.
> who_df %>%
+ filter(Country %in% random_country_name_v, Year == 2015) %>%
+ ggplot(aes(y=fct_reorder(Country, `Life expectancy`), x=`Life expectancy`)) +
+ geom_point(size = 3) +
+ geom_segment(aes(x = 0, xend = `Life expectancy`,
+ yend = fct_reorder(Country, `Life expectancy`)),
+ color = "gray50",
+ size=1) +
+ labs(y="", x="기대수명(Life Expectancy)") +
+ theme_minimal()
5 분포 시각화
5.1 히스토그램
히스토그램은 단변량 데이터의 분포를 시각화하는 가장 첫번째 시각화가 된다. 하지만, 적절한 빈(bin) 갯수를 찾는 것이 문제다. 만약 관측점(n)이 200보다 크면 빈갯수는 100개로 하고 200보다 적은 경우 적절한 빈갯수를 선택한다.
> for(i in seq(30,100,5)) {
+ who_df %>%
+ filter(Year == max(Year)) %>%
+ ggplot(aes(x=`Life expectancy`)) +
+ geom_histogram(bins=i) +
+ labs(title=paste0("기대수명 히스토그램: 빈(bins) = ", i))
+ ggsave(file=paste0("data/hist_", i,".png"))
+ }
>
> library(magick)
>
> list.files("data/", pattern = ".png$", full.names = TRUE) %>%
+ map(image_read) %>%
+ image_join() %>%
+ image_animate(fps=1) %>%
+ image_write("data/hist_bins.gif")
5.2 밀도 그래프
히스토그램의 대안으로 KDE(Kernel Density Estimator)를 이용하는 커널 밀도 플롯(Kernel Density Plot)을 시각화하는데 사용한다. 정규분포를 커널로 사용하기 때문에 중요 모수인 표준편차(bw)를 설정해줘야 한다. 또한 geom_rug()도 사용해서 실제 관측점이 어느 지점에 밀집되어 있는지 시각적으로 파악한다.
> who_df %>%
+ filter(Year == max(Year)) %>%
+ ggplot(aes(x=`Life expectancy`)) +
+ geom_density(fill='steelblue', alpha=0.3) +
+ theme_minimal() +
+ geom_rug(alpha=0.7)
기대수명 Life expectancy 변수에 대해서 결측값을 제외하고 표준편차가 who_df %>% summarise(sd(Life expectancy, na.rm=TRUE)) %>% pull이라 이를 중심으로 표준편차 변화에 따른 커널 밀도 플롯 변화를 살펴보자.
> for(i in seq(1, 15, 1)) {
+ who_df %>%
+ filter(Year == max(Year)) %>%
+ ggplot(aes(x=`Life expectancy`)) +
+ geom_density(fill='steelblue', alpha=0.3, bw=i) +
+ theme_minimal() +
+ geom_rug(alpha=0.7) +
+ labs(title=paste0("기대수명 커널밀도플롯: 표준편차(bw) = ", i))
+ ggsave(file=paste0("data/density_", i,".png"))
+ }
>
> list.files("data/", pattern = "^density", full.names = TRUE) %>%
+ map(image_read) %>%
+ image_join() %>%
+ image_animate(fps=1) %>%
+ image_write("data/density_bw.gif")
6 집단간 분포 비교
집단간 분포를 비교할 때 가장 첫번째 사용되는 것이 상자그래프(boxplot)다. 여기에 geom_jitter를 추가하면 상자그림에서 놓일 수 있는 면을 시각적으로 보여줄 수도 있다.
> who_df %>%
+ filter(Year == max(Year)) %>%
+ ggplot(aes(y=`Life expectancy`, x=Status)) +
+ geom_boxplot(alpha=0) +
+ theme_minimal() +
+ geom_jitter(alpha =0.3, color="steelblue") +
+ labs(x="", y="기대수명", title="선진국과 개도국 기대수명 비교")
6.1 벌떼 그래프
geom_jitter()의 대안으로 벌떼 그래프가 대안이 될 수 있다. 상자그래프와 함께 사용할 경우 선진국, 개도국 기대수명 분포에 대해서 좀더 명확히 확인이 될 수 있도록한다.
> library(ggbeeswarm)
>
> who_df %>%
+ filter(Year == max(Year)) %>%
+ ggplot(aes(y=`Life expectancy`, x=Status)) +
+ geom_boxplot(alpha=0) +
+ theme_minimal() +
+ geom_beeswarm(alpha =0.3, color="steelblue") +
+ labs(x="", y="기대수명", title="선진국과 개도국 기대수명 비교")
6.2 바이올린 그래프
geom_beeswarm도 문제가 데이터가 많아지면 점을 찍기가 어렵고 오히려 시각화에 방해가 된다. 이를 위해서 바이올린 그래프를 사용하는 것이 도움이 된다.
> who_df %>%
+ filter(Year == max(Year)) %>%
+ ggplot(aes(y=`Life expectancy`, x=Status)) +
+ geom_violin(fill="lightgreen") +
+ theme_minimal() +
+ geom_beeswarm(alpha =0.3, color="steelblue") +
+ labs(x="", y="기대수명", title="선진국과 개도국 기대수명 비교")
6.3 하나로 합쳐보자
즉 상자그래프(boxplot)을 통해서 기술통계량(중위수, 분위수 등)도 함께 시각적으로 넣어주고, 기대수명에 대한 각국도 점으로 표현하고 바이올린 그래프를 통해서 분포도 왜곡없이 표현해보자.
> who_df %>%
+ filter(Year == max(Year)) %>%
+ ggplot(aes(y=`Life expectancy`, x=Status)) +
+ geom_boxplot(width=0.2) +
+ geom_violin(fill="lightgreen", alpha=0.3) +
+ theme_minimal() +
+ geom_beeswarm(alpha =0.3, color="steelblue") +
+ labs(x="", y="기대수명", title="선진국과 개도국 기대수명 비교")
7 순서를 고려한 능선 그래프
연도와 마찬가지로 순서가 있는 경우 밀도 능선 그래프를 통해서 연도별 변화를 시각적으로 파악하는데 도움이 된다.
> library(ggridges)
>
> who_df %>%
+ ggplot(aes(x=`Income composition of resources`, y=Year, group=Year)) +
+ geom_density_ridges(bandwidth = 0.062) +
+ theme_minimal() 