Rakendustarkvara: R, 2021 sügis LTMS.00.016     Praktikumid     Projektid

praktikum6.knit

Rakendustarkvara: R
6. praktikum1

1 Pakett ggplot2: Skaalade muutmine

Kui ggplot2-ga koostada joonis, siis muutujad seostatakse graafiliste elementide omadustega (asukoht x-teljel, asukoht y-teljel, värvus, suurus jne). Vaikimisi kasutatakse küllalt mõistlikke skaalasid, nt värviskaalad on valitud selliselt, et kõik värvid oleks võrdse intensiivsusega. Mõnikord on aga soov skaalasid muuta. Selleks saab kasutada käske scale_<graafilise elemendi omadus>_<skaala nimi>. Näiteks scale_x_continuous(.) käsuga saab muuta x-telje vahemikku, scale_colour_grey(.) muudab värviskaala mustvalgeks.

Kõiki skaalade muutmise funktsioone on võimalik näha ggplot2 kodulehel http://ggplot2.tidyverse.org/reference/ jaotuse “Scales” all.

Skaleerimisfunktsiooni rakendamiseks tuleb see lisada joonisele:

p2 <- ggplot(mk, aes(per_capita_inc, unemployment_rate, colour = State)) + geom_point()
p2 + scale_x_continuous(trans = "log10", breaks = c(1/2, 1:4) * 10^4)

Eelneva käsuga lisati x-telje skaala muudatus: telg kuvatakse logaritmilisel skaalal, breaks määrab teljel esitatavad arvväärtused.

Iga erineva omaduse skaala muutmiseks saab joonisele “juurde liita” uue funktsiooni. Konkreetse funktsiooni parameetrid sõltuvad omaduse tüübist (nt punkti kuju ei saa logaritmida), aga kõigil skaleerimisfunktsioonidel on kindlasti kolm argumenti:

  • name – telgede puhul telje nimi; värvide, kuju jm legendis antava info puhul vastava legendi pealkiri
  • breaks – vektor väärtustega, mis määravad, millised väärtused joonisel ära markeeritakse (nt x-telje jaotis)
  • labels – parameetriga breaks määratud punktidele vastavad sildid

x-ja y-telgi ja teisi skaalasid (mh nende nimesid) saab muuta vastava scale-käsuga, ent on veel võimalusi lisada telgedele/skaaladele nimed ja piiritleda väärtusvahemikku:

  • xlab(.), ylab(.) – vastavate telgede pealkirjad
  • labs(.) – saab määrata nii telgede, legendi elementide ka kui graafiku pealkirja (x = "...", y = "...", color = "...", title = "...")
  • xlim(.), ylim(.) – argumendiks kaks väärtust, mis määravad telgede väärtusvahemiku. NB! objektid, mille väärtused on väljaspool määratud vahemikku asendatakse NA väärtusega ja jäetakse välja kõigilt kihtidelt.
  • lims(.) – üldine skaalapiiride määramise käsk, lisaks x- ja y-telgedele saab piire määrata ka näiteks värviskaalale. Kui värviskaala on seotud osariigi nimega, siis määramaks värvi ainult kahele osariigile tuleks käsk kirja panna kujul: lims(color = c("Alaska", "Texas")).
  • coord_cartesian(.) – argumentidega xlim, ylim saab määrata xy-teljestikus väärtusvahemikud, mis nähtavale jäävad. See on võimalus joonise mingile piirkonnale ‘suumida’. Joonisest lõike tegemine.
  • ggtitle(.) – joonise pealkiri.

Teljepiiride määramine ylim(.) või xlim(.) käsuga võib mõjutada joonisel esitatavaid arvutuslikke tulemusi. Näiteks kui joonisel esitada keskväärtused koos usalduspiiridega ning määrata teljepiirid nii, et mõni arvutuse aluseks olev vaatlus jääb piiridest välja, siis muutuvad ka usalduspiirid. Näide sellisest olukorrast on järgmisel joonisel (siin on kasutuses on teine näiteandmestik: rottide kehakaalu ja dieetide andmestik)

rotid <- nlme::BodyWeight  
rotid <- rotid[rotid$Diet != 1, ]  
p <- ggplot(rotid, aes(factor(Time), weight)) + geom_point(color = "gray") + 
  stat_summary(geom = "errorbar", fun.data = mean_se, fun.args = list(mult = 1.96)) +
  stat_summary(geom = "point", fun = mean) + 
  geom_hline(yintercept = 600, color = "red")

p
p + ylim(390, 600)

## Warning: Removed 3 rows containing non-finite values (stat_summary).

## Warning: Removed 3 rows containing non-finite values (stat_summary).
## Warning: Removed 3 rows containing missing values (geom_point).

Kuna kolm vaatlust andmetes on üle 600, siis määratud piir ylim(390, 600) jätab need välja kõigilt kihtidelt. Väljundisse tuleb kolm hoiatust, üks hoiatus iga lisatava kihi kohta (hajuvusdiagramm, usalduspiirid ja keskväärtus punktina kiht). Parempoolsel joonisel on muutunud kolm viimast usaldusintervalli, sest nendest gruppidest eemaldati väärtused.

1.1 Pidevate/arvuliste skaalade muutmine

Pidevate skaalade muutmise käskudel (nt scale_<?>_continuous, scale_<?>_gradient) on mõned spetsiifilised argumendid:

  • trans – skaala transformeerimise funktsiooni nimi, nt “exp”, “log”, “log10”, “sqrt”.
  • limits – kahe-elemendiline vektor, mis annab skaala algus- ja lõpp-punkti. Sarnalset xlim(.), ylim(.) käskudega tuleb selle argumendi kasutamisel olla tähelepanelik, sest andmed, mis vastavast vahemikust välja jäävad asendatakse NA väärtustega. Selle toimingu mõju sõltub muudetavast skaalast: x-ja y-telgede piiride määramisel tähendab see, et neid andmeridu ei kasutata joonise tegemisel (nt ka regressioonisirge arvutamisel). Värviskaala korral määrab see objektid, millele värvi ei määrata(vt alapunkt “Värviskaala muutmine”).

Arumendi trans kasutamise näide on toodud praktimijuhendi alguses: x-telje skaala on sellel joonisel logaritmiline.

1.2 Diskreetsete skaalade muutmine

Diskreetsetel skaaladel töötab argument limits teistmoodi: nimelt saab sellega ette anda konkreetsed väärtused, mida joonisel kujutatakse, ülejäänud väärtusi siis joonisel ei kujutata. Oluline on ka väärtuste etteandmise järjekord:

b <- ggplot(data = mk, aes(State, unemployment_rate)) + geom_boxplot() 
b + scale_x_discrete(limits = c("Texas", "Maryland", "Alaska")) 
#Võrdle, mis mõju on argumendil `breaks`:
# b +  scale_x_discrete(breaks = c("Texas", "Maryland", "Alaska"))

Kui joonise värvid on määratud diskreetsel skaalal, siis limits argumendiga saab määrata millisete väärtusklasside elemendid värvitakse ja millised jäetakse värvimata (vaikimisi jäävad halliks):

b1 <- ggplot(data = mk, aes(bachelor, unemployment_rate, color = State)) + geom_point()
b1 + scale_color_discrete(limits = c("Texas", "Maryland", "Alaska")) 
# NA väärtuse värvi saab ka muuta
b1 + scale_color_discrete(limits = c("Texas", "Maryland", "Alaska"), na.value = "white")

1.2.1 Ülesanded

Eelnevalt on tehtud hajuvusdiagramm USA maakondade andmestiku põhjal, et iseloomustada kõrgharidusega ja keskkooliharidusega inimeste osakaalu seost:

joonis <- ggplot(data = mk, aes(x = high_scl, y = bachelor)) + geom_point()
joonis
  1. Pane tehtud joonisel y-telje nimeks “Higher education percentage”; muuda telje vahemikku (0, 100); muuda teljel olevaid silte ja nende paigutust nii, et need oleksid kujul 0%, 25%, 50%, 75%, 100%.
  2. Määra joonisel punktide värv sissetuleku tunnuse per_capita_inc järgi. Määra legendil tunnuse nimeks Per capita income(kasuta käsku scale_color_continuous(.) või labs(.)).
  3. Jaga tunnuse per_capita_inc väärtused viide vahemikku nii, et igas vahemikus oleks üks viiendik vaatlustest. Pane uuele tunnusele nimi income_class ja sildista tekkinud väärtusklassid "Very low", "Low", "Medium", "High", "Very high".
  4. Lisa nüüd joonisele, mis tehtud ülesandes 1, värviga tunnus income_class nii, et värvitaks ainult punkte, kus sissetulek on kas väga kõrge või väga madal (scale_color_discrete(.)).
  5. Proovi, mis on tulemus kui scale_color_discrete(.) käsule lisada argument guide = "none" (guide = FALSE).

1.3 Värviskaala värvide muutmine

Värvide valik joonisel on väga oluline. Õigesti valitud värvidega on võimalik tuua selgemini välja oma sõnumit, muuta joonist loetavamaks ja meeldivamaks. Asjakohane värvus sõltub tunnusest, mida soovitakse kujutada. Üldiselt võib värviskaalad jaotada kolmeks:

  • gradient – pidevate tunnuste jaoks; kõige väiksem ja kõige suurem väärtus vastavad mingitele värvidele ning vahepealsed väärtused nende kahe värvi segule
  • lahknev gradient – pidevate tunnuste jaoks, kui pideval tunnusel on mingi selge nullpunkt (nt õhutemperatuur, tsentreeritud skoor vms); kaks ekstreemset väärtust ja nullpunkt vastavad mingile puhtale värvile, vahepealsed väärtused kahe värvi segule.
  • kvalitatiivne – diskreetsete tunnuste jaoks; iga väärtuse jaoks kasutatakse võimalikult erinevat värvitooni. Samas on oluline silmas pidada, et heleduselt ja intensiivsuselt oleks kõik värvid võrdsed.

Gradientskaalat saab kontrollida käsuga scale_<?>_gradient(.) (küsimärgi asemel on tavaliselt fill või colour). Saab kasutada kõiki pideva tunnuse skaala muutmise argumente, ning lisaks on kaks argumenti: low ja high ekstreemsete väärtuste värvi määramiseks gradiendil. Lahknevat gradienti saab kontrollida funktsiooniga scale_<?>_gradient2(.), millel on lisaks low ja high väärtustele argument mid millega saab ette värvi nime, mis vastab nullpunktile, vaikimisi on see värv valge. Skaala nullpunkti väärtuse saab ka ise ette anda. Lahknevat ja veel keerulisemaid gradiente saab määrata funktsiooniga scale_<?>_gradientn, mille argumendile colours saab ette anda vektori värvidega, mille vahele siis uued värvid sujuva üleminekuga valitakse.

Näited kahe gradientskaala käsu kasutamisest:

p3 <- ggplot(data = mk, aes(per_capita_inc, unemployment_rate)) + 
  geom_point(aes(colour = bachelor ))
nimi = "% w/ higher \n education"
p3 + scale_colour_gradient(name = nimi, low = "yellow", high = "red")
p3 + scale_colour_gradient2(name = nimi, low = "blue", high = "red", midpoint = 30)

Diskreetsete/kvalitatiivsete värviskaalade kontrollimiseks kasutatakse vaikimisi funktisooni scale_<?>_hue(.), mis valib HCL värviskaalal2 parameetri h (hue värvitoon) väärtused võimalikult erinevad, jättes värvi tugevuse c (chroma) ja heleduse l(luminance, lightness) konstantseks. Nii saadakse võimalikult erinevad värvid, mis samal ajal on ühesuguse intensiivsusega.

p4 <- ggplot(mk, aes(per_capita_inc, unemployment_rate)) + geom_point(aes(colour = State ))
p4 
p4 + scale_colour_hue(c = 150) # tugevus suuremaks, vaikimisi 100
#p4 + scale_colour_hue(l = 20) # heledus madalamaks, vaikimisi 65
#p4 + scale_colour_hue(h = c(10, 190)) # kaks värvitooni, skaala algus- ja lõpptoon

Diskreetsete värviskaalade jaoks on arendatud värvipalett “Colorbrewer”3 (algselt arendatud maakaartide värvimiseks). ggplot2-s pääseb sellele paletile ligi funktsiooniga scale_<?>_brewer(.), millel on kaks argumenti:

p4 + scale_colour_brewer(type = "div", palette = 2) 
p4 + scale_colour_brewer(type = "qual", palette = 2)

1.3.1 Ülesanded

  1. Proovi eelmises ülesandes tehtud joonisel (high_scl ja bachelor) valida tunnuse income_class jaoks selline värviskaala, mis http://www.colorbrewer2.org väitel on ka värvipimedatele loetav.

2 Joonise viimistlemine

Vaikimisi joonistab ggplot2 halli taustaga jooniseid – et heledamad värvid oleksid sama silmatorkavad kui tumedad. Kui on soov valge tausta järele, siis seda saab tellida, lisades joonisele käsu + theme_bw(). Veelgi detailsemalt saab joonise kujundust käsuga + theme(.), mille argumentidest mõned olulisemad on:

Argument Elemendi tüüp Selgitus
line line kõik jooned
rect rect kõik ristkülikulised elemendid (taustad, raamid)
text text kõik tekstid
axis.line line joonise teljed
axis.text.x text x-telje väärtused
axis.text.y text y-telje väärtused
axis.ticks line joonise jaotised
axis.title.x text x-telje pealkiri
axis.title.y text y-telje pealkiri
legend.background rect legendi taust
legend.key rect legendi võtme taust
legend.text text legendi tekst
legend.title text legendi pealkiri
panel.background rect graafiku taust
panel.border rect graafikut ümbritsev raam
panel.grid.major line jaotise jooned
panel.grid.minor line jaotise jooned
plot.background rect kogu joonise taust
plot.title text joonise pealkiri
strip.background rect tahkude pealkirjade taust
strip.text.x text horisontaalsete tahkude pealkiri
strip.text.y text vertikaalsete tahkude pealkiri

Täielikum loetelu theme(.) võimalikest argumentidest on aadressil http://ggplot2.tidyverse.org/reference/#section-themes .

Nagu näha, on kolm peamist elemenditüüpi, mida saab muuta käskudega element_text(.), element_line(.) ja element_rect(.). Nendel käskudel on omakorda argumendid:

  • element_text(.) – family, size, colour, angle, hjust, vjust kontrollivad teksti šrifti, suurust, värvi, kaldenurka ja positsiooni vaikimisi määratud koha suhtes. Näiteks size=14 valib teksti punktisuuruseks 14pt.
  • element_line(.) – colour, size, linetype;
  • element_rect(.) – colour, size, linetype ääre muutmiseks, fill sisemuse värvi muutmiseks

Kui mõnda elementi üldse joonisel ei soovi näha, siis tuleb vastavale argumendile anda väärtus element_blank().

2.0.1 Ülesanded

  1. Muuda eelmises ülesandes tehtud joonisel (high_scl ja bachelor hajuvusdiagramm tunnuse income_class järgi värvitud)
    • legendi asukohta, paiguta see joonise alla
    • x-telje siltide paigutust, pööra silte 45 kraadi
    • lisa joonisele pealkiri, määra selle punktisuuruseks 20pt

  1. Praktikumijuhendid põhinevad aine MTMS.01.092 Rakendustarkvara: R (2 EAP) materjalidel, mille autorid on Mait Raag ning Raivo Kolde↩︎

  2. http://en.wikipedia.org/wiki/Munsell_color_system↩︎

  3. http://www.colorbrewer2.org↩︎