1 📊 Столбики

BMI - индекс массы тела,

\[ BMI = \frac{вес}{рост^2} *10000 \]

d <- aggregate(ess7$BMI, 
               list(country = ess7$cntry), 
               mean, 
               na.rm = T)

ggplot(d, 
       aes(x = country, 
           y = x
           )
       )+
  geom_col()

1.1 Упорядоченные столбики

# получаем порядок уровней фактора 
order.of.countries <- order(d$x) 

# используем новый порядок для категорий переменной country
d$country.ord <- factor(d$country, 
                        levels = d$country[order.of.countries] 
                        )

ggplot(d, 
       aes(
         x = country.ord, 
         y = x))+
  geom_col()

1.2 Сгруппированные столбики

d2 <- aggregate(ess7$BMI, 
               ess7[, c("cntry","rural")], 
               mean, 
               na.rm = T)

d2$cntry <- factor(d2$cntry, 
                  levels = d$country[order.of.countries] 
                  )


ggplot(d2, aes(x = cntry, 
              y = x, 
              fill = rural))+
  geom_col(position = "dodge")

1.3 Перевернем их и добавим подписи

ggplot(d2, aes(x = x,   # значения x и y поменялись местами
               y = cntry, 
              fill = rural,
              label = round(x), # новая строка
              group = rural  # новая строка
              )
       )+
  geom_col(position = position_dodge(width = 1)) + 
  geom_text(size = 2.5, 
            position = position_dodge(width = 1))

1.4 Сделаем график более читабельным

ggplot(d2, aes(x = x,   # значения x и y поменялись местами
              y = cntry, 
              fill = rural,
              label = round(x), 
              group = rural  
              )
       )+
  geom_col(position = position_dodge(width = 1)) + 
  
  geom_text(size = 2.5, 
            position = position_dodge(width = 1))+
  
  labs(x = "индекс массы тела", 
       y = "", 
       fill = "Тип места проживания")+
  theme_minimal()

1.5 👉 Самостоятельно - 1

Вычислите и покажите на столбиковом графике среднее количество употребляемого алкоголя alcwkdy + alcwknd в каждой из стран ESS. Предварительно добавьте туда непьющих, указав, что они употребляют 0 грамм mydata$alcohol[mydata$alcfreq ==7] <- 0. Сделайте колонки синими. Для вычисления средних используйте aggregate()

ess7$alcohol <- ess7$alcwkdy + ess7$alcwknd
ess7$alcohol[ess7$alcfreq == 7] <- 0

d <- aggregate(ess7$alcohol, 
               list(country = ess7$cntry),
               mean,
               na.rm = T)

ggplot(d, aes(x=country, y = x))+
  geom_col(fill = "darkblue")

Отсортируйте колонки по количеству выпиваемого.

d$country.sorted <- factor(d$country, 
                           levels = d$country[order(d$x)])

ggplot(d, aes(x=country.sorted, y = x))+
  geom_col(fill = "darkblue")

Добавьте к этому графику подписи со средним количеством выпиваемого, используя geom_label().

ggplot(d, aes(x=country.sorted, y = x, label = round(x, 1)))+
  geom_col(fill = "darkblue")+
  geom_label()

Добавьте к этому графику разбивку по гендеру. Для этого придется заново пересчитать средние, рассчитав их отдельно для каждого гендера и введя гендер как переменную заливки (fill).
Попробуйте упорядочить страны по количеству выпиваемого мужчинами.

d <- aggregate(ess7$alcohol, 
               list(country = ess7$cntry,
                    gender = ess7$gender),
               mean,
               na.rm = T)

d$country.sorted <- factor(d$country, 
                           levels = d$country[order(d$x[d$gender=="Male"])])

ggplot(d, aes(x=country.sorted, 
              y = x, 
              label = round(x, 1),
              fill = gender
              ))+
  geom_col(position = "dodge")+
  geom_label()

Разверните это график на 90 градусов

ggplot(d, aes(y=country.sorted, 
              x = x, 
              label = round(x, 1),
              fill = gender
              ))+
  geom_col(position = "dodge")+
  geom_label()

Поменяйте цвета, чтобы столбики по мужчинам были зеленого, а по женщинам - оранжевого цвета (или любого другого). Используйте scale_fill_manual()

ggplot(d, aes(y=country.sorted, 
              x = x, 
              label = round(x, 1),
              fill = gender
              ))+
  geom_col(position = "dodge")+
  geom_label()+
  scale_fill_manual(values = c("darkgreen", "orange"))

Добавьте понятные названия осям (labs()) и примените одну из автоматических тем, например, theme_minimal()

ggplot(d, aes(x = country.sorted, 
              y = x, 
              label = round(x, 1),
              fill = gender
              ))+
  geom_col(position = "dodge")+
  geom_label()+
  scale_fill_manual(values = c("darkgreen", "orange"))+
  coord_flip()+
  theme_minimal()+
  labs(y = "Alcohol per week/grams", x = "", fill = "Gender")

2 📈 Stats ggplot

2.1 Гистрограммы и статс в ggplot2

2.1.1 Гистограмма

ggplot(AT, 
       aes(x = BMI))+
  geom_histogram()

2.1.2 Гистограмма в более гибкой формулировке

Любая функция начинающаяся со stat_ вычисляет данные “на лету”, прямо изнутри ggplot. Он может быть приписан одному из нескольких “геомов”. Он создает внутренние переменные, т.е. результаты расчетов. В случае stat_bin вычисляется переменная stat(count), которая может быть использована в других функциях внутри кода ggplot. К ней можно обращаться изнутри функции через stat(count).

ggplot(AT, aes(x=BMI))+
  stat_bin()+
  stat_bin(geom="text", 
           aes(label = stat(count)), 
           vjust = -1.5)

2.1.3 Гистограммы для двух подвыборок

Просто добавим аргумент fill и position.

ggplot(AT, 
       aes(x = BMI, 
           fill = rural
           )
       )+
  geom_histogram(bins = 20, 
                 position = "dodge")

2.1.4 График плотности для двух подвыборок

ggplot(AT, 
       aes( 
         x= BMI, 
         fill = rural
         )
       )+
  geom_density(alpha = 0.6)

2.2 👉 Самостоятельно - 2

Постройте график плотности переменной alcohol с разбивкой по гендеру

3 Частотные столбики

AT$tvtot <- factor(AT$tvtot)

ggplot(AT, aes(x=tvtot))+
  geom_bar()+
  geom_label(stat = "count", aes(y = stat(count), label = stat(count)))

3.1 Сгруппированные столбики

ggplot(AT, aes(tvtot, fill = as.factor(domicil) ))+
  geom_bar(position = "fill")+ # fill здесь приводит к тому, что столбики растягиваются по всей оси y, преобразуясь таким образом в проценты
  scale_x_discrete(na.translate=F)+
  scale_y_continuous(labels = scales::percent) # эта строка просто меняет подписи по оси y на проценты

3.2 👉 Самостоятельно - 3

Покажите на столбиковом графике частоту употребления алкоголя респондентами (alcfreq). Чтобы избавиться от категории NA, добавьте строку scale_x_discrete(na.translate = F)

ggplot(AT, aes(x=as.factor(alcfreq)))+
  geom_bar()+
  geom_label(stat = "count", 
             aes(y = stat(count), 
                 label = stat(count))
             )

Разбейте получившиеся колонки по гендеру

ggplot(AT, aes(x=as.factor(alcfreq),
                     fill = as.factor(gndr)))+
  geom_bar(position = "fill")+
  scale_x_discrete(na.translate = FALSE)

4 Совместное распределение двух интервальных переменных

4.0.1 Контурный график

Двухмерный график плотности распределения (см. https://en.wikipedia.org/wiki/Multivariate_kernel_density_estimation). Показывает сгущения в двумерном пространстве.

ggplot(AT, 
       aes(
         x = agea, 
         y = BMI 
         )
       )+
  geom_point(alpha = 0.4)+
  geom_density2d()

4.0.2 Плиточный график (карта нагрева - heatmap)

Делит систему координат на одинаковые квадраты и подсчитывает сколько случаев попадает в каждый из них.

ggplot(AT, 
       aes(
         x = agea, 
         y = BMI 
         )
       )+
  geom_bin2d() + 
  scale_fill_viridis_c(option="plasma")

4.0.3 Аналог плиточного графика, но с шестигранниками

ggplot(AT, 
       aes(
         x = agea, 
         y = BMI 
         )
       )+
  geom_hex()

4.1 👉 Самостоятельно - 4

Постройте график совместного распределения переменных alcohol и eduyrs.

ggplot(AT, 
       aes(
         x = eduyrs, 
         y = alcohol 
         )
       )+
  geom_hex()

5 Совместное распределение интервальной и категориальной переменной

5.0.1 “Коробки с усами” boxplots

Медиана, коробка 25% и 75% квантиль, усы ±1.5 межквартильных разброса.

ggplot(AT, 
       aes(rural, BMI)
       )+
  geom_boxplot()

5.0.2 Violin plots

Показывает графики плотности, которые более информативны, чем коробки с усами.

ggplot(AT, aes(rural, BMI))+
  geom_violin(draw_quantiles = c(0.25, 0.5, 0.75))

ggplot(AT, aes(BMI))+
  geom_density()+
  scale_x_discrete()+
  coord_flip()+
  facet_wrap(~rural)

5.1 👉 Самостоятельно - 5

Постройте график совместного распределения переменных alcohol и icpart1 (живет с мужем/женой/партнером == 1).

AT$live_partner <- car::Recode(AT$icpart1, 
                           "1='живет';
                           2='не живет'", 
                           as.factor = TRUE)

ggplot(AT, 
       aes(
         x = live_partner, 
         y = alcohol
         )
       )+
  geom_boxplot()+
  scale_x_discrete(na.translate = F)+
  ylim(0,350)

6 Демонстрация связи между двумя непрерывными переменными

6.0.1 Линейная модель (lm)

ggplot(AT, aes(agea, BMI))+
  geom_point(alpha = 0.4)+
  geom_smooth(method = "lm")

6.0.2 Локально-линейная модель loess

ggplot(AT, aes(agea, BMI))+
  geom_point(alpha = 0.4)+
  geom_smooth(method = "loess")

6.0.3 Любая формула для описания кривой связи

ggplot(AT, aes(agea, BMI))+
  geom_point(alpha = 0.4)+
  geom_smooth(method = "lm", 
              formula = y ~ x + I(x^2) # здесь указывается форма связи
              )

6.1 👉 Самостоятельно - 6

Покажите графически связь между ~~средним по стране~~ количеством употребляемого алкоголя и выкуриваемых сигарет (cgtsday). Предварительно добавьте туда некурящих, указав что они курят 0 сигарет: mydata$cgtsday[mydata$cgtsmke > 2] <- 0.
Используйте method = 'lm' для отображения линейной связи и method ='loess' для нелинейной связи. Уместите обе линии на одном графике.
Выделите две самые курящие страны (цветом, формой маркера или другим способом).

ess7$cgtsday[ess7$cgtsmke > 2] <- 0

d <- aggregate(ess7[, c('alcohol', "cgtsday")], 
              list(country = ess7$cntry), 
              mean, 
              na.rm = T)

d$highlight <- d$country == "HU" | d$country == "AT"

ggplot(d, aes(x = alcohol, 
              y = cgtsday, 
              label = country))+
  geom_point(aes(color = highlight))+
  geom_label(aes(fill = highlight), nudge_x = 4)+
  geom_smooth(method ='loess', color = "blue")+
  geom_smooth(method ='lm', color = "red")+
  scale_color_manual(values = c("black", "red"),
                     labels = c("the rest", "Top smoking"))+
  scale_fill_manual( values = c("grey", "red"),
                     labels = c("the rest", "Top smoking"))

Экспортируйте этот график в PowerPoint с помощью пакета esquisse, функция . Для этого сохраните график в объект и используйте функцию ggplot_to_ppt()

7 Пример подсчета доверительных интервалов

# подсчитываем средние
d.mean <- aggregate(ess7$BMI, 
               list(country = ess7$cntry), 
               mean, 
               na.rm = T)

# подсчитываем стандартные ошибки средних
d.se <- aggregate(ess7$BMI, 
               list(country = ess7$cntry), 
               function(x) sd(x, na.rm=T)/sqrt(length(na.omit(x)))
)
 
# объединяем два массива
d <- merge(d.mean, d.se, by = "country")

# присваиваем понятные имена
names(d) <- c("country", "mean", "se")

# вычисляем доверительные интервалы (1.96 - это критическое значение для 95% доверительного интервала)
d$ci.upper <- d$mean + d$se * 1.96
d$ci.lower <- d$mean - d$se * 1.96

# упорядочиваем уровни в переменной country
d$country <- reorder(d$country, d$mean)

# строим график 
ggplot(d, aes( y = country , 
               x = mean, 
               xmin = ci.lower,
               xmax = ci.upper,
               label = round(mean,1)))+
    geom_errorbarh()+ # этот геом добавит горизонтальные линии, соответствующие доверительным интервалам
  geom_point()+
  geom_text(nudge_y=.4, size = 2.5)

7.1 👉 Самостоятельно - 7

Постройте график среднего количества выпитого, с доверительными интервалами средних.

# подсчитываем средние
d.mean <- aggregate(ess7$alcohol, 
               list(country = ess7$cntry), 
               mean, 
               na.rm = T)

# подсчитываем стандартные ошибки средних
d.se <- aggregate(ess7$alcohol, 
               list(country = ess7$cntry), 
               function(x) sd(x, na.rm=T)/sqrt(length(na.omit(x)))
)
 
# объединяем два массива
d <- merge(d.mean, d.se, by = "country")

# присваиваем понятные имена
names(d) <- c("country", "mean", "se")

# вычисляем доверительные интервалы (1.96 - это критическое значение для 95% доверительного интервала)
d$ci.upper <- d$mean + d$se * 1.96
d$ci.lower <- d$mean - d$se * 1.96

# упорядочиваем уровни в переменной country
d$country <- reorder(d$country, d$mean)

# строим график 
ggplot(d, aes( y = country , 
               x = mean, 
               xmin = ci.lower,
               xmax = ci.upper))+
    geom_errorbarh()+ # этот геом добавить горизонатльные линии, соответствующие доверительным интервалам
  geom_point()

Максим Руднев, 2018-2021 на основе RMarkdown.

Графики и ggplot2

30 сентября 2021 г.