[R] 4-3. 데이터 시각화

인트로

데이터 유형에 따라 적합한 시각화 방법을 사용해야

사용자에게 데이터의 정수를 잘 전달할 수 있다.

결국엔, 데이터는 ' 현대 사회의 언어 ' 라고 할 수 있다.

 

 

막대그래프

막대그래프는 주로 빈도 분석을 빠르게 할 때 사용된다. 

함수 : freq( ) , barplot( ), table( )

library(descr) # freq
library(readxl) # read_excel
data <- read_excel('C:/')
# main 변수 : 그래프 제목
freq(data$column,plot=T,main='title')

 

barplot 함수 : 패키지 없이 그래프 사용 가능. table( ) 함수와 함께 사용해야 한다.

아래의 옵션들은 다른 여러 시각화 그래프에도 사용이 가능하다.

• ylim : 출력할 y축의 범위를 벡터 형태로 지정한다. (c 함수 사용)
• main : 제목
• xlab , ylab : 축 제목
• names : 컬럼 제목을 벡터 형태로 지정한다.
• col : 그래프 색상을 벡터 형태로 지정한다.

 

table 함수는 데이터의 열을 table ( 가로 방향으로 빈도를 늘어놓는 방식 ) 방식으로 바꿔주기에

빈도분포를 구하는 기능이 없는 함수 (barplot, pie 함수) 와 함께 사용한다.

# 빈도분석
dist <- table(data$column)
# 그래프
barplot(dist,ylim=c(0,10),main='title',
		xlab='x',ylab='y',names=c('x1','x2','x3'),col=c('#000000','#111111','#222222')

 

p.s ) rgb 함수를 통해 rgb값도 불러올 수 있다. rgb( 0,0,0,maxColorValue = 255 )

 

박스 플롯

데이터 분포를 확인하고 이상치를 판단할 때 주로 사용한다.

최댓값, 최솟값, 1,2,3사분위수, 중앙값, 이상치를 시각화한다.

함수: boxplot( )

boxplot(data$column,main='title',xlab='x',ylab='y')

 

히스토그램

연속형 데이터를 일정하게 나눈 구간을 가로 축으로, 빈도를 세로 축으로 그린 그래프이다.

구간별 관측치를 빠르게 확인할 수 있다.

함수 : hist( )

 

히스토그램	막대그래프
연속형 데이터	이산형 데이터 (범주형)
키, 나이, 금액 등	성별, 지역, 범주
그래프 막대가 붙어있음	그래프 막대가 분리됨

 

hist(data$column,xlab='x',ylab='y')

 

파이 차트

범주 구성 비례에 따라 파이 조각을 나누는 것처럼 표현하는 그래프.

빈도 분석 기능이 없기 때문에 table 함수를 활용한다.

함수 : pie( )

x <- table(data$column)
pie(x,col=c('#000000'))

 

줄기 / 잎 그림

변수 값을 자릿수로 분류하여 시각화하는 방법.

함수 : stem( )

 

산점도

산포도라고도 부른다. 연속형 숫자 변수일 때, 두 변수 간 관계를 점으로 나타냄으로써 상관관계를 파악할 수 있다.

함수 : plot(x,y), pairs( ), pairs.panel( )

• plot : 일반 산점도
• pairs : 모든 변수들의 산점도 관계를 행렬로 나타냄.
• pairs.panel : pairs 함수에 다양한 수치 추가 (히스토그램, 곡선 그래프, 상관계수 등)

plot(x=data$column1 , y=data$column2)
pairs(data)

# pairs.panel 함수 : 패키지 따로 필요
library(psych)
pairs.panel(data)

 

pairs.panel 함수의 아름다움