Здесь, в Sharp Sight, у нас есть особая философия обучения науке о данных: овладеть основами.

Наука о данных — это то же самое, что и любой другой навык: если ты хочешь быть успешным в своих делах, это полезно для овладения основополагающими навыками. Если вы посмотрите на настоящих мастеров в любой области — искусстве, музыке, спорте — вы непременно увидите, что элитные исполнители неуклонно сосредотачиваются на основах.

Но не верь мне на слово.Слушайте многих самых успешных людей в мире. Элитные исполнители обычно говорят о важности овладения основами.

«Опустите основы, и уровень всего, что вы делаете, повысится».
— Майкл Джордан

Если вы хотите стать великим ученым, специалистом по анализу данных или аналитиком, вам необходимо знать основные методы работы с данными в прямом и обратном направлении.

Одним из таких методов является гистограмма.

Это простая техника.Для многих это кажется слишком простым . Это не сексуально, как искусственный интеллект.

Но на пути к изучению передовых методов вам необходимо освоить такие основы, как гистограмма.

В этом посте я расскажу вам все, что вам нужно знать о создании гистограммы в R с ggplot2 с использованием geom_bar () .

Как сделать простую гистограмму с помощью geom_bar

Хорошо, позже в этом посте я покажу вам большое разнообразие вариантов гистограммы.Я также объясню, как работает ggplot2.

Но прежде чем мы это сделаем, давайте просто создадим простую гистограмму.

В следующем примере мы будем работать с набором данных Arthritis из пакета vcd . Если у вас еще нет установленного vcd , обязательно установите его.

Хорошо, он код:

библиотека (tidyverse)
библиотека (forcats)
библиотека (VCD)

ggplot (данные = артрит, aes (x = пол)) +
  geom_bar ()
 

Если вы не совсем понимаете, как это работает, продолжайте читать.Я все объясню.

Лучшее руководство для geom_bar и ggplot barcharts

Если вы новичок в R и особенно если вы новичок в использовании ggplot2 , даже создание чего-то простого, например гистограммы ggplot, может показаться очень запутанным. Я понял Система ggplot2 может показаться немного загадочной в начале.

Однако, как только вы поймете, как работает ggplot , создавать гистограммы легко. Фактически, если вы понимаете ggplot2 , многие визуализации становятся легкими… даже визуализации данных, которые кажутся очень сложными.

Сказав это, давайте сначала рассмотрим, как работает система визуализации данных ggplot2 .

Быстрый обзор: как работает система визуализации ggplot2

ggplot2 очень систематично. Как только вы это освоите, все «просто работает».

Критически важно, однако, вам необходимо понимать «строительные блоки» системы ggplot . ggplot2 очень модульно в том, как это работает. Система имеет много маленьких функций, которые делают одно.

Это в отличие от базовой системы R для печати. Многие из базовых графических инструментов R представляют собой отдельные функции, но с множеством небольших параметров.

ggplot2 отличается тем, что каждый маленький функциональный «строительный блок» обычно выполняет одно и только одно. По этой причине вы можете начать с создания простой диаграммы (например, очень простой гистограммы), а затем итеративно построить график, шаг за шагом.

Я покажу вам это через минуту, но сначала давайте рассмотрим некоторые из наиболее важных функций в системе ggplot2.

Функция ggplot ()

Во-первых, давайте поговорим о функции ggplot () .

Функция ggplot () , вероятно, является наиболее важной частью системы печати ggplot2 . Вы будете использовать его практически каждый раз, когда создаете визуализацию данных.

Его цель проста: он инициирует сюжет. ggplot () в основном указывает, что мы собираемся построить что-то .

… что именно мы будем строить, будет зависеть от других функций, которые мы вызываем, и от того, как мы структурируем остальную часть синтаксиса.

Давайте поговорим о других синтаксических частях.

Параметр данных

Давайте еще раз взглянем на наш пример кода для простой гистограммы:

ggplot (данные = артрит, aes (x = пол)) +
  geom_bar ()
 

Видите ли вы параметр data = внутри функции ggplot () ? Это часть синтаксиса, где мы указываем, какие данные мы будем строить.

В этом конкретном примере мы сообщаем ggplot , что мы будем строить данные в кадре данных Arthritis .

Давайте быстро рассмотрим Артрит , просто чтобы увидеть, что в нем. Мы будем использовать две функции для проверки данных:

# =============
# ПРОВЕРЬТЕ ДАННЫЕ
# =============
голова (артрит)

# ID Лечение Пол Возраст Возраст улучшился
# 1 57 Лечится Мужчина 27 Некоторый
# 2 46 Обработано Мужской 29 Нет
# 3 77 Обработано Мужской 30 Нет
# 4 17 Обработано Мужской 32 Отмечено
# 5 36 Обработано Мужчина 46 Помечен
# 6 23 Обработано Мужчина 58 Помечен

проблеск (артрит)
# Наблюдений: 84
# Переменные: 5
# $ ID 57, 46, 77, 17, 36, 23, 75, 39, 33, 55, 30, 5, 63, 83, 66, 40, 6, 7, 72...
# $ Лечение Лечится, Лечится, Лечится, Лечится, Лечится, Лечится, Лечится, Лечится ...
# $ Секс Мужчина, Мужчина, Мужчина, Мужчина, Мужчина, Мужчина, Мужчина, Мужчина, Мужчина, Мужчина, Мужчина, Мужчина ...
# $ Возраст 27, 29, 30, 32, 46, 58, 59, 59, 63, 63, 64, 64, 69, 70, 23, 32, 37, 41, ...
# $ Улучшено Некоторые, Нет, Нет, Отмечено, Отмечено, Отмечено, Нет, Отмечено, Нет, Нет, Не ...

 

head () и glimpse () оба являются инструментами для «просмотра» набора данных. Как видите, результат немного отличается, но он похож.Они оба показывают вам, что находится в данных. Я не буду вдаваться в подробности проверки данных здесь, но скажу вам, что вам нужно привыкнуть проверять свои данные.

Хорошо, вернемся к ggplot и гистограмме ggplot.

Помните: ggplot требует, чтобы ваши данные были в фрейме данных

Когда мы используем параметр data = , мы просто сообщаем функции ggplot () , с каким набором данных мы будем работать.

Важно, что ggplot () ожидает фрейма данных .Если ваши данные находятся в другом формате — например, матрица, массив или вектор — ggplot () не сработает.

В этом случае наш набор данных Артрит представляет собой данных.

Существует также специальный тип данных, который понимает ggplot2 () , называемый tibble . Я не буду объяснять здесь фреймы данных и тибблы , но понимаю, что они похожи.

Хорошо, теперь давайте перейдем к следующему фрагменту в синтаксисе, функции aes () .

Функция AES ()

Давайте еще раз взглянем на наш пример кода для простой гистограммы:

ggplot (данные = артрит, aes (x = пол)) +
  geom_bar ()
 

Обратите внимание на функцию aes () внутри ggplot () . Код гласит AES (х = пол) .

Помните, что Sex — это переменная в нашем фрейме данных. Функция aes () выполняет «отображение» переменной Sex на ось x.

Цель функции aes () состоит в том, чтобы «отобразить» переменные в нашем фрейме данных (который мы отождествляем с параметром данных ) с эстетическими атрибутами объектов на графике. Функция aes () «связывает» переменные в наборе данных с объектами, которые мы рисуем в визуализации.

ggplot2 «geoms»

Важно отметить, что «объекты», которые мы рисуем, называются «geoms» в ggplot2 .

Если мы рисуем точки (например, для диаграммы рассеяния), мы будем рисовать точки «геом». Если мы создадим линейный график, мы нарисуем линию «geoms». И если мы рисуем бары, чтобы создать гистограмму, мы будем рисовать гистограммы. Если это звучит сложно, не думайте об этом. Geoms — это просто вещи, которые мы рисуем в виде точек, линий, баров и линий.

И помните: как я уже отмечал выше, функция aes () «отображает» переменные на эстетические атрибуты того, что мы рисуем. Функция aes aes () отображает переменные в эстетику geoms , такие как цвет, форма, ось x, ось y.

Резюме: как сделать простую гистограмму с помощью geom_bar

Теперь, когда я объяснил некоторые детали системы ggplot2 , давайте еще раз посмотрим на код, который мы использовали для создания нашей простой гистограммы.

ggplot (данные = артрит, aes (x = пол)) +
  geom_bar ()
 

Вот что делает этот код:

• ggplot () инициирует построение.
• Параметр data = указывает, что мы будем отображать данные в кадре данных Arthritis .
• Внутри функции aes () мы указываем, что хотим отобразить переменную Sex на ось x. Секс является категориальной переменной, поэтому различные категории будут размещены на оси X.
• geom_bar () указывает на то, что мы будем рисовать «столбчатые» геомы… то есть мы создадим гистограмму

Вполне понятно, когда вы поймете, как работают отдельные части.

Примечание: когда вы изучаете науку о данных, разбейте все на части

Обратите внимание на то, как я объяснил гистограмму ggplot2: я разбил все на мелкие кусочки.

Поскольку вы изучаете науку о данных, вы должны это сделать. Инструменты данных науки могут быть сложными. Это огромная помощь, если вы разбиваете все на маленькие обучаемые кусочки. Разбейте все на части, изучите и поймите каждый маленький кусочек, а затем соедините вещи, чтобы понять великое целое.

Как изменить простую линейчатую диаграмму ggplot

Теперь, когда вы узнали, как создать простую гистограмму ggplot, используя geom_bar, давайте изменим эту гистограмму.

Мы сделаем две незначительные модификации:

• Изменить цвет интерьера баров
• Изменить цвет «линии» баров

Как изменить цвет интерьера бара

Изменить цвет внутренней части решеток относительно просто, но это немного сложно.

Это сложно, потому что параметр, который мы должны использовать для изменения цвета интерьера, не на 100% интуитивно понятен.

Чтобы изменить цвет интерьера, вам необходимо использовать эстетику , , а не эстетику .

Для этого есть причина (о которой вы узнаете ниже), но вам просто нужно помнить, что эстетика с наполнением контролирует цвет интерьера баров.

Давайте посмотрим. Здесь мы изменим внутренний цвет столбцов на «голубой»:

ggplot (данные = артрит, aes (x = пол)) +
  geom_bar (fill = 'cyan')
 

Здесь мы установили эстетику цвета к цвету ‘cyan.

Пара замечаний по этому поводу:

1. Синтаксис для этого, fill = 'cyan' , появляется внутри geom_bar. Это потому, что мы модифицируем штриховые геометрии нашего сюжета.

   Это немного спорный вопрос на этом графике, потому что у нас есть только один тип геома. Но если бы мы создавали более сложный участок с кратными геомами, это имело бы значение. Если бы на нашем участке было несколько геомов, нам нужно было бы изменить цвет геомов независимо друг от друга … чтобы сделать это, мы должны изменить эстетику , заполнить внутри геома.

2. В этом случае нам не нужно использовать функцию aes () . Здесь модификация эстетики с заполнением происходит внутри geom_bar, но за пределами функции aes () . Это связано с тем, что мы устанавливаем , , эстетическую заливку , эстетическое значение - . Когда мы устанавливаем эстетику на постоянное значение, нам не нужно использовать функцию aes () . Нам нужно использовать функцию aes () только в том случае, если нам нужно отобразить переменную в нашем фрейме данных на эстетический атрибут.

Теперь, когда вы узнали, как изменить внутренний цвет столбцов, давайте поговорим о том, как изменить цвет границ столбцов.

Как изменить цвет границы из баров

Изменить цвет границы тоже просто. Чтобы изменить цвет границы столбцов, необходимо использовать эстетику цвета .

ggplot (данные = артрит, aes (x = пол)) +
  geom_bar (color = 'red')

 

Здесь мы установили эстетику цвета на значение ‘красный.

Опять же, это может немного сбить с толку. Помните, что цвет эстетика контролирует цвет границы, а не цвет интерьера.

Я неоднократно ошибочно использовал эстетику цвета , когда намеревался использовать эстетику с заливкой и наоборот. Это всего лишь одна из тех вещей, которые вы должны запоминать и использовать повторно, пока полностью не запомните разницу.

Варианты гистограммы

Теперь, когда я показал вам, как сделать простую гистограмму, и показал, как можно сделать несколько простых модификаций цвета, давайте рассмотрим некоторые варианты гистограммы.

Посмотрим на:

Горизонтальная гистограмма
• столбчатая диаграмма с накоплением
• Гистограмма с накоплением 100%

Горизонтальная гистограмма

В ggplot2 очень легко создать горизонтальную гистограмму. Для этого просто добавьте код ord_flip () после кода гистограммы (и не забудьте знак + ).

# ГОРИЗОНТАЛЬНАЯ Гистограмма
ggplot (данные = артрит, aes (x = пол)) +
  geom_bar () +
  coord_flip ()
 

ordin_flip () делает именно то, что звучит так: «переворачивает» координаты.

В этом случае он берет ось X и «переворачивает» ее в положение, обычно занимаемое осью Y (и наоборот).

Кстати, это одна из причин, по которой я люблю ggplot2 . Во многих случаях внесение изменений в диаграмму можно выполнить, вызвав новую функцию в дополнение к исходному коду. Различные функции ggplot2 работают как строительные блоки LEGO, которые вы можете «складывать». Это позволяет вам строить графики поэтапно, создавая код по одной строке за раз.

Гистограмма с накоплением

Теперь давайте составим столбчатую диаграмму с накоплением.

Стол с разбивкой - довольно простой вариант базовой диаграммы.

Чтобы создать его, просто сопоставьте категориальную переменную с эстетикой и .

библиотека (VCD)

ggplot (данные = артрит, aes (x = лечение)) +
  geom_bar (aes (fill = Improved))
 

Это почти то же самое, что и код для простой гистограммы. Мы задали наш фрейм данных с параметром data и сопоставили категориальную переменную Treatment с осью x.

Но обратите внимание, что внутри geom_bar у нас есть еще один вызов функции aes () . Там, внутри функции aes () , мы сопоставили другую категориальную переменную, Improved , с эстетикой Fill .

Что он делает, так это «заполняет» бары в соответствии с количеством записей для каждой категории Улучшено .

Обратите внимание, что это не меняет общую длину стержня. Это просто делит планку по второй категориальной переменной.Это позволяет нам увидеть долю наблюдений, которые принадлежат определенной категории, в пределах исходной категории.

Гистограмма с накоплением 100%

Теперь давайте сделаем вариацию с накоплением. Здесь мы создадим стопку на 100%.

Столбец со стопкой 100% очень похож на столбец со стеком, но вместо длины столбца, соответствующего количеству записей, он «заполняет» всю ось.

ggplot (данные = артрит, aes (x = лечение)) +
  geom_bar (aes (fill = Improved), position = "fill")

 

Здесь вы можете видеть, что длина каждого стержня простирается по всей длине оси Y.Бары «заполняют» область сюжета.

Синтаксически мы делаем это с небольшим фрагментом кода: position = "fill" .

Обратите внимание, что в остальном он идентичен коду для гистограммы с накоплением. Опять же, это одно из преимуществ использования ggplot2 . Одна простая модификация позволяет вам изменить диаграмму с гистограммы с накоплением на гистограмму с накоплением 100%.

Зарегистрируйтесь сейчас, чтобы освоить основы науки о данных

Гистограмма является одним из «обязательных» инструментов в науке о данных.

Если вы хотите получить работу младшего специалиста по данным, вам нужно знать, как составлять сюжеты в этом посте «с закрытыми глазами». Гистограмма - простая техника, но она необходима.

Вы серьезно относитесь к овладению основами и ставите себя на путь становления лучшим исполнителем?

Хотите ли вы быть одним из первых нескольких процентов специалистов в области данных, которые будут приняты на работу, получат повышение и получат оплату?

Если вы это сделаете, подпишитесь на нашу рассылку.

Мы покажем вам советы и стратегии для овладения наукой о данных быстрее, чем вы, хотя возможно.

,