[ R ] R과 python을 활용한 데이터 분석 시각화 #6(1)

 [ 데이터 시각화 ] 

R의 ggplot2 패키지 내 함수와 python의 matplotlib 패키지 내 함수를 사용하여 막대 차트(가로, 세로), 누적막대 차트, 점 차트, 원형 차트, 상자 그래프, 히스토그램, 산점도, 중첩자료 시각화, 변수간의 비교 시각화, 밀도그래프를 수업자료pdf 내 데이터를 이용하여 각각 시각화하고 비교하시오.

 

# 패키지 및 데이터 불러오기 

library(ggplot2) library(dplyr) data("iris") data("diamonds") data(VADeaths) data(galton)

• iris 데이터 사용
• diamonds 데이터 사용
• VADeaths 사용
• galton 사용

 

 

< R >

(1) 막대차트

 

#1 막대차트 데이터

chart_data <- c(305, 450, 320, 460, 330, 480, 380, 520)  names(chart_data) <- c("2018 1분기", "2019 1분기",                        "2018 2분기", "2019 2분기",                        "2018 3분기", "2019 3분기",                        "2018 4분기", "2019 4분기") chart_data_sub <- data.frame(name = names(chart_data) , data = chart_data)

 

 

#2 세로막대 시각화

ggplot(chart_data_sub, aes(name, data, fill = name)) +   geom_bar(colour="black", stat = 'identity') +   ylim(0,700) +    ggtitle("2018년도 vs 2019년도 매출현황 비교") +    ylab("매출액(단위 : 만원)") +   xlab("년도별 분기 현황") +    scale_fill_viridis(option='inferno', discrete=TRUE)

 

#3 가로막대 시각화

ggplot(chart_data_sub, aes(name, data, fill = name)) +   geom_bar(colour="black", stat = 'identity') +   ylim(0,700) +    ggtitle("2018년도 vs 2019년도 매출현황 비교") +    ylab("매출액(단위 : 만원)") +   xlab("년도별 분기 현황") +   coord_flip() +    scale_fill_viridis(option='inferno', discrete=TRUE)

 

 

(2) 누적막대차트

 

ggplot(diamonds,        aes(x=clarity,            fill=cut))+   geom_bar(colour="black", position='stack') +    scale_fill_viridis(option='inferno', discrete=TRUE)

 

 

(3) 점차트

 

#1 데이터 만들기

chart_data <- c(305, 450, 320, 460, 330, 480, 380, 520)  names(chart_data) <- c("2018 1분기", "2019 1분기",                        "2018 2분기", "2019 2분기",                        "2018 3분기", "2019 3분기",                        "2018 4분기", "2019 4분기")

 

 

#2 시각화

dot_chart <- data.frame(name = names(chart_data) , data = chart_data) ggplot(dot_chart, aes(data, name)) + ggtitle("분기별 판매현황 : 점차트 시각화") + xlab("매출액") +   geom_point(fill = 'white',shape = 21, color = names(chart_data), size = 4, stroke = 5)

 

 

(4) 원형차트

 

#1 데이터 만들기

chart_data <- c(305, 450, 320, 460, 330, 480, 380, 520)  names(chart_data) <- c("2018 1분기", "2019 1분기",                        "2018 2분기", "2019 2분기",                        "2018 3분기", "2019 3분기",                        "2018 4분기", "2019 4분기")

 

 

#2 시각화

circle_chart <- data.frame(name = names(chart_data) , data = chart_data) ggplot(circle_chart, aes(x='', y=data, fill = names(chart_data))) +    geom_bar(stat='identity', colour="black") +   theme_void() +    theme() +    theme(legend.position = "none") +   coord_polar('y',start=0) +    geom_text(aes(label=names(chart_data)),             position = position_stack(vjust = 0.5),              colour = "white") +    scale_fill_viridis(option='viridis', discrete=TRUE)

 

 

 

 

(5) 상자 그래프

 

#1 데이터 불러오기

data(VADeaths)

 

#2

Freq <- as.data.frame.table(VADeaths)

 

#3 시각화

ggplot(Freq, aes(Var2, Freq)) + geom_boxplot()

 

 

 

(6) 히스토그램

 

#1 데이터 불러오기

data(iris)

 

#2 시각화

ggplot(iris,aes(x=Sepal.Width)) +   geom_histogram(binwidth=0.2,                  color="yellow",                   fill="purple") +   xlab("Sepal Width") +   ylab("Frequency") +   ggtitle("Histogram of Sepal Width")

 

(7) 산점도

 

#1 데이터 불러오기

data(iris)

 

#2

ggplot(iris,aes(x=Sepal.Length,                 y=Sepal.Width,                 color=Species)) +   geom_point(aes(shape=Species),              size=1.5) +   xlab("Sepal Length")+   ylab("Sepal Width") +   ggtitle("Scatterplot")

 

 

 

 

(8) 중첩시각화

 

#1 데이터 불러오기

data(galton, package = "UsingR")  str(galton)

'data.frame': 928 obs. of  2 variables:  $ child : num  61.7 61.7 61.7 61.7 61.7 62.2 62.2 62.2 62.2 62.2 ...  $ parent: num  70.5 68.5 65.5 64.5 64 67.5 67.5 67.5 66.5 66.5 ...

 

#2 데이터 프레임으로 형변환

galtonData <- as.data.frame(table(galton$child, galton$parent)) str(galtonData )

'data.frame': 154 obs. of  3 variables:  $ Var1: Factor w/ 14 levels "61.7","62.2",..: 1 2 3 4 5 6 7 8 9 10 ...  $ Var2: Factor w/ 11 levels "64","64.5","65.5",..: 1 1 1 1 1 1 1 1 1 1 ...  $ Freq: int  1 0 2 4 1 2 2 1 1 0 ...

 

#3 시각화

names(galtonData) = c("child", "parent", "freq") ggplot(galtonData, aes(parent, child)) +   scale_size(range = c(1,15)) +   geom_point(aes(colour = freq, size = freq)) +   theme(legend.position = "none")

 

 

(9) 변수간의 비교 시각화

 

#1 데이터 불러오기

data(diamonds)

 

#2 시각화

ggplot(diamonds,        mapping=aes(x=price,y=carat)) +   facet_wrap(~cut) +   geom_point(aes(color=cut))+theme_bw()

 

 

 

(10) 밀도 그래프

 

#1 데이터 불러오기

data(iris)

 

#2 시각화

ggplot(iris,aes(Sepal.Width)) +   geom_density() +   xlab("Sepal Width") +   ylab("Density") +   ggtitle("Histogram & Density Curve")