輕鬆學習 R 語言：基礎探索資料分析以內建繪圖系統 Base Plotting System 作資料視覺化Yao-Jen KuoBlockedUnblockFollowFollowingMar 13Photo by Joshua Ness on UnsplashThe simple graph has brought more information to the data analyst’s mind than any other device.
John Tukey在成功將資料輸入 R 語言開發環境，並成功將載入資料框處理完畢以後之後，下一步要進行的會是探索資料分析（Exploratory Data Analysis，EDA），透過這個步驟可以幫助資料科學團隊暸解資料的外觀、維度以及變數的分佈等資訊，我們可以透過 R 語言的函數與內建繪圖系統：Base Plotting System 來輔助完成探索資料分析的任務。其中常用的內建函數包含像是 nrow() 、 ncol() 、 dim() 、 summary() 、 str() 、 head() 以及 tail() 在輕鬆學習 R 語言：基礎資料框處理章節中已經有了詳盡介紹與範例。Base Plotting System這個章節我們要聚焦的是 Base Plotting System，她是 R 語言內建的繪圖系統，提供系列函數各自負責繪製一種圖形，在檢視之前我們先用以清單羅列這些函數藉此獲得清晰的概觀。hist() ：直方圖boxplot() ：盒鬚圖plot() ：散佈圖plot(.
, type = "l") ：線圖curve() ：曲線圖barplot() ：長條圖關於示範資料：Gapminder被 Bill Gates 大力推薦、譽為是他「人生中閱讀過最重要的作品之一，帶領讀者清晰認識世界的指南」，Factfulness 一書是由瑞典 Karolinska 醫學院的國際衛生學教授 Hans Rosling(1948–2017) 所著，Hans Rosling 創辦 Gapminder 基金會，他最著名的 TED Talk: The Best Stats You’ve Ever Seen 被資料科學愛好者奉為視覺化溝通的典範；利用 4 分鐘、使用 1 張互動式圖表、援引超過 12 萬列資料、清晰傳達全世界 200 多個國家、近 200 年的財富及健康演變趨勢。Hans Rosling’s 200 Countries, 200 Years, 4 Minutes — The Joy of Stats — BBC Four我們將使用 R 語言的套件 gapminder 來載入一個簡易版 gapminder 資料作為多個視覺化圖形的示範資料。## > # 安裝 gapminder 套件## > # install.
packages("gapminder")## > # 載入 gapminder 套件## > library(gapminder)## > # 觀察有幾個觀測值、幾個變數## > dim(gapminder)## [1] 1704 6## > # 觀察摘要## > summary(gapminder)## country continent year lifeExp ## Afghanistan: 12 Africa :624 Min.
:1952 Min.
:23.
60 ## Albania : 12 Americas:300 1st Qu.
:1966 1st Qu.
:48.
20 ## Algeria : 12 Asia :396 Median :1980 Median :60.
71 ## Angola : 12 Europe :360 Mean :1980 Mean :59.
47 ## Argentina : 12 Oceania : 24 3rd Qu.
:1993 3rd Qu.
:70.
85 ## Australia : 12 Max.
:2007 Max.
:82.
60 ## (Other) :1632 ## pop gdpPercap ## Min.
:6.
001e+04 Min.
: 241.
2 ## 1st Qu.
:2.
794e+06 1st Qu.
: 1202.
1 ## Median :7.
024e+06 Median : 3531.
8 ## Mean :2.
960e+07 Mean : 7215.
3 ## 3rd Qu.
:1.
959e+07 3rd Qu.
: 9325.
5 ## Max.
:1.
319e+09 Max.
:113523.
1 ## ## > # 觀察詳細資訊## > str(gapminder)## Classes ‘tbl_df’, ‘tbl’ and 'data.
frame': 1704 obs.
of 6 variables:## $ country : Factor w/ 142 levels "Afghanistan",.
: 1 1 1 1 1 1 1 1 1 1 .
## $ continent: Factor w/ 5 levels "Africa","Americas",.
: 3 3 3 3 3 3 3 3 3 3 .
## $ year : int 1952 1957 1962 1967 1972 1977 1982 1987 1992 1997 .
## $ lifeExp : num 28.
8 30.
3 32 34 36.
1 .
## $ pop : int 8425333 9240934 10267083 11537966 13079460 14880372 12881816 13867957 16317921 22227415 .
## $ gdpPercap: num 779 821 853 836 740 .
## > # 觀察前六個觀測值與後六個觀測值## > head(gapminder)## # A tibble: 6 x 6## country continent year lifeExp pop gdpPercap## <fct> <fct> <int> <dbl> <int> <dbl>## 1 Afghanistan Asia 1952 28.
8 8425333 779.
## 2 Afghanistan Asia 1957 30.
3 9240934 821.
## 3 Afghanistan Asia 1962 32.
0 10267083 853.
## 4 Afghanistan Asia 1967 34.
0 11537966 836.
## 5 Afghanistan Asia 1972 36.
1 13079460 740.
## 6 Afghanistan Asia 1977 38.
4 14880372 786.
## > tail(gapminder)## # A tibble: 6 x 6## country continent year lifeExp pop gdpPercap## <fct> <fct> <int> <dbl> <int> <dbl>## 1 Zimbabwe Africa 1982 60.
4 7636524 789.
## 2 Zimbabwe Africa 1987 62.
4 9216418 706.
## 3 Zimbabwe Africa 1992 60.
4 10704340 693.
## 4 Zimbabwe Africa 1997 46.
8 11404948 792.
## 5 Zimbabwe Africa 2002 40.
0 11926563 672.
## 6 Zimbabwe Africa 2007 43.
5 12311143 470.
探索數值分佈使用 hist() 函數繪製直方圖來探索數值的分佈，函數命名是 histogram 的縮寫，以探索 gapminder 資料中人均 GDP（ gdpPercap 變數）之分佈為例。## > # 安裝 gapminder 套件## > # install.
packages("gapminder")## > # 載入 gapminder 套件## > library(gapminder)## > # 探索 gdpPercap 變數的分佈## > hist(gapminder$gdpPercap)探索 gdpPercap 變數的分佈探索不同類別與數值分佈的關係使用 boxplot() 函數繪製盒鬚圖來探索不同類別與數值分佈的關係，以探索 gapminder 資料中不同洲別（ continent 變數）的人均 GDP（ gdpPercap 變數）分布差異為例。## > # 安裝 gapminder 套件## > # install.
packages("gapminder")## > # 載入 gapminder 套件## > library(gapminder)## > # 探索不同洲別的人均 GDP 分布差異## > boxplot(gdpPercap ~ continent, data = gapminder)探索不同洲別的人均 GDP 分布差異探索數值與日期（時間）的關係使用 plot(.
, type = "l") 函數繪製線圖來探索數值與日期（日期時間）的變化趨勢，以探索 gapminder 資料中台灣的人均 GDP（ gdpPercap 變數）與年份（ year 變數）之變化趨勢為例。## > # 安裝 gapminder 套件## > # install.
packages("gapminder")## > # 載入 gapminder 套件## > library(gapminder)## > # 探索台灣的人均 GDP 與年份之變化趨勢## > twn <- gapminder[gapminder$country == "Taiwan", ]## > plot(twn$year, twn$gdpPercap, type = "l")探索人均 GDP 與年份之變化趨勢探索兩個數值相關的關係使用 plot() 函數繪製散佈圖來探索兩個數值相關的關係，以探索 gapminder 資料中人均 GDP（ gdpPercap 變數）與預期壽命（ lifeExp 變數）之相關為例。## > # 安裝 gapminder 套件## > # install.
packages("gapminder")## > # 載入 gapminder 套件## > library(gapminder)## > # 探索人均 GDP 與預期壽命之相關## > plot(gapminder$gdpPercap, gapminder$lifeExp)探索人均 GDP 與預期壽命之相關探索類別的頻率使用 barplot() 函數繪製長條圖來探索類別的頻率，以探索 gapminder 資料中 1704 個觀測值中各大洲的資料筆數為例，這裡可以呼叫 table() 函數，它的作用就像樞紐分析，可以協助我們統整資料。## > # 安裝 gapminder 套件## > # install.
packages("gapminder")## > # 載入 gapminder 套件## > library(gapminder)## > # 探索各大洲的資料筆數## > barplot(table(gapminder$continent))探索 1704 個觀測值中各大洲的資料筆數繪畫函數使用 curve() 函數能夠將內建或者自訂的函數外觀繪製出來，但由於函數輸入的值域很廣（可能為負無限大至正無限大），所以 curve() 函數會有兩個參數 from 與 to 指定輸入範圍，舉例來說可以將 sin() 函數在 -pi 與 pi 之間描繪出來。## > curve(sin, from = -pi, to = pi)描繪 sin() 函數在 -pi 與 pi 之間的外觀如果是自訂函數 squared() : f(x) = x² 亦可以用 curve() 函數將它在 -3 與 3 之間描繪出來。## > squared <- function(x) {## + return(x**2)## + }## > curve(squared, from = -3, to = 3)描繪 squared() 函數在 -3 與 3 之間的外觀Base Plotting System 常用的自訂元件我們已經快速地瀏覽過 Base Plotting System 所提供的基礎系列函數，有時候可能基於美觀或解釋性，需要在作圖時加入一些自訂元件，內建的繪圖系統中常見會調整的部分像是：自訂標題、X 軸標籤與 Y 軸標籤加入格線調整圖形為水平方向調整刻度顯示方向調整刻度文字大小在直方圖上加上密度曲線調整資料點的形狀與顏色繪畫多個圖形在繪圖函數中加入 main、 xlab 與 ylab 這三個參數就能夠指定圖形的標題、X 軸標籤與 Y 軸標籤，其中 lab 是 label 的縮寫。## > # 安裝 gapminder 套件## > # install.
packages("gapminder")## > # 載入 gapminder 套件## > library(gapminder)## > # 在直方圖加上標題與標籤## > hist(gapminder$gdpPercap, main = "GDP Per Capita is left-skewed", xlab = "GDP Per Capita", ylab = "Freq")在直方圖加上標題與軸標籤繪圖之後呼叫 grid() 函數能夠為圖形加上 X 軸與 Y 軸的格線。## > # 安裝 gapminder 套件## > # install.
packages("gapminder")## > # 載入 gapminder 套件## > library(gapminder)## > # 探索人均 GDP 與預期壽命之相關## > plot(gapminder$gdpPercap, gapminder$lifeExp, main = "Life Expectancy is positively related to GDP Per Capita", xlab = "GDP Per Capita", ylab = "Life Expectancy")## > # 加上格線## > grid()為圖形加上 X 軸與 Y 軸的格線在繪圖函數中指定參數 horiz = TRUE 調整圖形成為水平方向，其中 horiz 參數是 horizontal 的縮寫。## > # 安裝 gapminder 套件## > # install.
packages("gapminder")## > # 載入 gapminder 套件## > library(gapminder)## > # 探索各大洲的資料筆數## > barplot(table(gapminder$continent), main = "Number of Observations in Gapminder", xlab = "Number of Observations", ylab = "Continents", horiz = TRUE)調整圖形成為水平方向當我們將長條圖水平放置時，發現洲別的文字方向不適當，這時我們可以指定參數 las = 1 讓文字與座標軸垂直。## > # 安裝 gapminder 套件## > # install.
packages("gapminder")## > # 載入 gapminder 套件## > library(gapminder)## > # 探索各大洲的資料筆數## > barplot(table(gapminder$continent), main = "Number of Observations in Gapminder", xlab = "Number of Observations", horiz = TRUE, las = 1)讓文字與座標軸垂直當我們讓洲別文字與座標軸垂直之後發現 Americas 刻度文字被切去了開頭，我們可以指定參數 cex.
name 將 Y 軸的刻度文字縮小一些。其中 cex 是 character expansion factor 的縮寫，指的是相對於預設值 1 的文字縮放倍數。## > # 安裝 gapminder 套件## > # install.
packages("gapminder")## > # 載入 gapminder 套件## > library(gapminder)## > # 探索各大洲的資料筆數## > barplot(table(gapminder$continent), main = "Number of Observations in Gapminder", xlab = "Number of Observations", horiz = TRUE, las = 1, cex.
name = 0.
8)將 Y 軸的刻度文字縮小一些假如想調整 X 軸的刻度文字大小，我們可以指定參數 cex.
axis 。## > # 安裝 gapminder 套件## > # install.
packages("gapminder")## > # 載入 gapminder 套件## > library(gapminder)## > # 探索各大洲的資料筆數## > barplot(table(gapminder$continent), main = "Number of Observations in Gapminder", xlab = "Number of Observations", horiz = TRUE, las = 1, cex.
name = 0.
8, cex.
axis = 1.
2)將 X 軸的刻度文字放大一些以 density() 函數搭配 lines() 函數產生密度曲線，並調整直方圖的參數 freq = FALSE 來加上密度曲線。在直方圖上加上密度曲線指定參數 pch 與 col 可以分別調整資料點的形狀與顏色，pch 是 plotting character 的縮寫，而 col 是 color 的縮寫。## > # 安裝 gapminder 套件## > # install.
packages("gapminder")## > # 載入 gapminder 套件## > library(gapminder)## > # 探索人均 GDP 與預期壽命之相關## > plot(gapminder$gdpPercap, gapminder$lifeExp, main = "Life Expectancy is positively related to GDP Per Capita", xlab = "GDP Per Capita", ylab = "Life Expectancy", pch = 2, col = "red")資料點改成紅色的空心三角形實務應用會是以不同類別區分資料點的形狀與顏色，而非單純指定 pch 與 col 參數。## > # 安裝 gapminder 套件## > # install.
packages("gapminder")## > # 載入 gapminder 套件## > library(gapminder)## > # 探索人均 GDP 與預期壽命之相關## > continent_pch <- as.
numeric(gapminder$continent)## > plot(gapminder$gdpPercap, gapminder$lifeExp, pch = continent_pch, col = gapminder$continent)以不同類別區分資料點的形狀與顏色在呼叫繪圖函數之前先用 part(mfrow = c(m, n)) 將畫布切割為 mxn 個區塊，藉此將多個圖形繪畫在同一個畫布上，其中 mfrow 是 matrix of figures entered row-wise 的縮寫。## > # 安裝 gapminder 套件## > # install.
packages("gapminder")## > # 載入 gapminder 套件## > library(gapminder)## > # 將畫布切割為 2×2## > par(mfrow = c(2, 2))## > # 探索各大洲的資料筆數## > barplot(table(gapminder$continent))## > barplot(table(gapminder$continent), main = "Number of Observations in Gapminder", xlab = "Number of Observations", ylab = "Continents", horiz = TRUE)## > barplot(table(gapminder$continent), main = "Number of Observations in Gapminder", xlab = "Number of Observations", horiz = TRUE, las = 1)## > barplot(table(gapminder$continent), main = "Number of Observations in Gapminder", xlab = "Number of Observations", horiz = TRUE, las = 1, cex.
name = 0.
6)將多個圖形繪畫在同一個畫布上我們可以利用 RStudio 介面中右下角的 Plots 頁籤點選 Export 輸出視覺化成為 PDF 或圖片檔格式，並調整輸出格式、路徑、檔名、長度與寬度。輸出成為 PDF 或圖片檔格式調整輸出格式、路徑、檔名、長度與寬度我們雖然已經介紹了一定程度關於 Base Plotting System 的技巧，但是這些功能都只佔其中非常小的一部分，因為繪圖可以調整的參數與功能實在太豐富了，在有限的章節內容我們只能夠探討探索性分析常用的繪圖需求。實務上在使用繪圖功能時多半會伴隨大量的官方文件查詢、Google 搜尋與 StackOverflow 搜尋，所以如果您在一開始遭遇到很多的困難，這是再正常不過的情形了，請耐住性子，多畫幾次就會漸入佳境的！小結在這個小節中我們簡介以 R 語言實踐基礎探索資料分析，以內建繪圖系統 Base Plotting System 作資料視覺化，包含基礎的繪圖函數與常用的自訂元件。延伸閱讀Data Visualization in RThis course provides a comprehensive introduction to working with base graphics in R.
www.
datacamp.
com.