SlideShare a Scribd company logo
Hijiyama.R #4
2016/5/28
ggplot2用例集 入門編
紀ノ定 保礼
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
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
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
データの視覚化
ー変数間の関係をつかむー
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!
http://ggplot2.org/
簡単に・多層的にデータを視覚化できる
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
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
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
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
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
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…
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…)
stat系のみを用いてもよい
指定した関数
(今回はmean)で要約
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
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
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
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
データの視覚化
ー水準間の関係をつかむー
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
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
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
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
水準ごとに独立させる
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
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
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)
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
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
3要因計画 方法2
• 1要因目=x軸,2要因目=group,3要因目=facet
グラフを調整する
ーPUBLICATION READYなレイアウトー
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
モノクロ/グレースケールにする方法①
ー手動設定ー
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
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…
cowplotパッケージを使いましょう
https://cran.r-project.org/web/packages/cowplot/vignettes/introduction.html
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)
theme_cowplot()の注意点
通常,引数は
base_xxx=…
引数は
font_xxx=…
複数のグラフをパネルで並べる場合
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
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
↑
設定が完了したら押す
↑
変更した設定がコードに書き加えられている!
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
ggplot2用例集 入門編
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
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)
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
Enjoy ggplot2!

More Related Content

PDF
Stanコードの書き方 中級編
PPTX
ggplot2再入門(2015年バージョン)
PDF
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
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
PDF
MICの解説
PPTX
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
PDF
Stan超初心者入門
PDF
ggplot2によるグラフ化@HijiyamaR#2
Stanコードの書き方 中級編
ggplot2再入門(2015年バージョン)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
(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
MICの解説
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Stan超初心者入門
ggplot2によるグラフ化@HijiyamaR#2

What's hot (20)

PDF
階層ベイズとWAIC
PPTX
PILCO - 第一回高橋研究室モデルベース強化学習勉強会
PDF
Stanの便利な事後処理関数
PDF
因果探索: 基本から最近の発展までを概説
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
PDF
2 4.devianceと尤度比検定
PDF
第4回DARM勉強会 (構造方程式モデリング)
PDF
5分でわかるかもしれないglmnet
PPTX
ベイズモデリングで見る因子分析
PPTX
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
PDF
Chapter9 一歩進んだ文法(前半)
PDF
機械学習を使った時系列売上予測
PDF
『バックドア基準の入門』@統数研研究集会
PDF
ベイズモデリングと仲良くするために
PDF
傾向スコア:その概念とRによる実装
PDF
数式をnumpyに落としこむコツ
PDF
pymcとpystanでベイズ推定してみた話
PDF
20180118 一般化線形モデル(glm)
PDF
統計的因果推論への招待 -因果構造探索を中心に-
PPTX
Visual Studio CodeでRを使う
階層ベイズとWAIC
PILCO - 第一回高橋研究室モデルベース強化学習勉強会
Stanの便利な事後処理関数
因果探索: 基本から最近の発展までを概説
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
2 4.devianceと尤度比検定
第4回DARM勉強会 (構造方程式モデリング)
5分でわかるかもしれないglmnet
ベイズモデリングで見る因子分析
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
Chapter9 一歩進んだ文法(前半)
機械学習を使った時系列売上予測
『バックドア基準の入門』@統数研研究集会
ベイズモデリングと仲良くするために
傾向スコア:その概念とRによる実装
数式をnumpyに落としこむコツ
pymcとpystanでベイズ推定してみた話
20180118 一般化線形モデル(glm)
統計的因果推論への招待 -因果構造探索を中心に-
Visual Studio CodeでRを使う
Ad

Similar to ggplot2用例集 入門編 (20)

PDF
Tokyor42 ggplot2
ODP
ggplot2 110129
PDF
TokyoR102_BeginnersSession.pdf
PDF
130727 nagoyar presentation
PDF
ggplot2 110129
PPTX
Introduction to R Graphics with ggplot2 #1
PPT
Introduction to R Graphics with ggplot2 #2
PDF
Tsukuba
PDF
Road to ggplot2再入門
PDF
Introduction to R
PPTX
Tokyo.R #66 初心者セッション3
PDF
ggplot2をつかってみよう
PDF
魅せる・際立つ・役立つグラフ Hands on!! ggplot2!! ~導入編~
PDF
テーマ別勉強会(R言語)#3.pdf
PDF
10分で分かるr言語入門ver2.10 14 1101
PPTX
R超入門機械学習をはじめよう
PDF
Tokyor23 doradora09
PDF
10分で分かるr言語入門ver2.9 14 0920
PPTX
Tokyo.R #67 初心者セッション3
PDF
Tokyo.R #19 発表資料 「Rで色々やってみました」
Tokyor42 ggplot2
ggplot2 110129
TokyoR102_BeginnersSession.pdf
130727 nagoyar presentation
ggplot2 110129
Introduction to R Graphics with ggplot2 #1
Introduction to R Graphics with ggplot2 #2
Tsukuba
Road to ggplot2再入門
Introduction to R
Tokyo.R #66 初心者セッション3
ggplot2をつかってみよう
魅せる・際立つ・役立つグラフ Hands on!! ggplot2!! ~導入編~
テーマ別勉強会(R言語)#3.pdf
10分で分かるr言語入門ver2.10 14 1101
R超入門機械学習をはじめよう
Tokyor23 doradora09
10分で分かるr言語入門ver2.9 14 0920
Tokyo.R #67 初心者セッション3
Tokyo.R #19 発表資料 「Rで色々やってみました」
Ad

Recently uploaded (8)

PDF
【QYResearch】人形ロボット産業の市場構造と今後の発展方向に関する分析レポート
PDF
【QYResearch】急拡大する医療機器市場における主要企業の動向と競争環境分析
PDF
データモデラー視点で語るデータマネジメント入門~組織のデータ活用を成功に導くために~
PDF
【QYResearch】グローバルコネクタ市場の動向と将来展望に関する詳細な分析報告
PDF
【QYResearch】グローバル農業機械市場の動向分析と成長戦略に関する総合調査報告
PDF
XCMSを用いた質量分析データ処理_BioCAsia2021_yamamoto.pdf
PDF
【初心者向け】生成AI SimonW/LLMとOllama・llamafile無料APIでコマンドラインをAI革命するセミナー。CPUでもGPUでも。Ne...
PDF
【QYResearch】グローバル磁性材料産業チェーンの構造分析と市場動向の詳細解説
【QYResearch】人形ロボット産業の市場構造と今後の発展方向に関する分析レポート
【QYResearch】急拡大する医療機器市場における主要企業の動向と競争環境分析
データモデラー視点で語るデータマネジメント入門~組織のデータ活用を成功に導くために~
【QYResearch】グローバルコネクタ市場の動向と将来展望に関する詳細な分析報告
【QYResearch】グローバル農業機械市場の動向分析と成長戦略に関する総合調査報告
XCMSを用いた質量分析データ処理_BioCAsia2021_yamamoto.pdf
【初心者向け】生成AI SimonW/LLMとOllama・llamafile無料APIでコマンドラインをAI革命するセミナー。CPUでもGPUでも。Ne...
【QYResearch】グローバル磁性材料産業チェーンの構造分析と市場動向の詳細解説

ggplot2用例集 入門編