[R4DS] 1장 데이터 시각화 - 05 통계적 변환

1.7 통계적 변환

막대그래프 (Bar plot)

막대그래프는 플롯에 대해 미묘한 것을 드러내기 때문에 흥미로운 차트이다. 막대그래프는 geom_bar() 로 그릴 수 있다.

다음은 diamond 데이터셋에서 cut으로 그룹한 다이아몬드의 총 개수를 나타낸다. diamonds 데이터 셋은 54000여개의 다이몬드를 대상으로 크기(carat), 컷팅레벨(cut), 색(color), 투명도(clarity) 등이 조사되어 있다.

ggplot(data = diamonds) +
	geom_bar(mapping = aes(x = cut))

위의 코드에서도 알 수 있듯이 y축에 count는 diamonds의 변수가 아니다. count는 데이터셋의 원 값으로 플롯을 그린다. 막대그래프와 같은 다른 그래프는 플롯으로 그릴 새로운 값을 계산한다.

• 막대그래프, 히스토그램, 빈도 다각형은 데이터를 빈(bin)계급으로 만든 후, 각 빈에 떨어지는 점들의 개수인 도수를 플롯한다.
• 평활 차트들은 데이터에 모델을 적합한 후 모델을 이용한 예측값을 플롯한다.
• 박스플롯은 분포의 robust한 요약값을 계산한 후 특수한 형태의 박스로 표시한다.

stat 인수의 기본값을 조사하면 한 지옴이 어떤 스탯을 사용하는지 알 수 있다. 예를 들어 ?geom_bar 를 하면 stat 이 "count"임을 보여준다. 이는 geom_bar() 가 stat_count() 를 사용한다는 의미이다.
또한 지옴과 스탯을 서로 바꿔서 사용할 수 있다. 예를 들어 이전 플롯을 geom_bar() 대신 stat_count() 를 사용하여 생성할 수 있다. 모든 지옴은 기본 스탯이 있고, 모든 스탯은기본 지옴이 있기때문에 가능하다.

ggplot(data = diamonds) +
	stat_count(mapping = aes(x = cut))

스탯을 사용하는 이유

• 기본 스탯을 덮어쓰고 싶을 수 있다.

다음의 코드에서 geom_bar() 의 스탯을 'count'에서 'identity'로 변경했다. 이렇게 하면 막대의 높이를 y변수의 원 값으로 매핑할 수 있다.

# library(dplyr)
demo <- tribble(
	~cut, ~freq,
	"Fair", 1610,
	"Good", 4906,
	"Very Good", 12082,
	"Premium", 13791,
	"Ideal", 21551)

ggplot(data = demo) +
	geom_bar(mapping = aes(x = cut, y = freq), stat = "identity")

• 변환된 변수에서 심미성으로 기본 매핑을 덮어쓰고자 할 수 있다

ggplot(data = diamonds) +
	geom_bar(mapping = aes(x = cut, y = ..prop.., group = 1))

• 코드에서 통계적 변환에 주의를 많이 집중시키고자 할 수 있다.

예를 들어 계산하는 요약값에 주의를 집중시키고자 고유한 x 값 각각에 대해 y 값을 요약하는 stat_summary() 를 사용할 수 있다.

ggplot(data = diamonds) +
	stat_summary(
		mapping = aes(x = cut, y = depth),
		fun.ymin = min,
		fun.ymax = max,
		fun.y = median)

연습문제

1. stat_summary() 와 연관된 기본 지옴은 무엇인가? 스탯 함수 대신 이 지옴함수를 사용하여 어떻게 이전 플롯을 다시 생성하겠는가?

• geom_pointrange() 지옴으로, 스탯 함수와 같은 플롯을 그릴 수 있다.

ggplot(data = diamonds)+
	geom_pointrange(
		mapping = aes(x = cut, y = depth),
		fun.min = min,
		fun.max = max,
		fun = median,
		stat = "summary")

2. geom_col() 의 역할은 무엇인가? geom_bar() 와 어떻게 다른가?

• geom_bar()는 막대의 높이를 각 그룹의 케이스 수에 비례하도록 만든다.(또는 가중치의 합)
• geom_col()는 막대의 높이가 데이터의 값을 나타낸다.

# geom_bar
ggplot(data = diamonds)+
geom_bar(mapping = aes(x = cut))

#geom_col
ggplot(data = diamonds)+
geom_col(mapping = aes(x = cut, y = depth))

y축의 범례를 보면 두 플롯의 차이를 알 수 있다. 왼)geom_bar 오)geom_col

3. 대부분의 지옴과 스탯을 쌍을 이루어 거의 항상 함께 사용된다. 도움말을 읽고 모든 쌍의 목록을 만들어라. 공통점은 무엇인가?

geom	stat	geom	stat
geom_bar()	stat_count()	geom_hex()	stat_hex()
geom_bin2d()	stat_bin_2d()	geom_density_2d()	stat_density_2d()
geom_sf()	stat_sf()	geom_density()	stat_density()
geom_violin()	stat_violin()	geom_count()	stat_sum()
geom_smooth()	stat_smooth()	geom_contour()	stat_contour()
geom_quantile()	stat_quantile()	geom_boxplot()	stat_boxplot()
geom_qq()	stat_qq()	geom_histogram()	stat_bin()
geom_qq_line()	stat_qq_line()	geom_freqpoly()	stat_bin()

default geom	stat	default geom	stat
geom_step()	stat_ecdf()	geom_area()	stat_density()
geom_path()	stat_ellipse()	geom_point()	stat_sum()
geom_rect()	stat_sf()	geom_contour()	stat_countour()
geom_violin()	stat_ydensity()	geom_boxplot()	stat_boxplot()
geom_smooth()	stat_smooth()	geom_tile()	stat_bin_2d()
geom_quantile()	stat_quantile()	geom_bar()	stat_count()
geom_point()	stat_qq()	geom_point()	stat_unique()
geom_path()	stat_qq_line()	geom_pointrange()	stat_summary()
geom_bar()	stat_bin()	geom_pointrange()	stat_summary_bin()
geom_hex()	stat_bin_hex()	geom_hex()	stat_summary_hex()
geom_density_2d()	stat_density_2d()	geom_tile()	stat_summary_2d()
geom_point()	stat_identity()	geom_path()	stat_function()

4. stat_smooth() 는 어떤 변수를 계산하는가? 이 동작을 제어하는 파라미터들은 무엇인가?

• stat_smooth() 는 geom_smooth() 와 같은 그래프를 그려 과적합 여부를 판별하는데 도움을 준다. 이 두 함수는 동일한 기능을 하지만 비표준도형으로 결과를 출력할 경우stat_smooth() 를 사용한다.

5. 비율 막대 그래프에서 group = 1이라고 설정했어야 했다. 왜 그런가? (다음 두 그래프의 문제는 무엇인가?)

# plot 1
ggplot(data = diamonds)+
	geom_bar(mapping = aes(x = cut, y = ..prop..))

# plot 2
ggplot(data = diamons)+
	geom_bar(mapping = aes(x = cut, fill = color, y = ..prop..))

왼쪽부터 각각 plot1, plot2

• 상대 빈도는 group 속성에 따라 계산을 하는데, 전체 데이터를 대상으로 상대 빈도를 구하기 위해 모든 데이터가 동일한 그룹이 되도록 group=1로 설정을 한다.