• Data Visualization
• ggplot2 in R
  • 基本架構介紹
  • 起手式(基本語法)
  • 應用(各種圖形的呈現)
    • Bar
    • Line
    • Histogram
    • Boxplot
    • point
  • 進階技巧
• 互動式視覺化呈現

• 清晰有效地傳達與溝通訊息
• 教學、研究、宣傳
• 美學、功能兼顧
• 統計圖形、訊息可視化

• 資料 (data) 和映射 (mapping)
• 幾何對象 (geometric)
• 座標尺度 (scale)
• 統計轉換 (statistics)
• 座標系統 (coordinante)
• 圖層 (layer)
• 刻面 (facet)
• 主題 (theme)

ggplot(data=..., aes(x=..., y=...)) + 
  geom_xxx(...) +
  stat_xxx(...) + 
  facet_xxx(...) + ...

• ggplot 描述 data 從哪來
• aes 描述圖上的元素跟 data 之類的對應關係
• geom_xxx 描述要畫圖的類型及相關調整的參數
• 常用的類型諸如：geom_bar, geom_line, geom_points, …

library(ggplot2)
# list all geom
ls(pattern = '^geom_', env = as.environment('package:ggplot2'))

 [1] "geom_abline"     "geom_area"       "geom_bar"       
 [4] "geom_bin2d"      "geom_blank"      "geom_boxplot"   
 [7] "geom_col"        "geom_contour"    "geom_count"     
[10] "geom_crossbar"   "geom_curve"      "geom_density"   
[13] "geom_density_2d" "geom_density2d"  "geom_dotplot"   
[16] "geom_errorbar"   "geom_errorbarh"  "geom_freqpoly"  
[19] "geom_hex"        "geom_histogram"  "geom_hline"     
[22] "geom_jitter"     "geom_label"      "geom_line"      
[25] "geom_linerange"  "geom_map"        "geom_path"      
[28] "geom_point"      "geom_pointrange" "geom_polygon"   
[31] "geom_qq"         "geom_quantile"   "geom_raster"    
[34] "geom_rect"       "geom_ribbon"     "geom_rug"       
[37] "geom_segment"    "geom_smooth"     "geom_spoke"     
[40] "geom_step"       "geom_text"       "geom_tile"      
[43] "geom_violin"     "geom_vline"     

• 使用 data.frame 儲存資料 (不可以丟 matrix 物件)
• 使用 long format (利用reshape2將資料轉換成 1 row = 1 observation)

# 先定義一個資料表
data <- data.frame(身份 = c("大學部","研究所","教授","講師","助教"), 
                   人數 = c(20,15,5,2,3))
# plot
ggplot(data = data, aes(x = 身份, y = 人數)) + 
  geom_bar(stat = "identity") +
  theme_grey(base_family = "STHeiti") 

• 安裝套件

install.packages(c("ggplot2","dplyr","reshape2"),repos="http://cran.csie.ntu.edu.tw/")

• 載入套件

library(ggplot2)
library(dplyr)
library(reshape2)

注意：下載完套件一定要記得 library 才能使用喲！

• 課程資料下載

############### 絕對路徑 ###############
# 請輸入完整的檔案路徑
data <- read.csv("/Users/hsiaoling/Desktop/data/transaction.csv") #如果你是mac
data <- read.csv("C:\\Users\\transaction.csv") #如果你是windows

############### 相對路徑 ###############
# 瞭解現在我們所處在的路徑
getwd()
# 設定我們檔案存放的路徑
setwd() 
# 讀檔起手式
data <- read.csv("transaction.csv") 
# 若讀入的是亂碼，試試以下
data <- read.csv("transaction.csv",fileEncoding = 'big5')  #如果你是mac
data <- read.csv("transaction.csv",fileEncoding = 'utf-8') #如果你是windows

    city district trac_year trac_month            trac_type
1 臺北市   士林區       102          1      房地(土地+建物)
2 臺北市   中山區       102          1      房地(土地+建物)
3 臺北市   中山區       102          1 房地(土地+建物)+車位
4 臺北市   北投區       102          1      房地(土地+建物)
5 臺北市   中山區       102          1      房地(土地+建物)
     trac_content use_type                 build_type build_ymd area_land
1 土地1建物1車位0       住      公寓(5樓含以下無電梯)    701109      35.0
2 土地1建物1車位0       商 住宅大樓(11層含以上有電梯)    701228      10.7
3 土地1建物1車位1       商            套房(1房1廳1衛)    970114       8.5
4 土地1建物1車位0       商 住宅大樓(11層含以上有電梯)    851218       4.7
5 土地1建物1車位0       住     華廈(10層含以下有電梯)    970624      31.0
  area_build area_park price_total price_unit age
1         61       0.0     6380000     105263  32
2        104       0.0    12010000     114928  32
3         52       8.6    10080000     194070   5
4         39       0.0     4600000     116900  17
5        185       0.0    23800000     128510   5

• 進行分析前，先去了解資料的型態與特性

str(data)

'data.frame':   153598 obs. of  15 variables:
 $ city        : Factor w/ 4 levels "高雄市","臺北市",..: 2 2 2 2 2 2 2 2 2 2 ...
 $ district    : Factor w/ 99 levels "阿蓮區","八里區",..: 63 96 96 5 96 5 5 38 38 42 ...
 $ trac_year   : int  102 102 102 102 102 102 102 102 102 102 ...
 $ trac_month  : Factor w/ 12 levels "1","2","3","4",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ trac_type   : Factor w/ 2 levels "房地(土地+建物)",..: 1 1 2 1 1 2 2 2 2 2 ...
 $ trac_content: Factor w/ 327 levels "土地0建物0車位0",..: 57 57 58 57 57 62 62 58 64 167 ...
 $ use_type    : Factor w/ 5 levels "工","農","其他",..: 5 4 4 4 5 5 5 5 1 5 ...
 $ build_type  : Factor w/ 12 levels "辦公商業大樓",..: 6 12 10 12 7 7 7 12 1 12 ...
 $ build_ymd   : int  701109 701228 970114 851218 970624 1010724 1010724 1000414 1010531 870910 ...
 $ area_land   : num  34.96 10.71 8.51 4.7 30.97 ...
 $ area_build  : num  60.6 104.5 51.9 39.4 185.2 ...
 $ area_park   : num  0 0 8.55 0 0 ...
 $ price_total : num  6380000 12010000 10080000 4600000 23800000 ...
 $ price_unit  : int  105263 114928 194070 116900 128510 218147 204716 174613 133648 27658 ...
 $ age         : int  32 32 5 17 5 1 1 2 1 15 ...

• 暸解基本的各變數統計量值

summary(data)

     city          district        trac_year     trac_month   
 高雄市:34460   淡水區 :  7172   Min.   :102   12     :15206  
 臺北市:24238   西屯區 :  5974   1st Qu.:102   5      :15079  
 臺中市:37482   新莊區 :  5955   Median :102   4      :14682  
 新北市:57418   北屯區 :  5881   Mean   :102   3      :14523  
                新店區 :  5873   3rd Qu.:102   7      :13805  
                中和區 :  5719   Max.   :102   6      :13392  
                (Other):117024                 (Other):66911  
                trac_type              trac_content   use_type     
 房地(土地+建物)     :91613   土地1建物1車位0:66792   工  :  3233  
 房地(土地+建物)+車位:61985   土地1建物1車位1:41031   農  :   577  
                              土地2建物1車位0:14537   其他:  8206  
                              土地1建物1車位2: 7195   商  : 26205  
                              土地2建物1車位1: 4787   住  :115377  
                              土地3建物1車位0: 4691                
                              (Other)        :14565                
                      build_type      build_ymd         area_land     
 住宅大樓(11層含以上有電梯):70725   Min.   : 100602   Min.   :     0  
 公寓(5樓含以下無電梯)     :23211   1st Qu.: 780326   1st Qu.:    13  
 透天厝                    :21954   Median : 870506   Median :    22  
 華廈(10層含以下有電梯)    :20365   Mean   : 868754   Mean   :    42  
 套房(1房1廳1衛)           : 9709   3rd Qu.: 991201   3rd Qu.:    36  
 店面(店鋪)                : 2888   Max.   :1030313   Max.   :127088  
 (Other)                   : 4746                                     
   area_build      area_park        price_total           price_unit     
 Min.   :    0   Min.   :      0   Min.   :         0   Min.   :      0  
 1st Qu.:   85   1st Qu.:      0   1st Qu.:   4900000   1st Qu.:  42685  
 Median :  124   Median :      0   Median :   8400000   Median :  67880  
 Mean   :  153   Mean   :     25   Mean   :  12879580   Mean   :  86176  
 3rd Qu.:  179   3rd Qu.:      9   3rd Qu.:  14580000   3rd Qu.: 111173  
 Max.   :79669   Max.   :2400000   Max.   :8800000000   Max.   :4284119  
                                                        NA's   :461      
      age    
 Min.   :-1  
 1st Qu.: 3  
 Median :15  
 Mean   :15  
 3rd Qu.:24  
 Max.   :92  
             

• geom_bar
• 先來看看2013年在各縣市的案件交易量

thm <- function() theme(text=element_text(size = 15, family = "STHeiti")) # 控制字體與大小
    # STHeiti是只有Mac才有的字體, 用來解決Mac系統中文顯示錯誤的問題
    # Windows系統使用者請忽略 `+ thm()` 指令
data %>% 
  ggplot(aes(x=city)) + geom_bar(stat = "count") + thm() # stat = "count" 算個數

data %>% 
  ggplot(aes(x=city)) + geom_bar(stat = "count") + thm() +
  labs(title="各縣市交易量",x="縣市",y="交易量") # lab用來幫圖形的標題、x軸與y軸做命名

• 顏色調整：color vs fill?

data %>% 
  ggplot(aes(x=city)) + geom_bar(stat = "count") + thm() +
  labs(title="各縣市交易量",x="縣市",y="交易量") +
  geom_bar(fill='snow', color='black') # see colors() if you're picky

• 看臺北市各行政區的案件交易量

# 資料整理
data %>% 
  filter(city == "臺北市") %>% 
  group_by(district) %>% 
  summarise(amount=n()) -> table # dplyr::n 用來計數

# A tibble: 12 × 2
   district amount
     <fctr>  <int>
1    北投區   2416
2    大安區   1755
3    大同區   1092
4    南港區    989
5    內湖區   3598
6    士林區   1859
7    松山區   1556
8    萬華區   1584
9    文山區   2197
10   信義區   1585
11   中山區   4410
12   中正區   1197

table %>% 
  ggplot(aes(x=district,y=amount)) +
  geom_bar(stat = "identity") + thm() # stat='identity'以表格的值做為bar的高度

table %>% 
  ggplot(aes(x=reorder(district,-amount), y=amount)) +
  geom_bar(stat='identity') + thm() +
  labs(titles = "臺北市各行政區交易量", x = "行政區", y = "案件數")

• 計算臺北市&高雄市的各使用分區或編定(use_type)所佔比例

Source: local data frame [10 x 4]
Groups: city [2]

     city use_type amount  rate
   <fctr>   <fctr>  <int> <dbl>
1  高雄市       工    196 0.006
2  高雄市       農    123 0.004
3  高雄市     其他    532 0.015
4  高雄市       商   7582 0.220
5  高雄市       住  26027 0.755
6  臺北市       工    442 0.018
7  臺北市       農      3 0.000
8  臺北市     其他   1709 0.071
9  臺北市       商   7323 0.302
10 臺北市       住  14761 0.609

data %>% 
  filter(city == "臺北市" | city == "高雄市" ) %>% 
  group_by(city,use_type) %>% 
  summarise(amount = n()) %>% 
  mutate(rate = round(amount/sum(amount),2) ) -> table

table %>% 
  ggplot(aes(x = city, y = rate, fill = use_type)) +
  geom_bar(stat = 'identity', position = 'stack') + thm() # stack類別堆疊

table %>% 
  ggplot(aes(x = city, y = rate, fill = use_type)) +
  geom_bar(stat = 'identity', position = 'dodge')  + # dodge類別並排
  thm() + scale_fill_discrete(name  ="使用分區或編定")  # 設定圖例的顯示

• geom_line
• 各月份交易量

data %>% 
  group_by(trac_month) %>% 
  summarise(amount=n()) -> table
table

# A tibble: 12 × 2
   trac_month amount
       <fctr>  <int>
1           1  10367
2           2   7871
3           3  14523
4           4  14682
5           5  15079
6           6  13392
7           7  13805
8           8  11714
9           9  10814
10         10  13166
11         11  12979
12         12  15206

table %>% 
  ggplot(aes(x=trac_month,y=amount,group=1)) +
  geom_line() + thm() + labs(x = "交易月份" , y = "交易數量")

• 各縣市各月份交易量比較

data %>% 
  group_by(city,trac_month) %>% 
  summarise(amount=n()) -> table
table

Source: local data frame [48 x 3]
Groups: city [?]

     city trac_month amount
   <fctr>     <fctr>  <int>
1  高雄市          1   2511
2  高雄市          2   1897
3  高雄市          3   3355
4  高雄市          4   3524
5  高雄市          5   3378
6  高雄市          6   3097
7  高雄市          7   3063
8  高雄市          8   2573
9  高雄市          9   2354
10 高雄市         10   2590
# ... with 38 more rows

table %>% 
  ggplot(aes(x=trac_month,y=amount,group=city,color=city)) +
  geom_line() + geom_point() + thm() + 
  labs(x = "交易月份" , y = "交易數量")

• geom_histogram

data %>% 
  ggplot(aes(x=age, y =..count..)) + 
  geom_histogram()

• aes(y=..count..) vs. aes(y=..density..)

data %>% 
  ggplot(aes(x=age, y =..density..)) + 
  geom_histogram()

data %>% 
  ggplot(aes(x=age, y =..density.., fill =..count..)) + # fill 依指定欄位填色
  geom_histogram(binwidth=.5) 

• geom_histogram() + geom_density()

data %>% 
  ggplot(aes(x=age,y=..density..)) + 
  geom_histogram(color="black", fill="white") +
  geom_density(alpha=.2, fill="#FF6666") # alpha設定透明度

• geom_boxplot

data %>% 
  ggplot(aes(x=city,y=price_unit)) + 
  geom_boxplot() + thm() + 
  labs(x = "縣市" , y = "每平方公尺價格(元)")

data %>% 
  ggplot(aes(x=city,y=price_unit)) + 
  geom_boxplot() + thm() + 
  labs(x = "縣市" , y = "每平方公尺價格(元)") + 
  coord_cartesian(ylim = c(0, 2000000)) # 設定y軸上下界線

data %>% 
  ggplot(aes(x=city,y=log(price_unit))) + 
  geom_boxplot() + thm() + # geom_boxplot(outlier.shape = NA) outlier不顯示
  labs(x = "縣市" , y = "log(每平方公尺價格(元))")

• geom_point

iris %>% 
  ggplot(aes(x=Sepal.Length, y=Petal.Length, color=Species)) + 
  geom_point(shape=1, size=2) # shape控制圖示；size控制點的大小

• 參數放在aes()函數裡面，表示資料依據指定欄位內容做不同的shape/size變化

iris %>% 
  ggplot(aes(x=Sepal.Length, y=Petal.Length, 
             color=Species, shape = Species, size = Species)) + geom_point() +
  scale_shape_manual(values=c(1,5,7)) +  # 控制 shape 顯示圖示
  scale_size_manual(values=c(1,2,3))   # 控制圖示 size 顯示大小

• Fit regression line

iris %>% 
  ggplot(aes(x = Sepal.Length, y = Petal.Length)) + 
  geom_point() +
  stat_smooth(method=lm, level=.95) # add se=FALSE to disable CI

• 比較各縣市在各月份下的交易量

data %>% 
  group_by(city,trac_month) %>% # 選擇縣市、交易月份作為分群
  summarise(total = n()) -> table # 計算分群下的總數
table %>% 
  ggplot(aes(x = trac_month, y = total ,fill = city))+
    geom_bar(stat='identity') + thm()

table %>% 
  ggplot(aes(x = trac_month, y = total ,fill = city))+
    geom_bar(stat='identity') + thm() +
    facet_wrap( ~city , nrow = 2) +
    labs(x = "交易月份" ,y="交易量")

table %>% 
  ggplot(aes(x = trac_month, y = total ,fill = city))+
    geom_bar(stat='identity') + thm() +
    facet_wrap( ~ city , nrow = 2) +
    labs(x = "交易月份" ,y="交易量") +
    coord_flip() 

• 利用RStudio UI介面存擋
• 畫完圖之後，再存檔~~

ggsave('檔案名稱')
ggsave("plot.pdf", width = 4, height = 4)
ggsave("plot.png", width = 4, height = 4, dpi = 300)

• Plotly是一個資料視覺化的R套件，以簡單的方式，讓資料能夠產生互動的效果。
• 提供一個合作平台，使用者能夠將自己在R中繪製的圖存上屬於自己的Plotly平台上。
• Plotly官方網站
• 結合了各式各樣的API，包裝Python、R、Malab、…等等

• 當然～ggplot2也能夠輕易地使用plotly轉換成互動式的圖表！！

• 直接從CRAN內下載

# Plotly is now on CRAN!
install.packages("plotly")
# install the latest development version (on GitHub) via devtools

• 或是從github上下載，但前提是先安裝devtools

# install.packages("devtools")
devtools::install_github("ropensci/plotly")

• 安裝完，一樣別忘了要library！

library(plotly)

• 先將要畫的圖存成一個物件

iris %>% 
  ggplot(aes(Petal.Width, Sepal.Length, colour=Species)) +
    geom_point() -> a
a

ggplotly(a)

• ggplot2 cheat sheet from RStudio Inc.

• Graphs with ggplot2

• ggplot2 官方文件

• Rcolorbrewer調色盤

• Plotly ggplot2 Library

• highcharter套件介紹

• 了解自己的需求，詢問關鍵字與函數

• Taiwan R User Group

• ptt R_Language版

• R軟體使用者論壇

• StackOverflow

• 歡迎來信 ling32342@gmail.com 與我一起交流！