Skip to content

Latest commit

 

History

History
378 lines (230 loc) · 11.9 KB

README.md

File metadata and controls

378 lines (230 loc) · 11.9 KB
Raw

使用R進行視覺化吧！

用R進行資料整理與視覺化的工作坊的講義們在此！

  • 資料集下載：dropbox （Windows使用者請載註明big5的檔案，pokemon.csv及guns.csv是全英文檔案，應該不會有編碼問題）
  • 閱讀講課投影片

RStudio快捷鍵們

All RStudio keyboard shortcuts

功能 Windows & Linux Mac
顯示快捷鍵 Alt+Shift+K Option+Shift+K
自動補完 Tab or Ctrl+Space Tab or Command+Space
執行（單行／選取範圍） Ctrl+Enter Command+Enter
註解（單行／選取範圍） Ctrl+Shift+C Command+Shift+C
存擋 Ctrl+S Command+S
縮排 Ctrl+I Command+I

R是什麼東西R：Summit SHOW TIME

這邊可以先不用跟著做，但提供 code 給大家參考

如果要跟著做，可以先偷安裝一下套件：tidyverse

安裝：（如果已經安裝過就可以挑過這個步驟囉）

install.packages("tidyverse")

載入：

library("tidyverse")

先把 R 當成計算機

先來考考他～～數學好不好～～應該是比我好

1 + 1

感覺沒什麼問題，那三角函數呢？

sin(2017)

白色情人節剛過，也來拍一下吧

pi

統計是看家本領

當然也可以輕輕鬆鬆跑檢定：

# Kolmogorov-Smirnov Tests
ks.test(iris$Sepal.Length, iris$Petal.Length)

冷冰冰的數字不好玩，來畫個圖吧：

plot(density(iris$Sepal.Length), xlim = range(c(iris$Sepal.Length, iris$Petal.Length)), main = "Sample PDF")
lines(density(iris$Petal.Length), col = 2)

A/B Testing（媒體、電子商務、流量成長駭客必備工具

我們的 APP 推出了改版，要比較新舊 UI 功能的成效；於是 sample 了一群 user 試用新介面（功能）

  • 新介面（功能）：在 3000 點擊有 10 個購買
  • 舊介面（功能）：在 50000 點擊有 30 個購買

我怎麼知道這兩種方法的轉換率（購買／點擊）是不是明顯不同？

先安裝二項分配的套件：

install.packages("binom")

然後呼喚他：

library(binom)

來問問檢定這兩個方法的轉換率是否不同吧：

# Binomial confidence intervals
binom.confint(c(10, 30), c(3000, 50000), methods = "exact")

R基礎語法

向量式的運算

R的主打就是向量式的運算，什麼？你說請講中文？好吧那廢話不多說讓我們直接來看看R會吐什麼給我們，請分別輸入以下指令：

c(1, 2, 3, 4) + 1
c(1, 2, 3, 4) + c(2, 3, 4, 5)
c(1, 2, 3, 4) + c(2, 10)

R的哲學

To understand computations in R, two slogans are helpful:

  • Everything that exists is an object.
  • Everything that happens is a function call."

— John Chambers

R的神秘符號們

未完待續：

`+`

把值存進某個變數：

`<-`

取子集：

`[`

向量：

`c`

什麼是 function call？

1 + 1

等於：

`+`(1, 1)

+ 就是一個 function

沒關係不重要，搞懂Dataframe就好

（直翻）資料框，就是表格的意思啦

所以那是什麼東西 =_=

還是直接來看看吧。先來載入運動的資料集：

install.packages("Lahman")
library(Lahman)

撈一下已經不紅的（？）王葛格的資料：

wang <- hing %>% filter(playerID == "wangch01") %>% arrange(desc(yearID))

呼喚他的名字：

wang

看起來大概差不多就是長這種樣子（？）

一起來玩R

首先安裝／載入今天要使用使用的套件，懶人大禮包：tidyverse

大禮包內含：

安裝：（如果已經安裝過就可以挑過這個步驟囉）

install.packages("tidyverse")

載入：

library("tidyverse")

開始用ggplot2畫圖八！

讀入資料

我們把資料讀進來，存在traffic這個變數裡。

traffic <- read_csv("traffic_eng.csv")

接著一起來看看這個檔案長什麼樣子。用head()來看檔案的前幾行，括號內的第一個argument填入我們想看的資料traffic，n=3 則是告訴R我們想看前三行。

head(traffic, n=3)

探索資料　

  • 看一下時間分佈好了

用select()選擇time.month、time.day、time.hour、time.minute這四個欄位，然後用summary()看一下各欄位的基本統計值。

traffic %>%
    select(time.month, time.day, time.hour, time.minute) %>%
    summary()

看的出來是24小時制的紀錄方式，但如果想知道整體分配，這樣好像看不出什麼貓膩。改用group_by()來看看。這個函數可以把資料按照指定欄位——在這裡我們指定的是time.hour——分組排好，然後再用count()來計算每一組裡面有幾筆資料。最後把資料存在pivot.time.hour這個變數裡。

traffic %>%
    group_by(time.hour) %>%
    count() -> pivot.time.hour

接著來看看剛剛分好組的資料：

pivot.time.hour %>% head(5)

用肉眼雖然可以大致看出多少，但對各組之間相對的大小好像還是沒什麼概念，這時候就需要畫張圖來看看啦。

用ggplot2畫圖+探索資料

首先，用ggplot開一張畫布，並且存在qq裡，指定資料來自剛剛製作的pivot.time.hour：

qq <- ggplot(data = pivot.time.hour)

接著告訴R我們要畫長條圖geom_bar，用aes()指定x軸跟y軸。在此x軸使用time.hour這個欄位，y軸使用n，資料已經計算好個數，stat = "identity"指定使用的數據是已算好的結果：

qq <- qq + geom_bar(aes(x=time.hour, y=n), stat = "identity")

但東西畫到哪去了呢？用print()把他呼喚出來：

print(qq)

ggplot and Grammar of Graphics

  • ggplot遵循一套稱為"Grammar of Graphics"的設計準則，將圖表拆解成許多元素
  • 疊圖!
  • **aes()**代表了"Aesthetic mapping"，指定那些看的見的元素
  • 位置(x, y)、顏色(color, fill)、形狀(shape)、大小(size)......
  • **geom_**系列的函數，決定"Geometric object"，這些元素最後組成什麼圖表
  • 長條圖(bar)、散點圖(point)、折線圖(line)......etc.

實際來玩弄一下

圖表的類型可以輕易的被改變，利用折線圖geom_line()取代長條圖geom_bar()

qq <- ggplot(data = pivot.time.hour)
qq <- qq + geom_line(aes(x=time.hour, y=n))
print(qq)

當然也可以疊圖，在原本的圖上加上資料點：

qq <- qq + geom_point(aes(x=time.hour, y=n))
print(qq)

探索資料，more！

  • 來戰南北囉啊不對這是台北市的資料
  • 那就戰男女!!! 把剛才的時序資料，按照性別分開

先整理資料，用time.hour和party.gender來分組並且計數：

traffic %>% 
    group_by(time.hour, party.gender) %>% 
    count() -> pivot.hour.gender

然後看整理好的資料一眼：

pivot.hour.gender %>% head(3)

接著就可以來畫圖啦：

qq <- ggplot(data = pivot.hour.gender)
qq <- qq + geom_line(aes(x=time.hour, y=n, colour=party.gender))
print(qq)
  • aes()中依舊包含關於位置的資訊(x, y)，但是這次有新朋友colour=party.gender
  • 本來都是一樣的黑色，那顏色本身能不能包含資訊呢?
  • colour=party.gender代表「利用性別這個欄位，著上不同的顏色！」
  • colour, size, shape......等等，都可以用這種方式呈現！拿來做分類的標示

可是我的圖變成外星文ㄌ怎麼辦

  • R是洋人的玩意ㄦ，ggplot也是......八月丨五殺韃了!!!!

  • 預設字型，顯示不了中文！

  • 需要指定可以兼容的字型，交給**theme()**來處理這些資料以外的問題！

    qq <- ggplot(data = pivot.hour.gender) qq <- qq + geom_line(aes(x=time.hour, y=n, colour=party.gender)) qq <- qq + theme(text=element_text(family = "Microsoft JhengHei", colour="red")) print(qq)

如果是Mac用戶，請把紅色的字型部分改成"STHeiti"。

圖上的字型，現在都變成微軟正黑體/蘋果黑體的形狀啦!

這還不夠好！

把這張圖交出去的話會被電沒被電的話你要懷疑你上司的程度

問題在哪裡？

  • 沒有圖表標題
  • x軸與y軸是什麼意思?
  • x軸想要每3個小時畫一個標記，y軸的字能不能轉向?
  • 圖例補上標題，放在底下

來加上標題、座標軸吧

前面一樣開圖、設定字型：

qq <- ggplot(data = pivot.hour.gender)
qq <- qq + geom_line(aes(x=time.hour, y=n, colour=party.gender))
qq <- qq + theme(text=element_text(family = "Microsoft JhengHei"), # 不是Windows用戶記得改字型蛤
                 axis.title.y = element_text(angle = 0, vjust = 0.5), 
                 legend.position = "bottom")

加上標題跟座標軸：

qq <- qq + labs(title="台北市每時交通事故人數，按性別分",
                x="時間", y="人數")

設定x軸的範圍：

qq <- qq + scale_x_continuous(breaks = seq(0,24,3))

加上圖例的標題：

qq <- qq + scale_colour_discrete(name="當事人性別")

來看看：

print(qq)

去吧！我已經把我的寶藏藏在那裡了！

  • 試試看利用簡單的敘述統計跟ggplot，探索一下這筆資料吧!
  • 畫個「分鐘」的長條圖，你會發現警察登記時的習性

除了這個資料，我們準備了一些有趣的東西可以玩：

自由探索資料，等等上台分享～

示範資料作圖區

槍殺資料 guns.csv

  • 原始碼檔案：sample-code/gg_guns_race.R
  • 資料：sample-code/guns.csv 或 dropbox下載（From Kaggle）

讀入檔案

guns <- read.csv("~/Downloads/guns.csv")

# 調整
levels(guns$race)
# # [1] "Asian/Pacific Islander"         "Black"                         
# # [3] "Hispanic"                       "Native American/Native Alaskan"
# # [5] "White"  
levels(guns$race) <- c("亞裔", "非裔", "拉丁裔", "原住民", "白人")
levels(guns$race)
# # [1] "亞裔"   "非裔"   "拉丁裔" "原住民" "白人" 

levels(guns$intent)
# # [1] "Accidental"   "Homicide"     "Suicide"      "Undetermined"
levels(guns$intent) <- c("意外", "謀殺", "自殺", "未知")
levels(guns$intent)
# # [1] "意外" "謀殺" "自殺" "未知"

# 美國白人好厭世？
gg <- ggplot(data = guns)
gg <- gg + geom_bar(aes(x = age, fill = intent))
gg <- gg + facet_grid(race ~.)
gg <- gg + scale_x_continuous(breaks = seq(0,100,10))
gg <- gg + scale_fill_discrete(name="事件類型")
gg <- gg + theme(text=element_text(family="Noto Sans CJK TC", size=14), 
                 # 如果沒有安裝思源黑體，Windows 請用 "Microsoft JhengHei" / Mac 請用 "STHeiti"
                 axis.title.y = element_text(angle = 0, vjust = 0.5),
                 legend.position = "bottom")
gg <- gg + labs(y = "人數", x = "年齡", title = "美國白人好厭世？\n槍殺案死亡種族年齡分布圖")
print(gg)