ggplot2 jest jednym z najczęściej wykorzystywanych pakietów do tworzenia grafiki w R. Pozwala tworzyć w łatwy sposób dość skomplikowane wykresy, posiada również dość rozsądne ustawienia standardowe, dzieki którym możemy uzyskać estetycznie wyglądające ilustracje małym nakładem pracy.

Nie jest on dołączy do podstawowej dystrybucji R i należy zainstalować go za pomocą polecenia install.packages.

# install.packages('ggplot2') # instalacja ggplot2
library(ggplot2)

Praca z ggplot2 różni się od pracy z grafiką w standardowym R. Podstawowe różnice to:

Preferowana jest praca z ramkami danych, raczej nie zajdziemy za daleko pracując na pojedynczych wektorach.
Przestaje obowiązywać metafora płótna. Rysując w standardowym R mogliśmy podchodzić do tego jak do nakładania kolejnych linii, punktów, segmentów itp. za pomocą funkcji niskiego poziomu. W przypadku ggplot2 raczej definiujemy wykres, nie przejmujemy się najczęściej niskopoziomowymi szczegółami.
Opiera się na teoretycznej koncepcji grammar of graphics i stara się ją implementować.
Wykresy tworzymy dodając (+ - ggplot2 przeciąża operator dodawania) do siebie obiekty reprezentujące “warstwy” albo “mapowania” w specyficznej “gramatyce grafiki” implementowanej przez ggplot2.
Inaczej zapisujemy grafikę - używamy funkcji ggsave.

Co będziemy omawiać:

Zarys możliwości pakietu.
Tworzenie wykresów za pomocą qplot oraz gramatyki grafiki (mapowanie).
Różne rodzaje wykresów dla jednej lub dwóch zmiennych nominalnych i liczbowych.
Kilkupanelowe wykresy.

Co nie będzie omawiane, ale jest ważną czescią pakietu ggplot2:

Funkcje niskiego poziomu do rysowania kształtów.
Osie, skale.
Podpisy, napisy, przypisy (elementy tekstowe).
Drobnoziarnistwa kontrola.

Innymi słowy - w ggplot2 możemy zmieniać detale tworzonych przez nas wykresów, ale nie będziemy omawiać każdej służącej do tego funkcji i jej argumentu. Informacje można łatwo znaleźć w Internecie, dokumentacja rozmaitych funkcji bogata jest też w przykłady.

`qplot` - funkcja do szybkiego tworzenia wykresów (quickplot)

qplot jest wrapperem (można myśleć: skrótem) na inne funkcje ggplot2, który pozwala nam bardzo szybko i bez potrzeby żmudnego definiowania mapowan tworzyć proste wykresy. Z założenia funkcja qplot nie ma generować bardzo złożonych wykresów, lecz estetycznie wyglądające bardzo podstawowe typy wykresów. Przypomnijmy sobie jak wyglądały dane ze zbioru beaver1 - będziemy na nich pracować.

head(beaver1)

##   day time  temp activ
## 1 346  840 36.33     0
## 2 346  850 36.34     0
## 3 346  900 36.35     0
## 4 346  910 36.42     0
## 5 346  920 36.55     0
## 6 346  930 36.69     0

W przypadku, gdy w funkcji qplot podamy tylko jedną zmienną (x), ggplot2 wyprodukuje domyślnie histogram. Zmienne przekazujemy bez cudzysłowiów i są nimi nazwy kolumn w naszej ramce danych. Podajemy również argument data, w którym przekazujemy zmienną, w której znajduje się ramka danych, której chcemy używać.

qplot(x = temp, data = beaver1)

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Gdy podamy dwie zmienne - x oraz y - domyślnym rodzajem wykresu będzie wykres punktowy (scatterplot).

qplot(x = time, y = temp, data = beaver1[beaver1$day == 346,])

Przekazując kolumnę z wektorem typu factor jako argument color możemy ustalić inne kolory ze względu na wartość tej kolumny. W poniższym przypadku punkty dotyczące obserwacji w obu dniach oznaczone są innymi kolorami. Warto zauważyć, że ggplot2 automatycznie stworzył legendę (czego nie robią funkcje wbudowane w R!).

beaver1$dzien <- as.factor(beaver1$day)
qplot(x = time, y = temp, color = dzien, data = beaver1)

Za pomocą argumentu geom możemy zmienić typ wykresu. Listę wszystkich możliwości z łatwością znajdą Państwo w internecie. Pokażemy sobie jednak kilka z nich. Ustawiając argument geom na "line" możemy stworzyć wykres liniowy.

qplot(x = time, y = temp, geom = 'line', data = beaver1[beaver1$day == 346,])

"step" stworzy wykres schodkowy.

qplot(x = time, y = temp, geom = 'step', data = beaver1[beaver1$day == 346,])

Jeśli do funkcji plot przekażemy dwie zmienne, z których jedna będzie kategorialna (factor), to ggplot2 stworzy jeden ze znanych Państwu typów wykresów - na przykład wykres budełkowy. Jak jednak widzimy w przypadku wykresu pudełkowego argument color nie zadziałał tak, jak byśmy chcieli - pokolorował tylko linie na wykresie.

qplot(x=dzien, y = temp, color = dzien, geom = 'boxplot', data = beaver1)

Jeżeli chcielibyśmy pokolorować również wypełnienie, musielibyśmy użyć argumentu fill.

qplot(x=dzien, y = temp, fill = dzien, geom = 'violin', data = beaver1)

Tworzenie wykresów w języku grafiki `ggplot2`

qplot przydaje się przede wszystkim wtedy, kiedy chcemy stworzyć wykres szybko lub nie jest skomplikowany. Nie pozwala jednak wykorzystać wszystkich możliwości, jakie ma ten pakiet. Spróbujmy więc stworzyć wykres za pomocą “gramatyki grafiki” jaki implementuje ggplot2.

Jedna zmienna (lub dwie zmienne i jedna dyskretna)

Spróbujmy na początku stworzyć obiekt reprezentujący nasz wykres. Robimy to za pomocą funkcji ggplot.

ggplot(data = beaver1)

Otrzymaliśmy puste płótno. Dlaczego? Oczywiście nie ustaliliśmy co ma być na osi rzędnych, co na odciętych. Stwórzmy więc obiekt, w którym przekażemy nasze mapowanie. Odpowiada za to argument mapping (będziemy go dalej pomijać i przekazywać wartości pozycyjnie), w którym przekazujemy obiekt stworzomy za pomocą funkcji aes.

ggplot(data = beaver1, mapping = aes(x = temp))

Mamy już wykres, mamy już mapowanie - nawet dostaliśmy odpowiednie oznaczenia na osi. Nie mamy jednak na nim żadnego kształtu! Spróbujmy dodać do naszego wykresu jakiś kształt. Robimy to za pomocą funkcji geom_rodzaj_kształtu, którą “dodajemy” do już istniejącego obiektu.

ggplot(data = beaver1, aes(x = temp)) + 
  geom_histogram()

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Stworzyliśmy histogram! Jak Państwo widzą wygląda chyba troszkę ładniej niż standardowy histogram w R.

No dobrze, ale czy możemy dodać jakiś inny kształt? Spróbujmy dodać małe kreseczki reprezentujące poszczególne obserwacje za pomocą geom_rug.

ggplot(data = beaver1, aes(x = temp)) + 
  geom_histogram() + 
  geom_rug()

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Wygląda to całkiem nieźle!

Mogą się Państwo zastanawiać skąd ggplot2 wie, co i gdzie powinien narysować wówczas, gdy “dodajemy” kolejne kształty? ggplot2 uwzględnia dorysowując do wykresu kolejne kształte mapowanie (aes) odziedziczone z głównego wykresu (= obiektu stworzonego przez funckję ggplot). Dlatego właśnie możemy po prostu dodawać kolejne kształty.

Nie musimy godzić się na mapowanie “odziedziczone” z głównego wykresu. Dla każdego kształtu (geoma) możemy mapowanie zmienić lub uzupełnić o dodatkowe elementy. W tym celu używamy funkcji aes. W poniższym przykładzie użyliśmy wbudowanego w ggplot2 słowa kluczowego ..density.. za pomocą którego zmieniliśmy wartości na osi y.

ggplot(data = beaver1, aes(x = temp)) + 
  geom_histogram(aes(y = ..density..)) + 
  geom_rug()

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Chociaż kolejne geomy dziedziczą mapowanie po pierwszym obiekcie, to możemy je oczywiście nadpisać. W tym przypadku podobnie jak w poprzednich dodaliśmy do naszego histogramu kreseczki za pomocą geom_rug, tym razem jednak dodaliśmy dodatkowe mapowanie - zmienna dzien ma być mapowana na kolor kreseczek.

ggplot(data = beaver1, aes(x = temp)) + 
  geom_histogram(aes(y = ..density..)) + 
  geom_rug(aes(color = dzien))

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Bez trudu możemy dodać jądrowy estymator gęstości dodając po prostu kolejny geom - tym razem geom_density. Proszę zwrócić uwagę, że zmieniliśmy jeszcze mapowanie kreseczek w geom_rug. time jest zmienną ciągłą (w miarę), więc ggplot2 automatycznie dobrał ciągłą skalę kolorów i stworzył odpowiednią legendę.

ggplot(data = beaver1, aes(x = temp)) + 
  geom_histogram(aes(y = ..density..)) + 
  geom_rug(aes(color = time)) + 
  geom_density()

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

ggplot2 udostępnia oczywiście również rodzaje geomów bardziej wymyślne niż zwykłe histogramy. Na poniższym wykresie mają Państwo inny geom - geom_dotplot, który zamiast prostokątów rysuje kropki.

ggplot(data = beaver1, aes(x = temp)) + 
  geom_dotplot() + 
  geom_rug()

## Bin width defaults to 1/30 of the range of the data. Pick better value with `binwidth`.

Zwróćmy teraz uwagę na to, że w naszym zbiorze danych mamy dane z okresów aktywności i braku aktywności. Chcielibyśmy je rozdzielić, żeby lepiej zobrazować różnicę między nimi. Użyjemy do tego funkcji facet_grid, która w sposób automatyczny dzieli nasz wykres na panele według zadanego czynnika.

beaver1['aktywnosc'] <- as.factor(beaver1$'activ')
ggplot(data = beaver1, aes(x = temp, fill = aktywnosc)) + 
  geom_dotplot() + 
  geom_rug() +
  facet_grid(.~aktywnosc) # możemy wybrać dwie zmienne, składnia to `zmienna1 ~ zmienna2`

## Bin width defaults to 1/30 of the range of the data. Pick better value with `binwidth`.

Możemy próbować uatrakcyjnić nasz wykres. Proszę zauważyć, że każdy geom ma tutaj inne mapowanie - wysokosc słupków kropek reprezentuje liczbe zliczeń w danym “koszyku” hisgoramu, kolor kropek - aktywność bobra, kreseczki - dokładna wartość każdej obserwacji. Z kolei kolor kreseczek reprezentuje dzień, w którym ich dokonywaliśmy. Każda z tych rzeczy była osobną “warstwą”, którą definiowaliśmy w gramatyce grafiki ggplot2.

ggplot(data = beaver1, aes(x = temp)) + 
  geom_dotplot(aes(fill = aktywnosc, color = aktywnosc), 
               binpositions="all", stackgroups = TRUE) + 
  geom_rug(aes(color=dzien, fill = dzien))

## Warning: Ignoring unknown aesthetics: fill

## Bin width defaults to 1/30 of the range of the data. Pick better value with `binwidth`.

Jeżeli chodzi o inne geomy w stylu histogramów to mamy jeszcze geom_freqpoly.

ggplot(data = beaver1, aes(x = temp, fill = dzien, color = dzien)) + 
  geom_freqpoly()

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Oraz geom_area (ten jest szczególnie efektowny).

ggplot(data = beaver1, aes(x = temp, fill = dzien, color = dzien)) + 
  geom_area(stat='bin')

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Jeżeli chodzi o wykresy słupkowe, to podobnie jak w standardowym R sami musimy policzyć wartości mające odpowiadać wysokości słupków. Jeśli mają to być zliczenia postąpimy więc tak:

ggplot(data = beaver1, aes(x = dzien, fill = aktywnosc)) + 
  geom_bar()

Domyślnym zachowaniem jest ustawianie słupków na sobie, ale możemy je zmienić tak, by ustawiane były obok siebie.

ggplot(data = beaver1, aes(x = dzien, fill = aktywnosc)) + 
  geom_bar(position= 'dodge')

Czasami jednak nie chcemy reprezentować na wykresie słupkowym liczby zliczeń czegoś, ale np. średnią, odchylenie standardowe, medianę. Wówczas chyba najprościej jest stworzyć sobie nową ramkę danych, w której będą obliczone te wartości i przekazać jako argument stat funkcji geom_bar wartość "identity".

df <- data.frame(sd = tapply(beaver1$temp, beaver1$dzien, sd), dzien = levels(beaver1$dzien))
df

##            sd dzien
## 346 0.2098782   346
## 347 0.1038336   347

ggplot(data = df, aes(y = sd, x = dzien, fill = dzien)) + 
  geom_bar(stat = 'identity')

Biblioteka ggplot2 daje możliwość łączenia ze sobą kilka rodzajów wykresów. Na poniższym rysunku połączyliśmy wykres punktowy (z jitterm dla większej przejrzystosci) z wykresem skrzypcowym. Dodaliśmy również podpisy pod osiami oraz tytuł wykresu, zmieniliśmy też domyślne kolory (żeby mniej się zlewały).

ggplot(data = beaver1) + 
  geom_violin(aes(x = dzien, y = temp, fill = dzien), draw_quantiles = c(0.25, 0.5, 0.75)) +
  geom_jitter(aes(x = dzien, y = temp, color = aktywnosc)) + 
  scale_fill_brewer(palette='Set1') +
  ggtitle('Wykres skrzypcowy') +
  labs(x='Dzień pomiarów', y='Temperatura')

Dwie zmienne ciągłe.

W przypadku sytuacji, w której mamy dwie zmienne ciągłe postępujemy dokładnie tak samo. Do ilustracji posłużymy się zbiorem iris, który dotyczy kwiatków.

head(iris)

##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa
## 3          4.7         3.2          1.3         0.2  setosa
## 4          4.6         3.1          1.5         0.2  setosa
## 5          5.0         3.6          1.4         0.2  setosa
## 6          5.4         3.9          1.7         0.4  setosa

Znów, samo wywołanie funkcji ggplot nic nie daje.

ggplot(data = iris)

Nawet ustawienie mapowania nic nie daje, chociaż ustala nam osie i siatkę.

ggplot(data = iris) +
  aes(x = Petal.Length, y = Petal.Width)

Pierwszy geom jaki omowimy to geom_point odpowiadający znanemu już nam wykresowy punktowemu.

ggplot(data = iris) + 
  geom_point(aes(x = Sepal.Width, y = Sepal.Length))

Kstzałt punktów jest jedną z możliwościa mapowania zmiennej dyskretnej.

ggplot(data = iris) + 
  geom_point(aes(x = Sepal.Width, y = Sepal.Length, shape = Species))

Podobnie jak poprzednio możemy dodać dodatkowe mapowanie, które trzecią zmienną - gatunek - mapuje jako kolor. Dodatkowo zmieniliśmy wygląd całego wykresu dodając jeden z kilku wbudowanych motywów (theme_minimal)

ggplot(data = iris) + 
  geom_point(aes(x = Sepal.Width, y = Sepal.Length, col = Species)) + 
  theme_minimal()

Możemy oczywiście umieścić nasze punkty na trzech osobnych panelach w znany nam już sposób.

ggplot(data = iris) +  
  geom_point(aes(x = Sepal.Width, y = Sepal.Length, col = Species)) + 
  facet_grid(. ~ Species) + 
theme_bw()

Panele możemy umieścić w innej orientacji zmieniając kolejnośc zmiennych w funkcji facet_grid. Warto zwrócić uwagę, że podpisy pod kategoriami są prawidłowo w pozycji poziomej. Pokazuję również inny motyw (theme_dark)

ggplot(data = iris) +  
  geom_point(aes(x = Sepal.Width, y = Sepal.Length, col = Species)) + 
  facet_grid(Species~.) + 
  theme_dark()

Bardzo przydatne może być dla Państwa dodawanie linii regresji do wykresu punktowego. Pokazuje więc jak zrobić to za pomocą stat_smooth. Dopasowuje ona model liniowy do danych. Zacienione pole do przedział ufności (domyślnie 95%) dla linii regresji.

ggplot(data = iris) +  
  facet_grid(.~Species) +
  stat_smooth(aes(x = Sepal.Width, y = Sepal.Length, col = Species), method = "lm", fullrange= TRUE)+
  geom_point(aes(x = Sepal.Width, y = Sepal.Length, col = Species))

## `geom_smooth()` using formula 'y ~ x'

Należy jednak pamiętać, że domyślnie dopasowywane jest nie model liniowy, ale ten: https://en.wikipedia.org/wiki/Local_regression Linia jest więc pogięta, podobnie przedziały ufności.

ggplot(data = iris, aes(x = Sepal.Width, y = Sepal.Length, col = Species)) +  
  geom_point() +
  geom_smooth() +
  facet_grid(.~Species)

## `geom_smooth()` using method = 'loess' and formula 'y ~ x'

Oczywiście nic nie stoi na przeszkodzie dodawać znane już nam geomy takie jak geom_rug.

ggplot(data = iris, aes(x = Sepal.Width, y = Sepal.Length, col = Species)) +  
  geom_point() +
  geom_smooth() +
  geom_rug() +
  facet_grid(.~Species)

## `geom_smooth()` using method = 'loess' and formula 'y ~ x'

Zakończenie - bardziej skomplikowany przykład.

W kolejnym przykładzie tworzymy bardziej skomplikowany wykres dotyczący rozmaitych parametrów diamentów. Dane znajdują się w zbiorze diamonds, który wbudowany jest w R.

head(diamonds)

## # A tibble: 6 × 10
##   carat cut       color clarity depth table price     x     y     z
##   <dbl> <ord>     <ord> <ord>   <dbl> <dbl> <int> <dbl> <dbl> <dbl>
## 1  0.23 Ideal     E     SI2      61.5    55   326  3.95  3.98  2.43
## 2  0.21 Premium   E     SI1      59.8    61   326  3.89  3.84  2.31
## 3  0.23 Good      E     VS1      56.9    65   327  4.05  4.07  2.31
## 4  0.29 Premium   I     VS2      62.4    58   334  4.2   4.23  2.63
## 5  0.31 Good      J     SI2      63.3    58   335  4.34  4.35  2.75
## 6  0.24 Very Good J     VVS2     62.8    57   336  3.94  3.96  2.48

ggplot(data = diamonds, aes(y=carat, x = cut, size = price, color = cut)) + 
  geom_jitter()

ggplot(data = diamonds, aes(x=carat, y = price)) +  # podstawowe mapowanie
  geom_point(aes(color = color)) +  # mapowanie dla punktów: kolor diamentów -> kolor punktów
  facet_grid(clarity~cut) + # dzielimy na panele ze względu na przejrzystość i szlif
  stat_smooth(method = 'lm') + # dopasowujemy do danych linię regresji
  ggtitle('Diamenty przyjacielem studenta') +
  theme_minimal()

## `geom_smooth()` using formula 'y ~ x'

Uwagi:

Proszę dobierać rodzaj wykresu do celu - inny będzie w specjalistycznym czasopiśmie, inny na prezentacji, inny na plakacie, inny w artykule prasowym, inny dla siebie do pracy.
Nie wszystkie mapowania są sobie równe - kwestie poznawcze.
Nie należy przesadzać, należy dobrze zaplanować co i dlaczego chcemy pokazać.
Ale nie warto bać się eksperymentowania.

Przydatne linki:

Plotly + ggplot2 = wygryw: https://plot.ly/ggplot2/
Dokumentacja https://ggplot2.tidyverse.org/
Dodatki: https://exts.ggplot2.tidyverse.org/
Galeria grafik wg koncepcji Tufte’a - niektóre z wykorzystaniem ggplot2: http://motioninsocial.com/tufte/

Wprowadzenie do ggplot2

qplot - funkcja do szybkiego tworzenia wykresów (quickplot)