Programmieren mit R: ggplot2
Das Paket ggplot2 verwendet eine Grammatik beim Erzeugen von Grafiken. Diese basiert auf
Dadurch
- ist eine starke Abstraktion bei der Definition einer Grafik möglich,
- steht ein sehr flexibles Grafiksystem zur Verfügung.
Zuerst installieren wir das Paket (falls noch nicht geschehen)
> install.packages("ggplot2")
Die grundlegende Idee besteht darin die Bausteine eines Plots unabhängig voneinander zu definieren. Ein Plot besteht (kann bestehen) aus:
- den Daten (müssen immer als
data.frameangegeben werden) - einem Koordinatensystem
- einer Skala
- einem geometrischen Objekt zur Darstellung der Daten (
geom) - einer statistische Transformation der Daten (
stat) - falls dies gewünscht ist - ....
Die einzelnen Teile eines Plots werden dann mit dem + Operator zusammengefügt. Zur Initialisierung eines Plots können qplot() (quick plot) und ggplot() (grammar of graphics plot) verwendet werden. Wir konzentrieren uns auf ggplot().
Die nachfolgenden Beispiel verwenden hauptsächlich den Datensatz
> library(ggplot2)
> data(mtcars)
> head(mtcars, 4)
## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
um die verschiedenen Funktionalitäten darzustellen.
> ggplot(data = mtcars, aes(x = wt, y = mpg)) + geom_point()
ggplot2 vs. Standardgrafik
Im Vergleich zur Standardgrafik (siehe Anhang) ist ggplot2
aufwendiger bei einfachen Grafiken, weniger aufwendig bei komplexeren Grafiken und besitzt keine Methoden (Daten sollten von Klasse
data.framesein)
Eine einfache Grafik, wie das Histogramm eines Datenvektors, erzeugt man im Standard-Grafiksystem mit folgendem Befehl
> hist(mtcars$mpg)
Dieser ist deutlich kürzer und übersichtlicher als
> ggplot(mtcars, aes(x = mpg)) + geom_histogram(binwidth = 5)
Zur Verdeutlichung der Aussage über komplexere Grafiken, betrachten wir nachfolgendes Streudiagramm
> plot(mpg ~ hp, data = subset(mtcars, am == 1), xlim=c(50, 450), ylim = c(5, 40))
> points(mpg ~ hp, col = "red", data = subset(mtcars, am == 0))
> legend(400, 40, c("1", "0"), title = "am", col = c("black", "red"), pch = c(1, 1))
Hier wird mit plot() die eine Gruppe an Beobachtungen (Autos mit manueller Schaltung) geplottet und anschließend mit points() die zweite Gruppe (Automatikschaltungen) hinzugefügt. Abschließend muss noch
über legend() die Legende eingefügt werden. Im Vergleich dazu ist der Befehl
> ggplot(mtcars, aes(x = hp, y = mpg, color = factor(am))) + geom_point()
sehr elegant und präzise. Die verwendete Grammatik ermöglicht diese präziser Ausdrucksweise. Die Grundlagen dieser Grammatik werden nun im Rest dieses Abschnitts beschrieben.
aes()
Mit der Funktion aes() lässt sich das Aussehen der Grafik regeln (nicht der Inhalt). Wir können z.B.
- die Position:
xundy - die Farbe:
colorundfill - die Form:
shape - den Linientyp:
linetype - die Größe der Symbol:
size
festlegen. In der aes() Funktion sollten die Daten den Wert der Argumente bestimmen. Werden die Argumente auf fixe Werte gesetzt so sind sie in der entsprechenden geom_xx() Funktion zu setzen.
geom
Mit den geom_xx() Funktionen stellen wir die Daten als geometrische Formen in einer Grafik dar. Jede ggplot2 Grafik benötigt daher mindestens ein geom. Beispiele sind
geom_point()geom_line()geom_histogramm()
Eine Übersicht über die verfügbaren geoms findet man auf der Seite http://docs.ggplot2.org/current/
> library(gridExtra)
> p <- ggplot(mtcars, aes(x = hp, y = mpg))
> plot1 <- p + geom_point()
> plot2 <- p + geom_point(aes(y = log10(mpg)))
> grid.arrange(plot1,plot2, ncol = 2)
Mithilfe der aes() Funktion wurde festgelegt, dass in plot1 hp an der x- und mpg an der y-Achse angetragen werden sollen. Da für plot1 die Funktion geom_plot() keine weiteren Argumente enthält, wurden die Punkte dann auch gemäß der Vorgaben in ggplot() eingetragen. Im zweiten Plot hingegen, wurde über
geom_point() festgelegt, dass mpg in logarithmierter (zur Basis 10) Form angetragen werden soll.
Bemerkung: Man beachte auch die Verwendung von grid.arrange(). Im Standard-Grafiksystem hat man über par() die Möglichkeit das Grafikfenster in mehrere Bereiche aufzuteilen (siehe Konfigurierbarkeit). ggplot sieht diese Möglichkeit standardmäßig nicht vor. Daher benötigt man andere Pakete wie gridExtrafür diese Aufgabe.
Einem ggplot Objekt können wir (beliebig viele) weitere geoms hinzufügen, z.B. eine nichtparametrische Glättung der Daten.
> (plot3 <- plot1 + geom_smooth(method = "loess"))
Wählen wir die Farbe der geometrischen Objekte anhand einer Faktorvariable, so erhalten wir automatisch eine entsprechende Legende
> plot3 + geom_point(aes(color = wt), size = 3)
Die Funktion aes() erwartet, dass ihre Argument über die im betrachteten Datensatz enthaltenen Variablen definiert werden. Argumente, die fixe Werte haben - also nicht von speziellen Variablenwerten abhängen - sollten daher direkt als Argumente der Funktion, die aes() als Argument aufruft, übergeben werden.
> plot4 <- p + geom_point(aes(color = wt, size = 2), shape = 3)
> plot5 <- p + geom_point(aes(color = wt), size = 2, shape = 3) # korrekt
> grid.arrange(plot4, plot5, ncol = 2)
Statistische Transformationen
Jede geom_xx() Funktion besitzt eine Default Statistik, die berechnet wird.
> args(geom_point)
## function (mapping = NULL, data = NULL, stat = "identity", position = "identity",
## na.rm = FALSE, ...)
## NULL
Bei einem Scatterplot ist dies nur die Identität. Ein Balkendiagramm wiederum
> args(geom_bar)
## function (mapping = NULL, data = NULL, stat = "bin", position = "stack",
## ...)
## NULL
verwendet die Funktion stat_bin().
Die Argumente der stat_xx() Funktionen können über die geom_xx() Funktionen übergeben werden.
> p <- ggplot(mtcars, aes(x = mpg)) + geom_bar()
> q <- ggplot(mtcars, aes(x = mpg)) + geom_bar(stat = "bin", binwidth = 4)
> grid.arrange(p, q, ncol = 2)
Es ist oftmals auch einfacher die entsprechende geom_xx() Funktion passend zu verwenden als die stat_xx() Funktion direkt aufzurufen. Aber möglich ist dies natürlich, wie man in nachfolgendem Beispiel sieht.
> ggplot(mtcars, aes(x = mpg)) + stat_bin(aes(y = ..count..), binwidth = 4)
Mithilfe der stat_xx() Funktionen können aber auch neue Variablen berechnet werden, die dann grafisch dargestellt werden.
So könnte man beispielsweise bei einem Balkendiagramm statt der absoluten die relativen
Häufigkeiten darstellen ohne diese vorher zu berechnen. Dazu setzt man in aes() die y Koordinate auf die berechnete Größe ..count../sum(..count..). Wählt man für fill den gleichen Wert, so werden die Balken auch noch farblich entsprechend angepasst.
> p <- ggplot(mtcars, aes(x = factor(cyl))) + geom_bar(aes(fill=..count..))
> q <- ggplot(mtcars, aes(x = factor(cyl))) + geom_bar(aes(fill=..count../sum(..count..),
+ y = ..count../sum(..count..)))
> grid.arrange(p, q, ncol = 2)
scales
Im letzten Plot waren z.B. die Achsenbeschriftungen nicht schön. Über scales können Einstellungen dieser Art geändert werden. Die scales:
positioncolorundfillsizeshapeline type
können über die scale_"aesthetic"_"type" Funktionen modifiziert werden. Argumente dieser Funktionen sind z.B. name, limits, breaks oder labels.
> p <- ggplot(mtcars, aes(x = factor(gear), y = mpg)) + geom_point(aes(color = wt), size = 3)
> q <- p + geom_point(aes(color = wt)) + scale_x_discrete("Anzahl Gänge", breaks=c("3","4","5"),
+ labels = c("drei", "vier", "fünf"))
> (r <- q + scale_color_continuous("Gewicht", breaks = with(mtcars, c(min(wt), median(wt), max(wt))),
+ labels = c("leicht", "mittel", "schwer")))
Die Variablen gear ist diskret. Daher haben wir zur Anpassung des aesthetic x-Achse eine scale Funktion vom Typ discrete verwendet. wt hingegen ist eine stetige Variable. Somit wurde eine scale Funktion vom Typ continuous verwendet um das aesthetic color der Beobachtungspunkte, wie auch in der zugehörigen Legende, zu setzen. Dabei wurde in der Legende der kontinuierliche Werte Bereich von wt noch in drei Abschnitte untergliedert.
Analog könnte man nun über wt nicht die Farbe sondern die Größe der zu plottenden Symbole festlegen.
> ggplot(mtcars, aes(x = factor(gear), y = mpg)) + geom_point(aes(size = wt)) +
+ scale_size_continuous("Gewicht", range = c(2, 10))
facets
Datensätze lassen sich oftmals bzgl. vorhandener Variablen gruppieren. Dann will man Zusammenhänge weiterer Variablen innerhalb dieser Gruppen darstellen. Dazu kann man mit den facet Funktionen das Grafikfenster aufteilen. Im Unterschied zu par() im Standard-Grafiksystem oder der Verwendung von grid.arrange() stehen hier die einzelnen Bereiche der Grafik in Bezug zueinander. Sie hängen alle vom gleichen Datensatz ab.
> p <- ggplot(mtcars, aes(x = hp, y = mpg)) + geom_jitter(size = 3)
> q <- p + facet_grid(. ~ cyl)
> r <- p + facet_grid(cyl ~ .)
> grid.arrange(q, r, ncol = 2)
In der linken Grafik wurde das Grafikfenster also in drei Spalten aufgeteilt, da cyl recht von ~ steht. Analog erhält man drei Zeilen indem man cyl links von ~ setzt. Natürlich lässt sich das Grafikfenster auch in mehrer Zeilen und Spalten unterteilen. Dazu müssen schlichtweg links und rechts von ~ Bedingungen zur Unterteilung gesetzt werden.
> ggplot(mtcars, aes(x = hp, y = mpg)) + geom_jitter(size = 3) + facet_grid(am ~ cyl)
themes
Über themes kann man das Aussehen der nicht datenbezogenen Elemente einer Grafik verändern, wie z.B.
- die Beschriftungen
- den Hintergrund
- die Legende
- ....
Eine Reihe von themes sind bereits vorhanden, wobei theme_gray() das Default theme ist. Siehe auch ?theme_gray().
> p <- ggplot(mtcars, aes(x = hp, y = mpg, color = factor(cyl))) + geom_jitter(size = 4) +
+ labs(x = "PS", y = "Meilen pro Gallone", color = "Zylinder")
> q <- p + theme_bw()
> grid.arrange(p, q, ncol = 2)
Ein vorhandenes theme lässt sich also einfach über den + Operator anwenden. Wir möchten nun gerne folgende Änderungen an der Grafik vornehmen:
- die Größe der Achsenbeschriftung ändern
- die Gitterlinien ohne Beschriftung entfernen
- eine Überschrift hinzufügen
- die Legende in die Grafik verschieben
- die Hintergrundfarbe der Grafik und der Legende ändern
Die meisten dieser Änderungen können wir mit theme() durchführen.
> q <- p + labs(
+ title = "Scatterplot PS vs. Meilen pro Gallone") +
+ theme(
+ axis.text = element_text(size = 14),
+ legend.key = element_rect(fill = "navy"),
+ legend.background = element_rect(fill = "white"),
+ legend.position = c(0.90, 0.80),
+ panel.grid.major = element_line(colour = "grey40"),
+ panel.grid.minor = element_blank(),
+ panel.background = element_rect(fill = "navy")
+ )
Die Überschrift der Grafik haben wir über die Funktion labs() hinzugefügt. Das Ergebnis sieht nun folgendermaßen aus.
> q
Will man gewisse Einstellung öfter verwenden, so kann man diese auch in einem theme Objekt speichern und wiederverwenden.
> mein_theme <- theme(
+ axis.text = element_text(size = 14),
+ legend.key = element_rect(fill = "navy"),
+ panel.grid.major = element_line(colour = "grey40"),
+ panel.grid.minor = element_blank(),
+ panel.background = element_rect(fill = "navy")
+ )
> class(mein_theme)
## [1] "theme" "gg"
"Addieren" von mein_theme führt nun zu den gewünschten Änderungen.
> p + mein_theme
Literatur zu ggplot2
Dieser Abschnitt kann nur einen kleinen Einblick in das Paket ggplot2 geben. Eine ausführliche Dokumentation findet man im Buch
Wickham, H. (2009). ggplot2: Elegant Graphics for Data Analysis, Springer.
Dieses ist als eBook in der Bibliothek der TUM vorhanden.