R | ggplot: 其他圖型變化 - 密度和重疊圖

這篇要介紹其他的圖型變化，例如用點的大小、深淺(透明度)，或是兩種圖重疊來表現。

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()