DAY13. R Basic (데이터 시각화)

1. 이산형 변수 시각화 
: 정수 단위로 나누어지는 변수(자녀수, 판매수, 자동차수)

 

차트 데이터 생성

chart_data <- c(305,450, 320, 460, 330, 480, 380, 520) 
names(chart_data) <- c("2016 1분기","2017 1분기","2016 2분기","2017 2분기","2016 3분기","2017 3분기","2016 4분기","2017 4분기")
str(chart_data)
chart_data

* Named num [1:8] : 1차원의 숫자형
* attr(*, "names")= chr [1:8] : 원소의 이름 정보

chart_data
range(chart_data) #305, 520
length(chart_data) #8

labels = names(chart_data)
labels #데이터 이름만 추출

1) 막대차트
세로막대차트

barplot(chart_data, ylim=c(0, 600), col=rainbow(8), #ylim : y축 눈금 값
        ylab='매출액(단위:천원)', xlab='년도별 분기현황',
        main='2016vs2017년 분기별 매출현황')

가로막대차트 : horiz = TRUE 속성 추가

barplot(chart_data, xlim=c(0, 600), horiz=TRUE, col=rainbow(8),
        ylab='년도별 분기현황', xlab='매출액(단위:천원)',
        main='2016vs2017년 분기별 매출현황')

범례 추가

barplot(chart_data, ylim=c(0, 700), col=rainbow(8), #ylim : y축 눈금 값
        ylab='매출액(단위:천원)', xlab='년도별 분기현황',
        main='2016vs2017년 분기별 매출현황',
        legend.text=names(chart_data), #범례텍스트
        args.legend=list(x='topleft'),#범례 위치
        )

차트 값에 text 추가
: 차트도 변수 추가 가능

bp = barplot(chart_data, ylim=c(0, 600), col=rainbow(8), #ylim : y축 눈금 값
        ylab='매출액(단위:천원)', xlab='년도별 분기현황',
        main='2016vs2017년 분기별 매출현황')

text 반영

text(x=bp, y=chart_data+20,
     labels=chart_data, cex=0.7) #x,y축의 좌표 설정

1행 2열 차트 그리기

par(mfrow=c(1,2))
VADeaths #시골vs도시 출신 사망 비율 자료
str(VADeaths) #num[1:5, 1:4] : 2차원 숫자형(매트릭스 구조)
#..$ : chr [1:5] "50-54" "55-59"... 행의 이름
#..$ : chr [1:4] "Rural Male" "Rural Female"... 열의 이름

왼쪽 : 개별막대

barplot(VADeaths, beside=T,
        col=rainbow(5),
        main="버지니아주 하위계층 사망비율")

오른쪽 : 누적형 막대차트

barplot(VADeaths, beside=F,
        col=rainbow(5),
        main="버지니아주 하위계층 사망비율")

1행 1열 시각화

par(mfrow=c(1,1))

2) 점 차트 (활용도 낮음)

dotchart(chart_data, color=c("green","red"),
         lcolor="black", 
         pch=1:2, labels=names(chart_data), #pch : 점의 모양
         xlab="매출액",
         main="분기별 판매현황 점 차트 시각화",
         cex=1.2) #cex=1.2 : 1.2배 확대/축소

3) 파이 차트 : 점유율 시각화

pie(chart_data, labels=names(chart_data),
    border='blue', col=rainbow(8), cex=1.2) #border : 경계선

파이 차트 주의사항 : 중복응답 반영 안 됨 (비율 제공)

genre = c(45,25,15,30) #각 값이 100중 어느정도의 비율을 차지하는지
sum(genre)
names(genre) = c('액션','스릴러','공포','드라마') #각 원소에 이름 추가
genre

pie(genre, labels=names(genre), #미리 지정해뒀던 name 값 꺼내오기
    col=rainbow(4))
title(main='영화 선호도 조사결과', cex.main=2)

비율 반환

ratio=prop.table(genre)*100 
ratio=round(ratio,4) #소수점 4자리까지만 출력

abels에 비율 적용

labels=paste(names(genre), '\n', ratio) #paste : 문자열을 하나로 묶어줌(레이블, 줄바꿈, )
labels

labels값을 차트에 추가

pie(genre, labels=labels, #미리 지정해뒀던 name 값 꺼내오기
    col=rainbow(4))
title(main='영화 선호도 조사결과', cex.main=2)

 

2. 연속형 변수 시각화
주어진 범위 안의 모든 연속 값(실수 값)을 갖는 변수
시간, 길이, 키, 몸무게, 나이...

1) 상자 그래프
요약통계 정보 -> 시각화 도구

[분석기사 예제] 요약통계에서 볼 수 없는 정보는?
[보기] 사분위수, 평균, 최소값, 최대값, 이상치, 분산
[정답] 분산

VADeaths
summary(VADeaths)
boxplot(VADeaths) #굵은 점선:Dedian
#summary 정보를 제공하는 차트

VADeaths[,1] #Rural Male
quantile(VADeaths[,1]) #0%   25%   50%   75%   100% 
                       #11.7 18.1  26.9  41.0  66.0 
                       #min  1st   2nd   3rd   max

 

 

2) 히스토그램 : 각 계급의 빈도수

str(iris)
table(iris$Species) #집단별 빈도수

range(iris$Spal.Lenght) #4,3,7,9

(1) 기본 히스토그램

hist(iris$Sepal.Length, xlab='꽃받침 길이',
     main='붓꽃의 꽃받침 길이')

(2) 계급 수 조정

hist(iris$Sepal.Length, xlab='꽃받침 길이',
     breaks=30,
     main='붓꽃의 꽃받침 길이')

(3) 확률 밀도 함수(pdf)
step1 : hist 밀도 단위 변경

hist(iris$Sepal.Width, xlab='꽃받침 넓이',
     main='붓꽃의 꽃받침 넓이',
     freq=FALSE, breaks=30)

step2 : 확률밀도함수(pdf) -> 확률 밀도 추정 -> 곡선 추가

lines(density(iris$Sepal.Width), col='red') #lines:곡선 출력 함수

(4) 정규분포 곡선

range(iris$Sepal.Width) #2.0 4.4

vector 변수 생성

x = seq(2.0, 4.4, 0.1)
x 
curve(dnorm(x, mean=mean(iris$Sepal.Width),#curve : 직선 그래프를 곡선으로 dnorm : 정규분포 만들어주는 함수
            sd=sd(iris$Sepal.Width)),
      col='blue', add = TRUE)

* 왜도와 청도로 정규분포 여부 구분가능

 

 

3. 산점도 : 2개 변수 이용

plot(iris$Sepal.Length, iris$Petal.Length) #plot(x,y) 컴마구분
plot(iris$Sepal.Length ~ iris$Petal.Length) #plot(y~x) 필드구분

1개 변수 이용

price = runif(n=100, min=1, max=100) #1~100사이의 난수(임의값)
price

plot(price) #x=index, y=price
par(mfrow=c(2,2)) # 2행 2열 차트 그리기
plot(price, type="l") # 유형 : 실선
plot(price, type="o") # 유형 : 원형과 실선(원형 통과)
plot(price, type="h") # 직선
plot(price, type="s") # 꺾은선

plot() 함수 속성 : pch : 연결점 문자타입-> plotting characher-번호(1~30)

plot(price, type="o", pch=5) # 빈 사각형
plot(price, type="o", pch=15)# 점 모양이 채워진 마름모
plot(price, type="o", pch=20, col="blue") #color 지정
plot(price, type="o", pch=20, col="orange", cex=1.5) #character expension(확대)
plot(price, type="o", pch=20, col="green", cex=2.0, lwd=3) #lwd : line width

 

만능차트

methods(plot) #29개 객체

1) 시계열 데이터 (추세선에 적합)

WWWusage
plot(WWWusage) #x축:통계 y축:시간의 흐름

2) 회귀모델 -> 회귀분석 차트 (자동으로 생성)

names=iris #iris의 변수명만 추출
model = lm(Petal.Length~Sepal.Length, data=iris) #formul:식. y(종속변수)~x(독립변수)

산점도

plot(Petal.Length~Sepal.Length, data=iris)

회귀선 

abline(model, col='red') #x와 y의 비례그래프
plot(model)

plot 2개를 겹치기

plot(iris$Sepal.Length, type='o', ann=FALSE, col='blue') #ann:축의 이름 FALSE 제외
par(new=T) #그래프 겹치기
plot(iris$Petal.Length, type='o', axes=FALSE, ann=FALSE, col='red')

* axes = FALSE : 축의 눈금 누름 제외

범례 추가

legend(x=0, y=7, legend=c('꽃받침의 길이','꽃잎의 길이'),
                          col=c('blue','red'), lty=1)

4)산점도 행렬(scatter matrix) : 변수 비교

pairs(iris[,-5], col=iris$Species) #연속형 변수 4개 사용
#setosa만 선형성이 모자람을 확인할 수 있음
plot(iris)

4. 3차원 산점도

3개의 요인을 겹치지 않게 볼 수 있음

install.packages('scatterplot3d')
library(scatterplot3d)

꽃의 종류별 분류 

iris_setosa = iris[iris$Species == 'setosa',] #[행에 대한 색인, (열 생략)]: #'setosa' 50개만 서브셋으로 만들어짐.
iris_versicolor = iris[iris$Species == 'versicolor',]
iris_virginica = iris[iris$Species == 'virginica',]
dim(iris_setosa) #50개, 5개

프레임 생성
scatterplot3d(밑변, 오른쪽변, 왼쪽변, type='n') 

d3 <- scatterplot3d(iris$Petal.Length, iris$Sepal.Length, iris$Sepal.Width, type='n')
#type='n' : 기본 산점도 제외

데이터 변수 시각화

d3$points3d(iris_setosa$Petal.Length, iris_setosa$Sepal.Length,
            iris_setosa$Sepal.Width, bg='orange', pch=21) #bg:색깔

d3$points3d(iris_versicolor$Petal.Length, iris_versicolor$Sepal.Length,
            iris_versicolor$Sepal.Width, bg='blue', pch=23) #pch=23:마름모

d3$points3d(iris_virginica$Petal.Length, iris_virginica$Sepal.Length,
            iris_virginica$Sepal.Width, bg='green', pch=25)