install.packages("tidyverse")

library(tidyverse) 

url <- "https://github.com/mitti1210/myblog/blob/master/fim.csv?raw=true" 
dat <- read.csv(url)

dat_stat <-
  dat %>% 
    gather(key = 項目, value = 点数, 食事:合計, factor_key = TRUE) %>% 
    group_by(項目, sheet) %>% 
    summarize(平均 = mean(点数)) %>% 
    mutate(平均 = round(平均, 1)) 

p_1 <-
dat_stat %>% 
  filter(項目 == "合計") %>% 
  ggplot(aes(x = sheet, y = 平均)) +
  theme_gray(base_family = "HiraKakuPro-W3") +
  geom_bar(aes(fill = sheet), stat = "identity") +
  geom_text(aes(label = 平均), position = position_stack(vjust = 0.5)) +
  facet_wrap( ~ 項目) +
  labs(x = "", y = "") +
  guides(fill = "none")

p_2 <-
dat_stat %>% 
  filter(項目 %in% c("運動合計", "認知合計")) %>% 
  ggplot(aes(x = sheet, y = 平均)) +
  theme_gray(base_family = "HiraKakuPro-W3") +
  geom_bar(aes(fill = sheet), stat = "identity") +
  geom_text(aes(label = 平均), position = position_stack(vjust = 0.5)) +
  facet_wrap( ~ 項目) +
  labs(x = "", y = "") +
  guides(fill = "none")

p_3 <-
dat_stat %>% 
  filter(!項目 %in% c("運動合計", "認知合計", "合計")) %>% 
  ggplot(aes(x = sheet, y = 平均)) +
  theme_gray(base_family = "HiraKakuPro-W3") +
  geom_bar(aes(fill = sheet), stat = "identity") +
  geom_text(aes(label = 平均), position = position_stack(vjust = 0.5)) +
  facet_wrap( ~ 項目) +
  labs(x = "", y = "") +
  guides(fill = "none")

install.packages("gridExtra")

library(gridExtra) 

grid.arrange(p_1, p_2)

行数と列数を指定することもできます。

grid.arrange(p_1, p_3, ncol = 1)

ncol = 1は横には1つ並べるという意味になります（何もつけないとこれになる）。

grid.arrange(p_1, p_3, ncol = 2)

ncol = 2は横に2つ並べるとなります。
縦には制限なく並びます。

grid.arrange(p_1, p_2, p_3, ncol = 2, nrow = 2)

ncol = 2は横に2つ並べる、nrow = 2は縦に2つ並べるという意味になります。

grid.arrange(p_1, p_2, p_3, ncol = 2, nrow = 2, widths = c(2, 1), heights = c(2,3))

①自分でレイアウトを作る

3パターンレイアウトを作ってみました。



ポイントはmatrix型にすることです。rbind関数とc関数で縦につなぎます。

layout1 <- 
	rbind(c(1, 2),
                 c(1, 3))

layout2 <- 
	rbind(c(1, 3),
                 c(2, 3))

layout3 <- 
	rbind(c(1, 2),
                 c(3, 3))

②関数で作ったレイアウトを指定する

作ったレイアウトを指定するにはlayout_matrix = を指定します。
加えてwidths =とheights =で微調整しています。


レイアウト1

grid.arrange(p_1, p_2, p_3, layout_matrix = layout1, widths = c(1, 3), heights = c(1, 2.5))

レイアウト2

grid.arrange(p_1, p_2, p_3, layout_matrix = layout2, widths = c(1, 2))

レイアウト3

grid.arrange(p_1, p_2, p_3, layout_matrix = layout3, heights = c(1, 2))

7.まとめ

今回はパッケージを使って複数のグラフを1つにまとめる方法を紹介しました。

工夫次第でいろいろな見せ方ができます。gridExtraは便利なパッケージですのでぜひ試してみてください。

タグ ：

R

RStudio

ggplot2

gridExtra

facet_wrap

グラフ

食事〜階段までの13項目を運動項目（FIM_運動合計：13〜91点）
理解〜記憶までの5項目を認知項目（FIM_認知合計：5〜35点）
すべての合計をFIM_合計（18〜126点）

url <- "https://github.com/mitti1210/myblog/blob/master/fim.csv?raw=true" 
dat <- read.csv(url)
head(dat)

・グラフを作る際、FIM_○○の"FIM_"はいらないので消したい
・sheetごと、各項目ごとの平均を出したい。そのためにはwideデータになっているdatをlongデータにする必要がある
・グラフに数値を表示するときに小数点が続くと見栄えが悪いので、小数点第1位まで表示したい

install.packages("tidyverse")

library(tidyverse) 

names(dat) <- str_remove(names(dat), "FIM_")

dat_stat <-
  dat %>% 
    gather(key = 項目, value = 点数, 食事:合計, factor_key = TRUE) %>% 
    group_by(項目, sheet) %>% 
    summarize(平均 = mean(点数), 標準偏差 = sd(点数)) %>% 
    mutate(平均 = round(平均, 1)) 

names(dat)

names(dat) <- str_remove(names(dat), "FIM_")

  dat %>% 
    gather(key = 項目, value = 点数, 食事:合計, factor_key = TRUE) %>% 

  dat %>% 
    gather(key = 項目, value = 点数, 食事:合計, factor_key = TRUE) %>% 
    group_by(項目, sheet) %>% 
    summarize(平均 = mean(点数), 標準偏差 = sd(点数)) 

dat %>% 
    gather(key = 項目, value = 点数, 食事:合計, factor_key = TRUE) %>% 
    group_by(項目, sheet) %>% 
    summarize(平均 = mean(点数), 標準偏差 = sd(点数)) %>% 
    mutate(平均 = round(平均, 1)) 

names(dat) <- str_remove(names(dat), "FIM_")

dat_stat <-
  dat %>% 
    gather(key = 項目, value = 点数, 食事:合計, factor_key = TRUE) %>% 
    group_by(項目, sheet) %>% 
    summarize(平均 = mean(点数), 標準偏差 = sd(点数)) %>% 
    mutate(平均 = round(平均, 1)) 

ggplot() +
  theme_gray(base_family = "HiraKakuPro-W3") +
  geom_bar(data = dat_stat, aes(x = sheet, y = 平均, fill = sheet), stat = "identity") +
  facet_wrap( ~ 項目)

ggplot() +
  theme_gray(base_family = "HiraKakuPro-W3") +
  geom_bar(data = dat_stat, aes(x = sheet, y = 平均, fill = sheet), stat = "identity") +
  facet_wrap( ~ 項目, scales = "free")

・合計
・運動項目合計, 認知項目合計
・下位項目

・filter関数を使い抽出し、そのまま %>% でグラフ作成まで行ってみます。

・datから %>% でつないでggplot() + 〜と直接つなげるとdata = datを省略できます。

このようにするとdat_statのデータだけで完結します（dat_stat_合計みたいな変数を作らなくて済む）

下のコードの中にはdata = datが入っていないことを確認してみてください

・x軸の「sheet」とy軸の「平均」はいらないのでlabs関数で消します

・棒グラフはx軸の名前と凡例が同じなので凡例を消します

凡例を消すにはguides(fill = "none")を追加します

・facet_wrapでは軸を固定するためscales = "free"は追加しません

p_1 <-
dat_stat %>% 
  filter(項目 == "合計") %>% 
  ggplot(aes(x = sheet, y = 平均)) +
  theme_gray(base_family = "HiraKakuPro-W3") +
  geom_bar(aes(fill = sheet), stat = "identity") +
  geom_text(aes(label = 平均), position = position_stack(vjust = 0.5)) +
  facet_wrap( ~ 項目) +
  labs(x = "", y = "") +
  guides(fill = "none")

p_2 <-
dat_stat %>% 
  filter(項目 %in% c("運動合計", "認知合計")) %>% 
  ggplot(aes(x = sheet, y = 平均)) +
  theme_gray(base_family = "HiraKakuPro-W3") +
  geom_bar(aes(fill = sheet), stat = "identity") +
  geom_text(aes(label = 平均), position = position_stack(vjust = 0.5)) +
  facet_wrap( ~ 項目) +
  labs(x = "", y = "") +
  guides(fill = "none")

p_3 <-
dat_stat %>% 
  filter(!項目 %in% c("運動合計", "認知合計", "合計")) %>% 
  ggplot(aes(x = sheet, y = 平均)) +
  theme_gray(base_family = "HiraKakuPro-W3") +
  geom_bar(aes(fill = sheet), stat = "identity") +
  geom_text(aes(label = 平均), position = position_stack(vjust = 0.5)) +
  facet_wrap( ~ 項目) +
  labs(x = "", y = "") +
  guides(fill = "none")

タグ ：

R

RStudio

ggplot2

棒グラフ

facet_wrap

gather

filter

group_by

summarize

グラフ

【3-5】Rのggplot2で密度曲線を作るgeom_density関数

【3-6】Rのggplot2で箱ひげ図を作るgeom_boxplot関数

【3-7】棒グラフの基本とRのggplot2で棒グラフを作るgeom_bar関数

【3-8】ggplot2で折れ線グラフを作るgeom_line関数



今回はヒートマップを紹介します。



ヒートマップはx軸,y軸だけでなくタイルの色で3次元的な表現ができます。
ヒートマップといえば天気アプリの雨雲予報などでも見られますが、今回は集計したデータを折れ線グラフとヒートマップで比べてみるとどうなるかをRのコードを書きながら紹介したいと思います。


1.使用するデータ

今回は【2-7】Excelの複数シートをRで一気に読み込むで取り込んだデータを使用します。
ただすぐに始められるように以下のコードを用意しました。
氏名、年齢、病院で使用するFIMという架空のデータです。
FIM18項目ありそれぞれ1〜7点で採点します（合計18〜126点）。
またFIMを3回計測し、sheetという列には1回目,2回目,3回目が入っています。

url <- "https://github.com/mitti1210/myblog/blob/master/fim.csv?raw=true"

dat <- read.csv(url)

2.データハンドリング

今回はFIMの中でもFIM_食事のデータだけを使います。
dat_eat：datから氏名,sheet,FIM_食事の列だけを抜き出す
dat_eat_summarize：dat_eatからsheet毎の平均を集計
dat_eat_stat：1〜7点がそれぞれ何人ずついるかカウント


今回はselect関数, rename関数, group_by関数, summarize関数, n関数, この後グラフ作成で使うggplot2関数は全てtidyverseパッケージに含まれます。

まだtidyverseパッケージを一度も使ったことがなければインストールします。

install.packages("tidyverse")

既にインストールしていればlibrary関数で呼び出します。

library(tidyverse) 

もしデータハンドリングを練習しているところであれば下のコードをみながら作成してみてください。

dat_eat <- 
	dat %>% 
	select(氏名, sheet, FIM_食事) 


dat_eat_summarize <- 
	dat_eat %>% 
	group_by(sheet) %>% 
	summarize(平均 = mean(食事), 項目 = "食事")



dat_eat_stat <- 
	dat %>% 
	select(FIM_食事, sheet) %>% 
	group_by(sheet, FIM_食事) %>% 
	summarize(n = n()) 

ポイントは以下2つです。
dat_eat_summarizeでは折れ線グラフを作成するのに項目という列を追加しました。
dat_eat_statで個数を数える場合はn()を使います。()の中は何も入れません。

まだなれない場合は下のリンクを参照してください。

【2-4】Rで指定した列や行だけを取り出すselect関数、slice関数、filter関数を紹介します

【2-6】Rでgroup_by関数とsummarize関数を使ってグラフ作成に必要な統計量（平均や標準偏差など）を求める

【演習2】データハンドリングの基礎を復習します


3.折れ線グラフを作る

まずは折れ線グラフを作ってみます。
折れ線グラフはgeom_line関数、数値を入れる場合はgeom_text関数です。

参照：【3-8】ggplot2で折れ線グラフを作るgeom_line関数


平均の折れ線グラフ

まずdat_eat_summarizeを使って平均の折れ線グラフを作ります。
ylim関数はy軸の最大値と最小値を設定します。

ggplot() +

	theme_classic(base_family = "HiraKakuPro-W3") +

	geom_line(data = dat_eat_summarize, aes(x = sheet, y = 平均, group = 項目), color = "red") +
	geom_text(data = dat_eat_summarize, aes(x = sheet, y = 平均, label = 平均), vjust = -1, color = "red") +

	ylim(0, 7)

実際の生データと平均を組み合わせる

要約としてはこれでもいいですが、実際のデータも確認してみたいと思います。

実際のデータはdat_eatにあるので使います。group = 氏名 にすると患者毎の折れ線グラフを作ることができます。またcolor = "gray" として薄くしたほうが平均の線が目立ちます。

ggplot() +

	theme_classic(base_family = "HiraKakuPro-W3") +

	geom_line(data = dat_eat, aes(x = sheet, y = FIM_食事, group = 氏名), color = "gray") +

	geom_line(data = dat_eat_summarize, aes(x = sheet, y = 平均, group = 項目), color = "red") +
	geom_text(data = dat_eat_summarize, aes(x = sheet, y = 平均, label = 平均), vjust = -1, color = "red") 

4.ヒートマップを作る

上の折れ線グラフもいいのですが、線が重なっているので数字が多いのか少ないのかわかりません。
そのため次はヒートマップを作成してみます。

ヒートマップはgeom_tile関数、またはgeom_raster関数です。

geom_tile関数でヒートマップの色を指定するのにfillを指定します。
使うデータはdat_eat_stat, x軸にsheet（1〜3回目） , y軸にFIM_食事（1〜7点）, 色をn（カウント数）としたいので以下になります。

geom_tile(data = dat_eat_stat, aes(x = sheet, y = FIM_食事, fill = n)) 

ggplot() +
	
	theme_gray(base_family = "HiraKakuPro-W3") +

	geom_tile(data = dat_eat_stat, aes(x = sheet, y = FIM_食事, fill = n)) 

5.タイルの色を変える

タイルの色を変えるにはscale_fill_gradientn関数を使います。
折れ線グラフの線の色を変える時はscale_color_gradientn関数でした。
今回は中の色を指定するのでcolorではなくfillになっています。
colours =で2色指定するとグラデーションができます。
3色以上指定すると中間の色も指定できます。

ggplot(data = dat_eat_stat) +

	theme_gray(base_family = "HiraKakuPro-W3") +

	geom_tile(aes(x = sheet, y = FIM_食事, fill = n)) +

	scale_fill_gradientn(colours = c("yellow", "red"))

すると1→3回目になるにつれて7点が増えていることがわかります。


6.ヒートマップに数値を加える

ヒートマップで傾向はつかめますが数値も欲しいところです。
棒グラフや折れ線グラフの時と同様にgeom_text関数を使います。

【3-7】棒グラフの基本とRのggplot2で棒グラフを作るgeom_bar関数

【3-8】ggplot2で折れ線グラフを作るgeom_line関数

ggplot() +

	theme_gray(base_family = "HiraKakuPro-W3") +

	geom_tile(data = dat_eat_stat, aes(x = sheet, y = FIM_食事, fill = n)) +

	scale_fill_gradientn(colours = c("yellow", "red")) +

	geom_text(data = dat_eat_stat, aes(x = sheet, y = FIM_食事, label = n)) 

よく見るとgeom_tileもgeom_textも"data = dat_eat_stat, aes(x = sheet, y = FIM_食事" までは同じなので下のようにまとめることができます。

ggplot(data = dat_eat_stat, aes(x = sheet, y = FIM_食事)) +
 	theme_gray(base_family = "HiraKakuPro-W3") +
 	geom_tile(aes(fill = n)) +
  	scale_fill_gradientn(colours = c("yellow", "red")) +
  	geom_text(aes(label = n)) 

数値が入ったことで見やすくなりました。



7.ヒートマップに折れ線グラフを組み合わせる

更にヒートマップと折れ線グラフを重ねてみます。
ポイントは下に書いたコードが上に配置されます。

1番上：数値
2番目：折れ線グラフ
3番目：ヒートマップ

順番が大事です。

ggplot() +

	theme_gray(base_family = "HiraKakuPro-W3") +

	geom_tile(data = dat_eat_stat, aes(x = sheet, y = FIM_食事, fill = n)) +

	scale_fill_gradientn(colours = c("yellow", "red")) +

	geom_line(data = dat_eat, aes(x = sheet, y = FIM_食事, group = 氏名), color = "gray") +

	geom_text(data = dat_eat_stat, aes(x = sheet, y = FIM_食事, label = n)) 

これで十分ではありませんが、数値の変化も少し追えるようになりました。


8.全部のグラフを重ねる

過剰かもしれませんが、上のグラフに平均の折れ線グラフも加えてみます。
順番に注意してください。

ggplot() +

	theme_gray(base_family = "HiraKakuPro-W3") +

	geom_tile(data = dat_eat_stat, aes(x = sheet, y = FIM_食事, fill = n)) +

	scale_fill_gradientn(colours = c("yellow", "red")) +

	geom_line(data = dat_eat, aes(x = sheet, y = 食事, group = 氏名), color = "gray") +

	geom_line(data = dat_eat_summarize, aes(x = sheet, y = 平均, group = 項目), color = "red", size = 1.5) +

	geom_text(data = dat_eat_stat, aes(x = sheet, y = FIM_食事, label = n)) +

	geom_text(data = dat_eat_summarize, aes(x = sheet, y = 平均, label = 平均), vjust = -1, color = "black") 

9.まとめ

今回はヒートマップを紹介しました。
難しそうに感じますが、x軸とy軸にfillを加えるだけでヒートマップができてしまいます。
いろいろアイデアを試してみるとggplot2やその前のデータハンドリングの理解にもつながりますので、3章の他のグラフも見ながらグラフ作成に挑戦してみてください。

タグ ：

R

RStudio

ggplot2

geom_line

geom_tile

geom_raster

グラフ

ヒートマップ

データハンドリング