Rにやらせて楽ラクしよう — データの可視化と下ごしらえ

岩嵜 航 (Watal M. Iwasaki)
総研大 先導科学研究科
(SOKENDAI, The Graduate University for Advanced Studies)
  1. どうしてRを使うの？
  2. Rの基本
  3. R + ggplot2 — きれいなグラフを簡単に合理的に
  4. R + tidyverse — 使える形にデータを整える
2018-05-18 名古屋大学 アドバンス生命理学特論 IGER Seminar

データ可視化の重要性

情報の整理 → 正しい解析・新しい発見

https://tsutawarudesign.com/
https://r4ds.had.co.nz/explore-intro.html

そうは言ってもセンスでしょ? — NO!

https://tsutawarudesign.com/

ある程度はテクニックであり教養。
デザインの基本的なルールを
知りさえすれば誰でも上達する。

高橋佑磨センパイに教えてもらおう。

見せ方の吟味もRでやると捗るよ

平均値の差？ ばらつきの様子？ 軸はゼロから始まる？

plot of chunk iris-compare

平均値ばかり見て可視化を怠ると構造を見逃す

https://www.autodeskresearch.com/publications/samestats/

目次: R+ggplot2できれいな図を合理的に ~25分

  • データ可視化の意義 (済)
  • ggplot2とは
  • 基本的な使い方
  • 多変量データの俯瞰も手軽に
  • 微調整も画像ファイル出力も再現可能な形で

ggplot2とは

  • tidyverseパッケージ群のひとつ
  • “The Grammer of Graphics” という体系に基づく設計
  • 単にいろんなグラフを「描ける」だけじゃなく
    「一貫性のある文法で合理的に描ける」

Rの普通のプロットとは根本的に違う

いきなりggplot2から使い始めても大丈夫。

基本的な使い方: 指示を + していく

  • ggplot() このデータでよろしく
  • geom_*() 点や線をよろしく
  • theme_*() 軸とか背景の見た目をよろしく
ggplot(data = mpg)
# geom_point(mapping = aes(x = displ, y = cty))
# theme_classic(base_size = 20, base_family = "Helvetica")

plot of chunk ggplot-plus0

基本的な使い方: 指示を + していく

  • ggplot() このデータでよろしく
  • geom_*() 点や線をよろしく
  • theme_*() 軸とか背景の見た目をよろしく
ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = cty))
# theme_classic(base_size = 20, base_family = "Helvetica")

plot of chunk ggplot-plus1

基本的な使い方: 指示を + していく

  • ggplot() このデータでよろしく
  • geom_*() 点や線をよろしく
  • theme_*() 軸とか背景の見た目をよろしく
ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = cty)) +
  theme_classic(base_size = 20, base_family = "Helvetica")

plot of chunk ggplot-plus2

途中経過を取っておける

p0 = ggplot(mpg, aes(x = displ, y = cty))
p1 = p0 + geom_point()
p2 = p1 + theme_classic(base_size = 20, base_family = "Helvetica")
p3 = p2 + stat_smooth(method = lm, formula = y ~ log(x))
print(p3)

plot of chunk ggplot-object

p0 とか p1 あとで使うよ

データは1つのdata.frameにまとめておく

X軸やY軸になるものがそれぞれ縦1列。横1行が1データ点。
車の燃費に関する多変量データの例 mpg:

print(mpg)

    manufacturer  model displ  year   cyl      trans   drv   cty   hwy    fl   class
           <chr>  <chr> <dbl> <int> <int>      <chr> <chr> <int> <int> <chr>   <chr>
  1         audi     a4   1.8  1999     4   auto(l5)     f    18    29     p compact
  2         audi     a4   1.8  1999     4 manual(m5)     f    21    29     p compact
  3         audi     a4   2.0  2008     4 manual(m6)     f    20    31     p compact
  4         audi     a4   2.0  2008     4   auto(av)     f    21    30     p compact
 --                                                                                 
231   volkswagen passat   2.0  2008     4 manual(m6)     f    21    29     p midsize
232   volkswagen passat   2.8  1999     6   auto(l5)     f    16    26     p midsize
233   volkswagen passat   2.8  1999     6 manual(m5)     f    18    26     p midsize
234   volkswagen passat   3.6  2008     6   auto(s6)     f    17    26     p midsize

排気量displと燃費cty以外の列も図に反映させたい…!

Aesthetic mapping でデータと見せ方を紐付け

aes() の中で列名を指定する。

p0 + geom_point(mapping = aes(x = displ, y = cty, size = cyl,
                              colour = class, shape = drv))

plot of chunk mpg-aes

データによらず一律で見せ方を変える

aes() の外で列名を指定する。

p0 + geom_point(mapping = aes(x = displ, y = cty),
                size = 6, colour = "darkorange", alpha = 0.4)

plot of chunk mpg-aes-nomap

色パレットの変更 scale_colour_*()

個々の色を自分で決めず、既存のパレットを利用するのが吉。
e.g., ColorBrewer, viridis (色覚多様性の対策にも有効)

#pQ+ scale_colour_brewer(palette = "Spectral")
pQ + scale_colour_viridis_c(option = "magma", direction = -1)

plot of chunk quakes

値に応じて切り分けて表示 (1変数facet)

p1 + facet_wrap(~ class, ncol = 4L)

plot of chunk facet-wrap

ggplotの真骨頂！ これが無かったら結構たいへん。

値に応じて切り分けて表示 (≥2変数facet)

p1 + facet_grid(cyl ~ class)

plot of chunk facet-grid

多変量データの俯瞰に便利

plot of chunk facet-diamonds

値を変えず座標軸を変える scale_*, coord_*

ggplot(data = diamonds, aes(carat, price)) +
  geom_point(alpha = 0.25) +
  scale_x_log10(limit = c(0.1, 10)) +
  scale_y_log10(breaks = c(1, 5, 10) * 1000) +
  coord_cartesian(ylim = c(800, 12000)) +
  labs(title = "Diamonds", x = "Size (carat)", y = "Price (USD)")

plot of chunk scale-axis

データと関係ない部分の見た目を調整 theme

既存の theme_*() をベースに、theme() 関数で微調整。

p1 + theme_bw() + theme(
  panel.background = element_rect(fill = "khaki"), # 箱
  panel.grid.major = element_line(colour = "red"), # 線
  axis.title       = element_text(size = 32),      # 文字
  axis.text        = element_blank()               # 消す
)

plot of chunk theme

論文のFigureみたいに並べる

別のパッケージ (cowplot や patchwork) の助けを借りて

pAB = cowplot::plot_grid(p2, p2, labels = c("A", "B"), nrow = 1L)
cowplot::plot_grid(pAB, p2, labels = c("", "C"), ncol=1L)

plot of chunk cowplot

ファイル名もサイズも再現可能な作図

widthやheightが小さいほど、文字・点・線が相対的に大きく

# 7inch x 300dpi = 2100px四方 (デフォルト)
ggsave("mpg1.png", p1) # width = 7, height = 7, dpi = 300
# 4     x 300    = 1200  全体7/4倍ズーム
ggsave("mpg2.png", p1, width = 4, height = 4) # dpi = 300
# 2     x 600    = 1200  全体をさらに2倍ズーム
ggsave("mpg3.png", p1, width = 2, height = 2, dpi = 600)
# 4     x 300    = 1200  テーマを使って文字だけ拡大
ggsave("mpg4.png", p1 + theme_bw(base_size = 22), width = 4, height = 4)

他にどんな種類の geom_*() が使える？

なんでもある。 公式サイトを見に行こう。

まとめ

こんなグラフを描きたいな
だいたい何でもggplot2でできるよ。
どうやるんだっけ
たす p = ggplot(data) + geom_*() + scale_*() + theme_*()
保存 ggsave("fig1.png", p, width=4, height=3, dpi=300)
忘れるたびに調べる。徐々に身につく。
ちゃんと描こうと思うと結構な量のプログラムになるね…
そうだね。でもそれは財産になるよ。
R for Data Science — Hadley Wickham and Garrett Grolemund
https://r4ds.had.co.nz/
英語版書籍
日本語版書籍(Rではじめるデータサイエンス)
ggplot2公式ドキュメント

参考

ggplot2は単なるパッケージからプラットフォームに
拡張パッケージも続々と出てる。
グラフ/ネットワーク ggraph, 系統樹 ggtree, ゲノム ggbio, …
発展的な内容
grid を習得するとグラフの中にグラフを入れたり、
表形式のデータを図としてグラフに並べたりもできる。
@yutannihilationさんの記事 とかを参考に。
もちろん地図とかもできる
OK, Google. “ggplot 地図”
3Dは苦手
本当に3Dが必要? 色分けやファセットで足りない?
別のパッケージ(rgl, plotly)でやる。