カテゴリ:統計 > R

第3章ではggplot2を使ったグラフの作り方について説明してきました。

【3-1】ExcelにはないRでグラフを作るメリットと特徴

【3-2】ggplot2でグラフを作る流れを説明します

【3-3】Rのggplot2で散布図を作るgeom_point関数

【3-4】Rのggplot2でヒストグラムを作るgeom_histogram関数

【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

【3-9】ggplot2でヒートマップを作るgeom_tile関数




今回は少し実用的な場面としてテストの結果を下位項目も含めてまとめてグラフに表示するを目指したいと思います。



以前仕事で1日で130個以上のグラフをExcelでコピペの手作業で作るという苦行をしたことがあるのですが、この方法で一気に作れるようになりました。

【3-4】Rのggplot2でヒストグラムを作るgeom_histogram関数でfacet_grid関数について説明しましたが、今回はfacet_wrap関数を紹介します。


また下位項目をまとめてグラフで表示するためにはデータハンドリングも必要になります。
データハンドリングについては2章で説明していますのでそちらもご参照ください。




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。

またFIMには運動項目と認知項目というサブグループがあります。

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)

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)
head(dat)

このデータからFIMの合計点と下位項目が1〜3回目でどのように変化したのかをグラフにしてみたいと思います。なお今回は棒グラフで平均を出します。


2.データハンドリング

【3-9】ggplot2でヒートマップを作るgeom_tile関数ではFIM_食事の項目だけを使いましたが、今回は全ての下位項目を使用します。

グラフ作成にあたり、以下をイメージしてデータハンドリングします。
・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

今回もtidyverseパッケージを使用します。

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) 

以下1例と解説です。

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)) 



data.frameの名前を変更する方法

names関数を使うとdata.frameの列名をベクトルとして出してくれます。

names(dat)


そして直接変更するにはrename関数などありますが、同じ長さのベクトルを準備すると一括して入れ替えることができます。

names(dat) <- 同じ長さのベクトル


指定した文字列を消すstr_remove関数

str_remove関数は指定した文字を消す事ができます。

str_remove(ベクトル, "消したい文字列")

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


wideデータからlongデータに変える


wide, longデータについてはこちらの記事で紹介しています。




  dat %>% 
    gather(key = 項目, value = 点数, 食事:合計, factor_key = TRUE) %>% 
項目が五十音順にならないようにfactor_key = TRUEを指定します。



group_by関数とsummarize関数で集計する


項目とsheet毎に集計を行うにはgroup_by関数summarize関数を使います。



  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)) 


四捨五入する

mutate関数round関数を使って平均の値を四捨五入します。




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)) 


まとめると最初のコードになります。

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)) 


3.棒グラフを作成する

棒グラフを作るにはgeom_bar関数を使います。
棒グラフに数値を乗せる方法も紹介しています。





macの日本語文字化け対策にヒラギノ角ゴ Pro W3 ("HiraKakuPro-W3"を使っています。
windowの場合はエラーが出るかもしれませんのでtheme_gray(base_family = "HiraKakuPro-W3") +をの色をつけた箇所を消してください。



facet_wrapでグループ毎のグラフをまとめて作る

そしてグループ毎にグラフを作るにはfacet_wrap関数を使います。

facet_wrap( ~ グループ)

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)

スクリーンショット 2019-08-24 1.07.00


これで項目ごとのグラフができました。しかし気になる点があります。

facet_wrapはそのままだと軸が固定されています。
合計と各項目に点数差がありすぎて、各項目の点数の差がわかりません。


facet_wrapの軸をグループ毎に変更する

軸をグループ毎に帰るにはscales = "free"を追加します。

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")

スクリーンショット 2019-08-24 1.07.14


ただこれも1つ問題があります。
グラフ自体は変化しているように見えるのですが、それぞれの軸が違うのでグループ毎の比較ができません。


4.3種類のグラフに分けて保存する

全てのグラフをまとめてしまうとわかりにくいのでy軸のサイズを考慮して次の3種類に分けてグラフを作成してみます。

・合計
・運動項目合計, 認知項目合計
・下位項目

そのためにはdat_statからそれぞれを抽出してグラフを作成する必要があります。

・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

そしてfilter()の列以外は全部同じなことにも注目してください。
filter関数については【2-4】で紹介しています。



p_1:合計だけのグラフ
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")
スクリーンショット 2019-08-24 1.07.31


p_2:運動項目合計と認知項目合計のグラフ
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")
スクリーンショット 2019-08-24 1.07.41


p_3:下位項目のグラフ
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")
スクリーンショット 2019-08-24 1.07.55



5.まとめ

今回はfacet_wrapでグループ毎のグラフを作る方法を紹介しました。
facet_wrapはグループの違いをみるのに非常に便利です。
ただ合計と下位項目が入っているデータだと軸の問題が出ますので注意が必要です。

今回作った3種類のグラフを組み合わせるためのgridExtraパッケージがあり次回紹介します。










第3章ではggplot2を使ったグラフの作り方を紹介しています。


【3-1】ExcelにはないRでグラフを作るメリットと特徴

【3-2】ggplot2でグラフを作る流れを説明します

【3-3】Rのggplot2で散布図を作るgeom_point関数

【3-4】Rのggplot2でヒストグラムを作るgeom_histogram関数

【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())
 
スクリーンショット 2019-08-23 2.47.56
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)
スクリーンショット 2019-08-23 2.07.44



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")
 
スクリーンショット 2019-08-23 2.07.51



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))
 
スクリーンショット 2019-08-23 2.07.59



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"))
スクリーンショット 2019-08-23 2.08.06

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)) 
スクリーンショット 2019-08-23 2.08.14


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))
 
スクリーンショット 2019-08-23 2.08.21


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")
 
スクリーンショット 2019-08-23 2.08.28




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。



職場ではExcelでデータ集計しているという職場も多いと思います。

その中でタブに1回目,2回目,,,や1月,2月,,,というように同じデータ形式を複数シートで管理する場合もあるかもしれません。

同じ形式で複数シートにまたがるデータをRで一度に読み込む方法を紹介します。

今回はfim.xlsx という架空のファイルを準備していますが、記事を見ながらご自身でExcelファイルを作ってみても大丈夫です。


(注意)
今回の記事はr-wakalang」でのアドバイスを参考にさせていただきました。
自分も別の方法でしていたのですが、あまりにもスマートな方法なので今回の方法に切り替えました。





1.前提

まずこの方法ができるためにはいくつか前提が必要です。

・全てのシートが同じ形式

シート毎に列名やいろいろなものがバラバラでは読み込めません。
フォーマットはちゃんと決めましょう。もしくはシートを複数選択しまとめて処理をしましょう。
cntr(macではcommand)を押しながらクリックするとシートを複数選択→一括処理ができます。

・セル結合が無い

Excelでセル結合をすると見栄えは良くなったように感じますが、集計を行う時はExcelでもRでも非常に困る場合が多いです!!!!!

・列のタイトルが複数行にまたいでいる

例えば病院で下位項目があるテストを記録すると列名が複数行にまたぐ場合があります。

そしてこのような場合、上の行はだいたいセル結合されています・・・


スクリーンショット 2019-08-20 22.47.19



2.Excelでの対策

ただ上司にセル結合+列名を2行にしないと減給だ!!!と脅される場合もあるかもしれません。

自分ならもう一列Rで列名読み込むための行を作るという回避策を用意します。
そのときに役に立つのがExcelの&です。

ポイントは以下の3つです。
①集計に使うシートを全て選択し一括処理の状態にする
② 実際のデータ入力する列の1つ上の行に挿入する(ここでは3行目)

スクリーンショット 2019-08-20 22.49.52



③ A,B,C列は実質1行なので を使う。
④ D列以降は複数行にまたがるため でつなげる
⑤ D1は絶対参照($)をつけるとコピーで失敗しない

(下の図ではわかりやすいように数式を表示しています)

スクリーンショット 2019-08-21 0.18.00


実際の見え方はこうなります。
スクリーンショット 2019-08-20 23.05.24


⑥D3をコピー→右の空いた所全てを選択し貼り付け

⑤誰かに邪魔されないように3行目を非表示にすれば完成!


スクリーンショット 2019-08-20 23.06.38

スクリーンショット 2019-08-20 23.07.25




3.Excelの&について

D1&D2とするとD1の値とD2の値を文字列としてくっつけてくれます

D1はFIMD2は食事なので、=D1&D2FIM食事となります。

今回はFIMと食事の間に_をはさみます。
(- * , . )などの記号や空白はRで読み込んだ際に不都合が出ることがあります。
そのため間に挟む記号は _ (アンダーバー)をおすすめします。

_のような文字列を&で繋げる場合は"(ダブルクォーテーション)ではさみます。

よって=D1&"_"&D2 は FIM_食事となります。


4.Excelの相対参照と絶対参照について

D3にある=D1&"_"&D2をコピーしてE3に貼り付けるとE1&"_"&E2となります。
他にもD3を選択→セル右下のちっちゃい■をクリックし右にビーーーーーーっと伸ばすと一気にコピーできます。
Excelはコピーした位置関係を覚えてくれるのでこういった処理は非常に便利です。これを相対参照と言います。

しかしこの方法を使うと不都合が出ます。本来E3セルにはD1&"_"&E2と1行目は動かずに2行目を動かしたいところです。
この動かさないを指定するのが$(絶対参照)です。

$D1:左右にコピペしてもDの値は変わらない。上下にコピペすると1の値は変わる
D$1:左右にコピペするとDの値が変わる。上下にコピペしても1の値は変わらない
$D$1:上下左右にコピペしてもD1の値は変わらない。

今回は横にコピペしてもずれてほしくないので、D3の計算式ではD1ではなく$D1もしくは$D$1とすれば上手くいきます。するとE3〜は一気にコピペ可能です。


5.Rへの読み込み

前置きが長くなりましたがいよいよRに取り込みます。

・プロジェクトを作成し、Excelデータも同じフォルダに置く

実際に分析を行う時は仕事1つ1つでプロジェクトを作ると管理が便利です。
プロジェクトについては【1-6】Rstudioのプロジェクトについて解説しますで紹介しています。


・パッケージを読み込む

パッケージに関しては【1-7】Rで使うパッケージのインストールについて紹介します。をご参照ください。

Excelを読み込むにはいくつかあるのですが今回はreadxlパッケージとpurrrパッケージを使います。
purrrパッケージは2章で使ってきたtidyverseパッケージに含まれています。


#tidyverseパッケージをインストールしていなければインストール。
install.packages("
readxl
")
install.packages("tidyverse")

#パッケージをインストールしている方は以下でもOK
library(
readxl)
library(tidyverse)


・実際に読み込む

file <- "fim.xlsx"
sheets <- excel_sheets(file)
dat <- 
  sheets %>% 
  map_dfr( ~ read_excel(file, skip = 2, sheet = .x) %>% 
             mutate(sheet = .x)) 
これで全てのタブを読み込むことができます。



(以下補足)
6.何をしているのか?

1つずつ説明していきます。

ファイル名を指定する

まずfileという変数(別に名前はfileでなくても良い)にExcelのファイルを指定します。
そうすれば後のread_excel関数で楽ができます。

シートの名前リストを作る

Excelから複数シートを読み込むにはシートのリストが必要です。

readxlパッケージのexcel_sheet関数がまさにそれです。

sheets <- excel_sheets(file)
スクリーンショット 2019-08-21 19.47.36



これでsheetsという変数にタブの名前が入りました。

今回はこのままで問題ありませんが、Excelの中には「基本情報」や「選択項目」など必要ないタブもあるかもしれません。
その時はsheetsから間引きます。間引く時は【1-12】Rで特定の条件にあう要素を抜き出す方法で紹介した [ ] が使えます。

シートは名前だけでなく、左から1,2,,,,と自動的に番号が振り分けられています。
いらないシート番号がわかっている時はいらない番号だけ指定すればいいです。
(もちろんいる番号だけ指定してもいいです)

sheets <- excel_sheets(file)

sheets <- sheets[-2]
スクリーンショット 2019-08-21 19.52.58


シートの数が多すぎてシート番号がもはや分からない時は  %in% でシート名を指定することができます。
sheets <- excel_sheets(file) 
sheets <- sheets[!sheets %in% "2回目"]
スクリーンショット 2019-08-21 19.53.16


1つだけExcelを読み込む時のread_excel

1つだけExcelを読み込む関数はいくつかあるのですが、今回はread_excel関数を使います。
read_excel関数はxls,xlsxどちらも読み込むことができます。

read_excel(file, skip = 2, sheet = "1回目") 
基本の形は read_excel("Excelファイル", sheet = "シート名") となります。
そしてskip=を使うと最初の数行を飛ばして読み込むことができ、今までの対策が活きてきます。
skip=2で1,2行目をskipし3行目を列名、4行目以降をデータとして読み込むことができます。

スクリーンショット 2019-08-22 0.27.55



繰り返し処理でdata.frameにデータを追加するmap_dfr関数

map_dfr関数はExcelの複数のシートやフォルダの中にあるcsvファイルをまとめて読み込むのに便利です。
ちなみにmap(繰り返し処理)、df(データフレーム)、r(縦につなげる)でmap_dfrです。
横につなげる時はmap_dfc関数ですがここでは目的に合致しません。


最初に.xにあたる繰り返すためのリストを用意して%>%でつなぎます。
ここでは"1回目"→"2回目"→"3回目"としたいわけです。そこで先程のsheets <- excel_sheets(file)でそれを作りました。


そして先程紹介したread_excel関数を使います。最初に ~(チルダ)を入れることがポイントです。


加えて足した後にこのデータがどのシートかわかる(集計する)ためにmutate関数をつかってsheet(別の名前でもいい)という列名を追加します。ここでも.xを使うことで"1回目", "2回目", "3回目"を追加してくれます。

スクリーンショット 2019-08-22 0.22.50



7.まとめ

今回はExcelで複数のシートを読み込む方法を紹介しました。
今までExcel使っていたけどRも使ってみたいなという方がいましたら練習と実用を兼ねている課題だと思いますのでぜひ挑戦してみてください。


8.参考にさせていただいたサイト

purrrを使ったExcelの読み込みはr-wakalangさんの質問を参考にさせていただきました。
それまではforを使っていたのですが、map_dfrはとても便利でした!
r-wakalangはRを使っている方は絶対におすすめです!





第3章ではggplot2を使ったグラフの作り方を紹介しています。


【3-1】ExcelにはないRでグラフを作るメリットと特徴

【3-2】ggplot2でグラフを作る流れを説明します

【3-3】Rのggplot2で散布図を作るgeom_point関数

【3-4】Rのggplot2でヒストグラムを作るgeom_histogram関数

【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

今回は折れ線グラフを紹介します。

折れ線グラフは時系列の変化を追うのに適しています。

今回は実際のサイトから表を読み込んでグラフを作成します。


1.データの読み込み


今回は気象庁のサイトから東京の平均気温を読み込みます。

スクリーンショット 2019-08-19 0.19.12



webサイトからデータを抜き出すにはrvestパッケージを使います。
以下コードですが、まだ説明していないものが多いのでそのままコピー→実行すると表を読み込めます。

# まだrvestパッケージをインストールしたことなければインストール
install.packages("rvest")
# rvestを呼び出す library(rvest) # urlを指定する
url <- "https://www.data.jma.go.jp/obd/stats/etrn/view/monthly_s3.php?prec_no=44&block_no=47662&year=&month=&day=&view=" #url を読み込む。
h <- read_html(url)
# 読み込んだhtmlの中で"テーブル形式" のものを読み込む tab <- h %>% html_nodes("table")
# 読み込むと5つのtableがあることがわかる。1つずつ確認すると4つ目が目的のtableだった。tableをdata.frame型に変換する。 dat <- tab[[4]] %>% html_table
head(dat)
スクリーンショット 2019-08-19 0.34.09


2.データハンドリング

このデータをグラフにしたいのですが以下の数点が気になります。

スクリーンショット 2019-08-19 16.09.58


「年の値」の列がいらない

一番右にある「年の値」はグラフを作るには必要なさそうです。
いらない列を削除するにはselect関数を使います。





wideデータになっている

【2-5】Rでデータを集計するのに便利なlongデータとgather関数でも紹介しましたが、今回のデータはwideデータになっています。Excelではwideデータでグラフを作成しますが、Rでデータ集計、グラフを作るにはlongデータに変える必要があります。

wideデータをlongデータに変える関数はgather関数です。



今回もggplotパッケージが含まれているtidyverseパッケージを読み込みます。


気温の値に数値ではない値がある

データをよく見ると )] のように数値ではないものが含まれています。

他にもよくみられるのが1,000以上のような , も計算には邪魔です。

試しにstr関数でデータの概要を見てみます。

str(dat)

スクリーンショット 2019-08-19 16.13.21



int : 整数
num : 数値(整数以外も含む)
chr : 文字列

2月と6〜11月は文字列になっているので計算してくれません。
そのため不要な記号を消す必要があります。
まだ紹介していませんが、数値以外の全てを消すparse_number関数というものがあります。


行が多すぎる

str関数に書いてますが145行あります。このままでもグラフは作れますが、今回はデータを間引きます。
行を削除するのはslice関数を使います。

今回は1880,1885,,,,,,2015,2019年を抜き出します。

スクリーンショット 2019-08-19 0.34.09

よく見ると最初の1880年は6行目のようです。

6,11,16,,,,,と抜き出すにはseq関数を使います。

seq(6, 145, 5)
スクリーンショット 2019-08-19 16.40.38

これで6から145までを5間隔で抜き出すことができます。ちなみに2019年は145行目です。

実際のコード


select関数、gather関数、parse_number関数、slice関数、この後グラフを作るggplot2関数は全てtidyverseパッケージに含まれています。

#tidyverseパッケージをインストールしていなければインストール。

install.packages("tidyverse")

#既にtidyverseパッケージをインストールしている方は以下でもOK

library(tidyverse)

もしRの基礎を勉強中であれば上のヒントでデータハンドリングを試してみてください。
いくつか方法はありますが、以下1例です。

dat_long <- dat %>% select(-年の値) %>% slice(seq(6, 145, 5), 145) %>% gather(key = 月, value = 気温, -年, factor_key = FALSE) %>% mutate(気温 = parse_number(気温)) %>%
ポイントは以下のとおりです。
・gather関数でlongデータにする前にselect関数,slice関数を使いました。
・gather関数でfactor_key = TRUEをすれば1月,2月,,,となり、入れないと10月,11月,12月,1月,,,となります。
・parse_number関数はgather関数の後で使いました(1列で済むため)。
・parse_number関数はmutate関数とセットで使う

スクリーンショット 2019-08-19 22.10.57

スクリーンショット 2019-08-19 22.15.21

1880年の1月,2月,,,と並んでいませんがグラフ作成に支障はありません。

これでデータの完成です。

3.折れ線グラフの基本的な作り方

折れ線グラフを作る時はgeom_line関数を使います。
aes関数の中でgroupを設定します。

ggplot() + theme_gray(base_family = "HiraKakuPro-W3") + geom_line(data = dat_long, aes(x = 月, y = 気温, group = 年))

スクリーンショット 2019-08-20 11.48.02


もしgroupを指定しないと目的のグラフになりません。

ggplot() + theme_gray(base_family = "HiraKakuPro-W3") + geom_line(data = dat_long, aes(x = 月, y = 気温))
スクリーンショット 2019-08-20 11.48.11




4.group毎に色を変える

group毎に色を変えるにはcolor(もしくはcol)を指定します。

ggplot() + theme_gray(base_family = "HiraKakuPro-W3") + geom_line(data = dat_long, aes(x = 月, y = 気温, group = 年, color = 年))
スクリーンショット 2019-08-20 11.47.49

色の薄い最近の方が暑いのがわかります。

今回色がグラデーションになっています。これは年の型がint型(数値)になっているためです。
数値でなくfactorに変換するとグラデーションではなくなります。as.factor関数(もしくはfactor関数)を使います。

ggplot() + theme_gray(base_family = "HiraKakuPro-W3") + geom_line(data = dat_long, aes(x = 月, y = 気温, group = 年, color = as.factor(年)))
スクリーンショット 2019-08-20 11.49.29

数が多すぎてどの色が何年かわからなくなりました・・・
ただgroupの数が少ない時は便利です。


5.グラデーションの色を指定する
グラデーションの色を指定するにはscale_colour_gradientn関数を使います。
scale_color_gradientn(c("最小値の色", "最大値の色"))と指定します。

ggplot() + theme_gray(base_family = "HiraKakuPro-W3") + geom_line(data = dat_long, aes(x = 月, y = 気温, group = 年, color = 年)) + scale_colour_gradientn(colours = c("black", "red"))
スクリーンショット 2019-08-20 11.47.37



最初と最後だけでなく、途中の色も指定できます。
ggplot() + theme_gray(base_family = "HiraKakuPro-W3") + geom_line(data = dat_long, aes(x = 月, y = 気温, group = 年, color = 年)) + scale_colour_gradientn(colours = c("blue", "yellow", "red"))
スクリーンショット 2019-08-20 11.47.21


6.線の色を透過させる

線が重なっているところは新しい線が上書きしています。
第3章では何度も紹介していますが、色の透過はalphaで指定します。groupに関わらず一括で指定するのでaes関数の外で指定します。

ggplot() + theme_gray(base_family = "HiraKakuPro-W3") + geom_line(data = dat_long, aes(x = 月, y = 気温, group = 年, color = 年), alpha = 0.5) + scale_colour_gradientn(colours = c("blue", "yellow", "red"))
スクリーンショット 2019-08-20 11.47.09


ちなみに年を間引かなければこのようになります。

スクリーンショット 2019-08-20 11.43.46


こうみても気温が少しずつ上昇している傾向が伺えます。


7.折れ線グラフに点をつける

もう少しデータを間引き、1880年と2018年のデータだけにします。
dat_long <- 
  dat %>% 
    select(-年の値) %>% 
    slice(6, 144) %>% 
    gather(key = 月, value = 気温, -年, factor_key = TRUE) %>% 
    mutate(気温 = parse_number(気温))


折れ線につける点は折れ線グラフに散布図を重ねます。
散布図は【3-3】Rのggplot2で散布図を作るgeom_point関数で紹介しました。
ggplot() + 
  theme_gray(base_family = "HiraKakuPro-W3") +
  geom_line(data = dat_long, aes(x = 月, y = 気温, group = 年, col = as.factor(年)), alpha = 0.5) +
  geom_point(data = dat_long, aes(x = 月, y = 気温, col = as.factor(年)))
スクリーンショット 2019-08-20 15.29.42



上のコードではdata=とaes()の一部が同じです。このように同じデータ、aesを使う場合はggplot()に入れる事ができます。加えてラベルのas.factor(年)の見栄えをlabs関数で変更します。
ggplot(data = dat_long, aes(x = 月, y = 気温, col = as.factor(年))) + 
  theme_gray(base_family = "HiraKakuPro-W3") +
  geom_line(aes(group = 年), alpha = 0.5) +
  geom_point() +
  labs(color = "")
スクリーンショット 2019-08-20 19.24.13


8.線のタイプを変更する


線のタイプはlinetypeで指定します。
注意点としてはgeom_point関数のshape時に紹介しましたがfactor型にする必要があります。



ggplot(data = dat_long, aes(x = 月, y = 気温)) + 
  theme_gray(base_family = "HiraKakuPro-W3") +
  geom_line(aes(group = as.factor(年), linetype= as.factor(年)), alpha = 0.5) +
  geom_point()
スクリーンショット 2019-08-20 19.26.21

9.数値を入れる場合

数値を追加するにはgeom_text関数が使えますが、数値の位置が点の位置と重なってしまいます。
加えて右のラベルの点とaが重なって見栄えが悪いです。

ggplot(data = dat_long, aes(x = 月, y = 気温, col = as.factor(年))) + 
  theme_gray(base_family = "HiraKakuPro-W3") +
  geom_line(aes(group = 年), alpha = 0.5) +
  geom_text(aes(label = 気温)) +
  geom_point()
スクリーンショット 2019-08-20 19.29.02



vjustで上下にずらすことができます。ただそもそも点の位置が近いとどうしても重なります。
ラベルに表示させないためにはshow.legend=FALSEを指定します。

ggplot(data = dat_long, aes(x = 月, y = 気温, col = as.factor(年))) + 
  theme_gray(base_family = "HiraKakuPro-W3") +
  geom_line(aes(group = 年), alpha = 0.5) +
  geom_text(aes(label = 気温), vjust = 1.5, show.legend = FALSE) +
  geom_point()
スクリーンショット 2019-08-20 19.28.12




文字が重なって困る時は自動的に場所を調整してくれるgeom_text-repel関数が使えます。

ただgeom_text_repel関数はtidyverseパッケージに入ってません。ggrepelパッケージのインストールが必要です。

#一度も使ったことがなければインストール
install.packages("ggrepel") #インストール後はlibraryで呼び出す
library(ggrepel)
geom_text → geom_text_repelに変更するだけで自動調整してくれます。
ggplot(data = dat_long, aes(x = 月, y = 気温, col = as.factor(年))) + 
  theme_gray(base_family = "HiraKakuPro-W3") +
  geom_line(aes(group = 年), alpha = 0.5) +
  geom_text_repel(aes(label = 気温), show.legend = FALSE) +
  geom_point()
スクリーンショット 2019-08-20 19.26.34




10.まとめ

今回は折れ線グラフの作成について紹介しました。

折れ線グラフではgroupの指定が重要だと感じています。

またRを使ったグラフ作成はデータハンドリングが大半を締めますので、なれない方は第2章を参考にしてください。


第3章ではggplot2を使ったグラフの作り方を紹介しています。


【3-1】ExcelにはないRでグラフを作るメリットと特徴

【3-2】ggplot2でグラフを作る流れを説明します

【3-3】Rのggplot2で散布図を作るgeom_point関数

【3-4】Rのggplot2でヒストグラムを作るgeom_histogram関数

【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

今回は棒グラフを紹介します。

棒グラフは馴染みのあるグラフではありますが、自分の体験上「統計に慣れていない方やExcelで棒グラフと折れ線グラフ以外のグラフを作成したことがない方は気づいていない落とし穴もあるかな」とも感じています。

また、棒グラフの作り方は元のデータの集計方法によって作り方が違います。

今回は棒グラフの基本や原則、Rのggplot2を使った棒グラフの作成方法を紹介します。
エラーバーや散布図との組み合わせも紹介します。


1.データの読み込み

今回もggplotパッケージが含まれているtidyverseパッケージを読み込みます。
#tidyverseパッケージをインストールしていなければインストール。していれば次へ

install.packages("tidyverse")

#既にtidyverseパッケージをインストールしている方は以下でもOK

library(tidyverse)

#今回のデータは以下のコードでdatというデータフレームを作成します。
#下の全てを選択しコントロール(もしくはcommand)+Enter

n_male <- 130
n_female <- 70
set.seed(2019)
height <- round(c(rnorm(n_female, 157, 5), rnorm(n_male, 173, 10)), 0)
sex <- c(rep("female", n_female), rep("male", n_male))
class <- sample(c("A", "B", "C"), size = 200, replace = TRUE)
dat <- data.frame(height, sex, class)





2.棒グラフの基本的な考え方

棒の「長さ自体」に意味がある

これを書いていて当たり前のように感じるのですが、実は当たり前ではありません。
Excelで棒グラフを作るときにやってしまいがちなのですが、まず棒グラフで一番やってはいけない図を紹介します。

スクリーンショット 2019-08-06 11.58.31



棒グラフはグループ毎の長さの比を見て比べるグラフですが、右図のように縦軸の最小の数字を変えてしまうと長さの比が変わってしまいます。

(171.67 - 150) / (156.42 - 150) → 21.67 / 6.42 → 3.38倍

そのため本来1.09倍しか違わないデータをあたかも3.38倍違うデータと恣意的に見せたと解釈される可能性もあります。

そのため棒グラフを使うのであれば必ず最小値は0にする必要があります。
もしくは棒グラフ以外(箱ひげ図やヒストグラム)などを考えるのも手かもしれません。




棒グラフは「データ→集計→結果」

棒グラフが使われるのは主に「集計してカウント数を表示する」場合か「平均を表示する」ときに使います。


スクリーンショット 2019-08-06 11.59.44


つまり棒グラフを作るためには集計されたデータが必要になります。
集計せずにグラフを作る方法もありますが、今回は先に集計をしてグラフを作ります。




棒グラフの3つのパターンを決めるposition

棒グラフといってもいくつかのタイプがあります。
Rではposition = "○○"を指定するだけで変更することができます。

position = "stack"(積み上げ棒グラフ)

position = "fill"(積み上げ棒グラフ(割合))

position = "dodge"(横に並べる)

スクリーンショット 2019-08-06 12.08.53

用途に応じて使い分けます。



3.集計したデータを作成する

まずデータの確認をします。

head(dat)
str(dat)
スクリーンショット 2019-08-06 14.10.32


性別と身長とgradeという変数があります。
このデータを以下の2つの
dat_stat_grade:grade毎に集計
dat_stat_grade_sex:gradeと性別毎に集計

dat_stat_grade <-
  dat %>% 
  group_by(grade) %>% 
  summarize(平均 = round(mean(身長), 2), 標準偏差 = sd(身長), 人数 = n())

dat_stat_grade
スクリーンショット 2019-08-06 16.57.54


dat_stat_grade_sex <-
  dat %>% 
  group_by(grade, 性別) %>% 
  summarize(平均 = round(mean(身長), 2), 標準偏差 = sd(身長), 人数 = n())

dat_stat_grade_sex
スクリーンショット 2019-08-06 17.00.22



group_by関数で性別ごとのグループを作り、summarize関数でグループ毎の平均・標準偏差・人数を求め、それらをパイプ演算子でつないでいます。

パイプ演算子(%>%)、group_by、summarize関数については第2章で紹介しています。






4.棒グラフの基本的な作り方


ggplot2で棒グラフを作る時にはgeom_bar関数を使います。
まずgradeごとの人数をカウントします。

ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade, aes(x = grade, y = 人数), stat = "identity")


スクリーンショット 2019-08-06 17.07.17

geom_barではstat = "identity"が必要になります。

スクリーンショット 2019-08-06 17.05.52

これはデータの集計方法で「この数字のままを使ってね」という意味になります。

スクリーンショット 2019-08-06 17.13.02

5.棒の幅を変える

棒の幅を変えるにはwidthで指定します。

ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade, aes(x = grade, y = 人数), width = 0.5, stat = "identity")
スクリーンショット 2019-08-06 19.43.43



6.色を変える

グラフの中の色を変えるにはfillを使います。
一括で色を指定する時はaes関数の外にfillを指定します。
ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade, aes(x = grade, y = 人数), fill = "red", stat = "identity")
スクリーンショット 2019-08-06 18.11.38


色の透過度を変えるにはalpha = ○○で指定します
ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade, aes(x = grade, y = 人数), fill = "red", alpha = 0.5, stat = "identity")
スクリーンショット 2019-08-06 18.15.02


グループ毎に色を変えるにはaes関数内に色分けしたい変数を入れます。

ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade, aes(x = grade, y = 人数, fill = grade), alpha = 0.5, stat = "identity")
スクリーンショット 2019-08-06 18.27.11



7.fill = ○○で別の変数を指定する。

次はdat_stat_grade_sexを使ってグラフを作成します。
x軸はgrade、y軸は人数、色を性別にします。
もしpositionを指定しないと自動的に"stack"になります。

ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade_sex, aes(x = grade, y = 人数, fill = 性別), stat = "identity")
スクリーンショット 2019-08-06 19.15.28




8.position = "stack"のときのいろんな指定方法


グラフに数値を追加する

グラフに数値を追加するにはgeom_text関数を追加します。
ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade_sex, aes(x = grade, y = 人数, fill = 性別), position = "stack", stat = "identity")+
  geom_text(data = dat_stat_grade_sex, aes(x = grade, y = 人数, group = 性別 ,label = 人数), position = "stack")
スクリーンショット 2019-08-06 20.33.04


ポイントは以下の通りです。

・aes関数の中groupをfillと揃える
・aes関数の中のlabelに表示したい変数名を指定する
・positionをgeom_barと同じにする

スクリーンショット 2019-08-06 20.29.44


数値の値を棒グラフの真ん中に配置する

geom_textのposition = "stack"を行うと数値の値と同じ位置に数値がきます。
もし棒グラフの真ん中に配置する時はposition = position_stack(vjust = 0.5)に変更します。

ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade_sex, aes(x = grade, y = 人数, fill = 性別), position = "stack", stat = "identity")+
  geom_text(data = dat_stat_grade_sex, aes(x = grade, y = 人数, group = 性別, label = 人数), position = position_stack(vjust = 0.5))
スクリーンショット 2019-08-06 20.53.53





9.position = "fill"のときのいろんな指定方法

基本的な作り方

積み上げ棒グラフ(割合)を作る時はpositionに"fill"を指定します。

ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade_sex, aes(x = grade, y = 人数, fill = 性別), stat = "identity", position = "fill")
スクリーンショット 2019-08-06 19.15.40


縦軸は割合(0〜1)になります。


縦軸のラベルを%に変える

y軸を指定するscale_y_continuous関数を使うと縦軸のラベルを%に指定することができます。

ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade_sex, aes(x = grade, y = 人数, fill = 性別), stat = "identity", position = "fill")+
  scale_y_continuous(labels = scales::percent)
スクリーンショット 2019-08-06 19.27.45



グラフに数値を追加する

グラフに数値を追加する時はposition = "stack"でも紹介したgeom_textを使います。

スクリーンショット 2019-08-06 21.03.42

スクリーンショット 2019-08-06 21.05.15

もし棒グラフの真ん中に配置する時はposition = position_fill(vjust = 0.5)に変更します。
ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade_sex, aes(x = grade, y = 人数, fill = 性別), position = "fill", stat = "identity")+
  geom_text(data = dat_stat_grade_sex, aes(x = grade, y = 人数, group = 性別, label = 人数), position = position_fill(vjust = 0.5))

スクリーンショット 2019-08-06 21.06.18



10.position = "dodge"のときのいろんな指定方法

今回は身長をつかってグラフを作ります。

基本的な作り方

横に並べるにはpositionに"dodge"を指定します。
ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade_sex, aes(x = grade, y = 平均, fill = 性別), position = "dodge", stat = "identity")
スクリーンショット 2019-08-08 20.01.48



グラフの軸の表示を変える

position = "fill"のときにはy軸を指定するscale_y_continuous関数を使い桁を区切るカンマを付けることができます。今回のデータでは千を超える値がないのでカンマは出てきませんが、scale_y_continuous(labels = scales::comma)の1行を付け加えます。

ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade_sex, aes(x = grade, y = 平均, fill = 性別), position = "dodge", stat = "identity")+
  scale_y_continuous(labels = scales::comma)


グラフに値を追加する

グラフに数値を追加する時はposition = "stack"でも紹介したgeom_textを使います。

ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade_sex, aes(x = grade, y = 平均, fill = 性別), position = "dodge", stat = "identity")+
  geom_text(data = dat_stat_grade_sex, aes(x = grade, y = 平均, group = 性別, label = 平均), position = position_dodge(0.9))
スクリーンショット 2019-08-06 23.36.46

スクリーンショット 2019-08-06 23.40.19


"stack"や"fill"の時と違い、geom_bar関数のpositionをposition = "dodge"とするとエラーが出ます。
position = position_dodge(○○)で数値を指定します。
グループやwidthの指定で幅が変わるので数字を変えながら丁度いい数字を探してください。
今回の場合は0.9が丁度いいようです。

スクリーンショット 2019-08-06 23.35.30



ただこのままでは線と数字がかぶってしまいます。
高さを微調整する時はvjust=数値で指定します。
数値がプラスだと下に、マイナスだと上に移動します。
ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade_sex, aes(x = grade, y = 平均, fill = 性別), position = "dodge", stat = "identity")+
  geom_text(data = dat_stat_grade_sex, aes(x = grade, y = 平均, group = 性別, label = 平均), position = position_dodge(0.9), vjust = -0.5)
スクリーンショット 2019-08-06 23.45.44

ggplot()+
    theme_gray(base_family = "HiraKakuPro-W3")+
    geom_bar(data = dat_stat_grade_sex, aes(x = grade, y = 平均, fill = 性別), position = "dodge", stat = "identity")+
    geom_text(data = dat_stat_grade_sex, aes(x = grade, y = 平均, group = 性別, label = 平均), position = position_dodge(0.9), vjust = 1.5, color = "white")
スクリーンショット 2019-08-06 23.45.53


11.グラフにエラーバーを付ける

10で作成したデータで話を続けます。今回はエラーバーの幅を標準偏差にしています。

グラフにエラーバーをつけるにはgeom_errorbarを使います。
geom_errorbarではエラーバーの最小値(ymin)と最大値が(ymax)がいるのでaes関数に入れます。
ymin = 平均 - 標準偏差
ymax = 平均 + 標準偏差

geom_barのpositionがdodgeになっているので、上のグラフのgeom_textと同様に、geom_errorbarもposition = position_dodge(○○)で調整してください。
またgeom_textがエラーバーに重ならないようyの値を10に変更しています。自由に変えてみてください。
このように自由にグラフを重ねられるのもggplot2の魅力です。

ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade_sex, aes(x = grade, y = 平均, fill = 性別), position = "dodge", stat = "identity")+
  geom_errorbar(data = dat_stat_grade_sex, aes(x = grade, ymin = 平均 - 標準偏差, ymax = 平均 + 標準偏差, group = 性別), position = position_dodge(0.9), width = 0.2)+
geom_text(data = dat_stat_grade_sex, aes(x = grade, y = 10, group = 性別, label = 平均), position = position_dodge(0.9), vjust = 1.5, color = "white")
スクリーンショット 2019-08-07 0.24.19


12.棒グラフと散布図を組み合わせる

統計になれてないと分布を見ずにいきなり棒グラフを作ることがあります(自分がそうでした)。
ただなれないと棒グラフでは分布はわかりにくいです。
エラーバーも実は正規分布のデータでないと意味をなしません。
実際に発表する場面では使わないかもしれませんが、グラフになれるまではぜひ棒グラフに散布図を組み合わせてみてください。

下のグラフですが、実際の分布イメージできますか?
ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade, aes(x = grade, y = 平均, fill = grade), alpha = 0.5, stat = "identity")+
  geom_errorbar(data = dat_stat_grade, aes(x = grade, ymin = 平均 - 標準偏差, ymax = 平均 + 標準偏差), color = "red", width = 0.2)
スクリーンショット 2019-08-07 0.52.41


散布図を組み合わせるのはgeom_point(position ="jitter"を追加する)かgeom_jitterです。
ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade, aes(x = grade, y = 平均, fill = grade), alpha = 0.5, stat = "identity")+
  geom_jitter(data = dat, aes(x = grade, y = 身長))+
  geom_errorbar(data = dat_stat_grade, aes(x = grade, ymin = 平均 - 標準偏差, ymax = 平均 + 標準偏差), color = "red", width = 0.2)
スクリーンショット 2019-08-07 0.52.29


ここでのポイントはgeom_jitterのdataがdatになっている点です。
これは棒グラフやエラーバーの数値は集計したデータを使いますが、散布図は200名の生データが必要になるからです。

ちなみにggplot2は下に書くほど前面に追加されます。
今回はgeom_errorbarがgeom_jitterよりも下にあるので棒が散布図の点で隠れていません。
geom_errorbarを下に書くとエラーバーが散布図の影に隠れますので確認してみてください。


13.棒グラフを横にする

ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade, aes(x = grade, y = 人数, fill = grade), stat = "identity")

このグラフを横にするのはcoord_flip()を足すだけです。

ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade, aes(x = grade, y = 人数, fill = grade), stat = "identity")+
coord_flip()


14.x軸を並べ替える

軸をyの値で並べ替えるにはx軸にreorder関数を使います。
reorder(x軸の変数名, 並べ替えたい変数名)とします。

aes(x = grade, ...)   →    aes(x = reorder(grade, 人数),  ...)


ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade, aes(x = reorder(grade, 人数), y = 人数, fill = grade), stat = "identity")
スクリーンショット 2019-08-07 1.02.21
ただx軸の名前が変になりました。そのためlabs関数でx軸のタイトルを変更します。
labs関数はx,y軸の名前やタイトル・サブタイトルを指定します。

ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade, aes(x = reorder(grade, 人数), y = 人数, fill = grade), stat = "identity")+
  labs(x = "grade")
スクリーンショット 2019-08-07 1.05.34

15.凡例を消す

棒グラフの場合x軸に名前がついていて凡例がいらない場面もあります。
その時はguides(fill = "none")を付け加えます。

ggplot()+
  theme_gray(base_family = "HiraKakuPro-W3")+
  geom_bar(data = dat_stat_grade, aes(x = reorder(grade, 人数), y = 人数, fill = grade), stat = "identity")+
  labs(x = "grade")+
  guides(fill = "none")
スクリーンショット 2019-08-07 1.06.37


15.まとめ

今回は長くなりましたが、棒グラフについて紹介しました。

棒グラフには色々なpositionがあるので最初は思い通りのグラフにならないかもしれませんが、見直しながら少しずつ慣れてみてください。






↑このページのトップヘ