首先，安裝下面這些要用到的 library。
|
library(ggplot2) library(dplyr) library(hexbin) data(diamonds) data(mpg) |
用點的大小或深淺來表現是什麼意思呢？我們同樣用檔案資料 mpg 來舉例，假設我們要看 class 和 cty 的關係，先用 xtabs() 功能來看看。
xtabs() 是 cross tabulation，是用來看一個 variable 裡面的分佈，或是用來看兩個 variables 之間的關係。
如果想看某個 variable 裡面的分佈，語法是：xtabs(~ var1, data)
我們可以先來看看 class 裡面的分佈。
| xtabs(~ class, mpg) |
| class 2seater compact midsize minivan pickup subcompact suv 5 47 41 11 33 35 62 |
會顯示出 2seater 有五個，compact 有 47 個，minivan 有十一個等等。
如果想看兩個 variables 之間的關係的話，語法是這樣：xtabs(~ var1 + var2, data)
例如想看 cty 和 class 之間的關係，也就是 class 裡面各種車型裡 cty 的分佈情形。
| xtabs(~ cty + class, mpg) |
從上面的表格可以看到 2seater 的五個裡面，cty = 15 的有三個，cty = 16 的有兩個。
接下來，我們可以用點圖來表現。
| ggplot(mpg, aes(class, cty)) + geom_point() |
如果想把點變小，可以這樣：（不過在這個例子裡把點變小沒什麼特別的意義）
| ggplot(mpg, aes(class, cty)) + geom_point(shape = '.') |
可以把上面的表和圖做對照，例如在 2seater 裡面有兩種 cty， 15 的有三個，16 的有兩個。不過在上圖看不出來 15 的比 16 的多，這時我們可以讓點依數量而深淺(或透明度)不同，用的語法是在 geom_point() 裡面加入：alpah = 1/n（分母越大越透明）
|
ggplot(mpg, aes(class, cty)) + geom_point(alpha = 1/10) |
除了用點的深淺或透明度呈現每個點的大小外，也可以用 geom_jitter()。當每個點有一個以上的量時，jitter 會用把它隨機分散。例如上面 2seater 裡的 15 有三個，在點圖上只呈現一個點，但在 jitter plot 上面會呈現出三個點。
|
ggplot(mpg, aes(class, cty)) + geom_jitter() |
geom_jitter() 原本是下面這樣，後來簡化成上面那樣。
|
ggplot(mpg, aes(class, cty)) + geom_point(position = 'jitter') |
可以看到 2seater 的 15 和 16 那附近有兩、三個點，但是因為預設值太分散了，所以分不清楚，這時我們可以設定其散落的範圍，例如把垂直移動(散落)的範圍設為 0，如此就能區分出 cty 的每個點，像是可以把 15 和 16 分開。
|
ggplot(mpg, aes(class, cty)) + geom_jitter(width = 0.2, height = 0) |
也可以和 box plot 重疊。Box plot 的中間那一條是 medium (中間值，不是平均值)，就是一個數列中，中間的那一個。上面那條線代表數列中的 25th percentiles (百分位)，也就是中間值到最大值間的中間值，叫 Q3；下面那條線則是數列中的 75th percentiles，就是中間值到最小值間的中間值 ，叫 Q1。Q1 和 Q3 之間的距離，也就是 Q3-Q1，叫做 IQR (interquartile range)。（還是不懂的可以看這個影片）
Box plot 的上下會有兩條鬚鬚，叫 whisker。它的長度在 R 裡的預設是 1.5，也就是：
max: Q3 + 1.5 * IQR
min: Q1 - 1.5 * IQR
我們先來看看 whisker 的預設是 1.5 是長怎樣(用預設的意思就是沒特別去設定)，同時也把 outlier 設了顏色和形式，看看圖會變成怎樣。
|
ggplot(mpg, aes(class, cty)) + geom_boxplot(outlier.colour = "red", outlier.shape = 1) + geom_jitter(width = 0.2, height = 0) |
outlier.shape = 的語法裡： 0 = square, 1 = circle, 2 = triangle
設定 whisker 長度的語法是：coef =
如果沒設的話就是 1.5 (如上圖)。如果設 coef = 0 的話，就是沒有那兩條鬚鬚。如果設為 coef = NULL，鬚鬚就會延伸到最大值和最小值。
|
ggplot(mpg, aes(class, cty)) + geom_boxplot(coef = NULL) + geom_jitter(width = 0.2, height = 0) |
或是和 violin plot 重疊，之前因為覺得這種圖用不上，所以沒介紹，不過在這邊可以和 jitter plot 重疊看看。
|
ggplot(mpg, aes(class, cty)) + geom_violin() + geom_jitter(width = 0.2, height = 0) |
再來，我們換特別的圖：geom_bin2b()
|
ggplot(mpg, aes(class, cty)) +
geom_bin2d() |
這個跟點圖的透明度類似，用顏色的深淺區分那個點的 count 有多少。
現在視覺話很夯，我們也可以用其他特別的圖來做視覺話，例如六角形的點。這個圖需要用到 library(hexbin)。
在這個圖裡，我們把 class 裡面的 2seater 的資料拿掉，把拿掉後的資料設為 mpg_df。如果你還記得的話， != 是指不等於，在這裡我們用 filter() 挑出 class 不是 2seater 的資料。
| mpg_d1 <- filter(mpg, class != '2seater') |
再用 mpg_df 來畫圖。
|
ggplot(mpg_d1, aes(class, cty)) + geom_hex() |
也可以用 %>% 把上面兩個合在一起。（這邊看不懂的話，請看這篇。）
| ggplot(mpg %>% filter(class != '2seater'), aes(class, cty)) + geom_hex() |
最後，來做個練習。
Visualize the relationship between weight and price of the diamond in the “diamonds” dataset. Try the strategies we’ve just discussed to deal with overplotting.
|
ggplot(diamonds, aes(carat, price)) + geom_point(alpha = 1/15) |
也可以這樣畫。
|
ggplot(diamonds, aes(carat, price)) + geom_hex() |
