INPUT - OUTPUT Workshop R & RStudio

Deel 4

Krachtige visualisaties met ggplot2

Sven De Maeyer

03/05/2022

1 / 58

Overzicht

Eenvoudige plotjes in R --- (doorklikken)
Grammar of graphics --- (doorklikken)
Hoe werkt ggplot2? --- (doorklikken)
Categorische variabelen visualiseren --- (doorklikken)
Kwantitatieve variabelen visualiseren --- (doorklikken)
Samenhang visualiseren --- (doorklikken)

2 / 58

1. Eenvoudige plotjes in R3 / 58

Plotjes uit `base`

De generieke plot() functie

plot(RIASEC$age)

4 / 58

Plotjes uit `base`

De generieke plot() functie

plot(table(RIASEC$Geslacht))

5 / 58

Plotjes uit `base`

De generieke plot() functie

plot(RIASEC$age, RIASEC$Conventional)

6 / 58

Plotjes uit `base`

De boxplot() functie

boxplot(RIASEC$Conventional)

7 / 58

Plotjes uit `base`

De hist() functie

hist(RIASEC$Conventional)

8 / 58

2. Grammar of Graphics9 / 58

Een meer theoretische benadering van grafieken

Theoretisch uiteenrafelen van data visualisaties
Vormt de basis van verschillende moderne grafische applicaties:
- ggplot2
- Tableau (Polaris)
- Vega-Lite

Slide gebaseerd op slides van Thomas Lin Pedersen https://github.com/thomasp85/ggplot2_workshop/blob/master/presentation.pdf

10 / 58

Centraal idee achter Grammar of Graphics

Slide uit slideshow van Thomas Lin Pedersen https://github.com/thomasp85/ggplot2_workshop/blob/master/presentation.pdf

11 / 58

Grammar of Graphics: Data

Data is niet enkel ruwe dataset (kan ook waarden van schattingen op basis van anlayses zijn)

Group	Country	Gender	Mean_age	Sd_age	CI_lower	CI_upper
BE Male	BE	Male	39	11.0	17.44	60.56
BE Female	BE	Female	41	13.2	15.13	66.87
BE Other	BE	Other	36	8.2	19.93	52.07
NL Male	NL	Male	37	12.0	13.48	60.52
NL Female	NL	Female	36	14.0	8.56	63.44
NL Other	NL	Other	31	7.2	16.89	45.11

Data hoort 'tidy' te zijn (enkel rijen en kolommen)

12 / 58

Grammar of Graphics: Mapping

$=$ Verbinden van elementen van een grafiek met de Data

Aesthetic mapping

$=$ de link tussen waarden voor een variabele in de Data en de 'geometry' (bv. hoogte van een balk; x-positie van een punt; kleur van punt; dikte van een punt; vorm van een punt)

Facet mapping

$=$ de link tussen waarden voor een variabele in de Data en de panelen die in een grafiek worden onderscheiden (bv. apart paneel per land)

13 / 58

Grammar of Graphics: Statistics

Data is misschien wel tidy, maar wil niet zeggen dat de data-input van een graphic al meteen de juiste waarden bevatten die dienen te worden weergegeven
- Bv. eerst beschrijvende statistieken berekenen om een boxplot te kunnen plotten
- Bv. eerst een lineair (of ander) model schatten om een lijn doorheen puntenwolk te trekken
Vaak impliciet achter bepaalde types van grafieken

14 / 58

Grammar of Graphics: Scales

Data dient te worden vertaald naar 'grafische eigenschappen' (= Scales)
Voorbeelden:
- Categorieën $\to$ Kleuren;
- Categorieën $\to$ Vorm (driehoekje; bolletje; kruisje; ...);
- Nummers $\to$ Plaats (x- en y- coördinaten);
- Nummers $\to$ Grootte;
- ...
Implicatie is dat waarde moeten op een bepaalde wijze geïnterpreteerd worden: discrete; continuous; ...

15 / 58

Grammar of Graphics: Geometries

Welke geometrische vormen zijn de basis van de grafische representatie?
Voorbeelden:
- punten op een x- en y-assen stelsel;
- boxplots;
- polygonen;
- een lijn;
- ...

16 / 58

Hoeveel panelen worden weergegeven?
Hoe de panelen te definiëren?

17 / 58

3. Hoe werkt ggplot2?18 / 58

Tijd om de pinguïns erbij te halen...

Leuke data (Bron: https://allisonhorst.github.io/palmerpenguins/articles/intro.html)

install.packages("palmerpenguins")
library(palmerpenguins)
data("penguins")

Artwork by @allison_horst

19 / 58

Tijd om de pinguïns erbij te halen...

Table 1. Random sample of 10 observations from the Palmer Pinguins dataset
species	island	bill_length_mm	bill_depth_mm	flipper_length_mm	body_mass_g	sex	year
Gentoo	Biscoe	47.4	14.6	212	4725	female	2009
Adelie	Torgersen	35.1	19.4	193	4200	male	2008
Adelie	Dream	40.2	17.1	193	3400	female	2009
Gentoo	Biscoe	45.3	13.7	210	4300	female	2008
Adelie	Biscoe	39.7	17.7	193	3200	female	2009
Adelie	Biscoe	38.2	18.1	185	3950	male	2007
Adelie	Dream	40.2	20.1	200	3975	male	2009
Adelie	Biscoe	39.0	17.5	186	3550	female	2008
Adelie	Torgersen	38.6	21.2	191	3800	male	2007
Adelie	Torgersen	36.2	17.2	187	3150	female	2009

20 / 58

De basis `ggplot2`

Plot <- ggplot(
  ## Stap 1: de Data
  data = penguins,
  ## Stap 2: Mapping
  aes(
    x = flipper_length_mm,
    y = body_mass_g)
)
Plot

21 / 58

De basis `ggplot2`

Plot <- ggplot(
  ## Stap 1: de Data
  data = penguins,
  ## Stap 2: Mapping
  aes(
    x = flipper_length_mm,
    y = body_mass_g)
) +
  ## Stap 3: Geometries toevoegen
  geom_point()
Plot

Merk op dat we enkel stappen van de Grammar of Graphics niet dienden te definiëren omdat ze allen logische default waarden hebben

22 / 58

Plot <- ggplot(
  ## Stap 1: de Data
  data = penguins,
  ## Stap 2: Mapping
  aes(
    x = flipper_length_mm,
    y = body_mass_g)
) +
  ## Stap 3: Geometries toevoegen
  geom_point() +
  ## Stap 4: Facets definiëren
  facet_wrap(.~species)
Plot

23 / 58

Een visualisatie laten 'groeien' door laagjes toe te voegen ...

24 / 58

De verschillende `geom_*` opties

De cheatsheet: https://github.com/rstudio/cheatsheets/blob/main/data-visualization-2.1.pdf

25 / 58

4. Categorische variabele visueel samenvatten met `ggplot2`

"de bar is open"

26 / 58

Barplot maken met `geom_bar()`

species op de x-as zetten
geom_bar()
op de achtergrond worden aantallen automatisch geteld (= stat_count())

ggplot(penguins,
       aes(
         x = species
       )) +
  geom_bar()

27 / 58

Barplot maken met `geom_col()`

Heb je reeds samengevatte data, dan kan je geom_col() hanteren.

Teldata <- penguins %>%
  count(species, name = 'Aantal')
ggplot(Teldata,
       aes(
         x = species,
         y = Aantal
       )) +
  geom_col()

## # A tibble: 3 × 2
##   species   Aantal
##   <fct>      <int>
## 1 Adelie       152
## 2 Chinstrap     68
## 3 Gentoo       124

28 / 58

Barplot maken met `geom_bar()`

Kleur toevoegen door een extra schaal te definiëren: de fill

ggplot(penguins,
       aes(
         x = species
       )) +
  geom_bar(
    ## Extra mapping: de "fill" schaal
    aes(fill = species)
    )

29 / 58

Barplot maken met `geom_bar()`

Kleurenpallette manueel bepalen adhv extra laag met scale_fill_manual()

ggplot(penguins,
       aes(
         x = species
       )) +
  geom_bar(
    aes(fill = species)
    ) +
  # Zelf kleuren kiezen
  scale_fill_manual(
    values = c("darkorange","purple","cyan4")
    )

30 / 58

Barplot maken met `geom_bar()`

titels toevoegen/veranderen met extra laag labs()

ggplot(penguins,
       aes(
         x = species
       )) +
  geom_bar(
    aes(fill = species)
    ) +
  scale_fill_manual(
    values = c("darkorange","purple","cyan4")
    ) +
  # Labs laag voor titels en x-as label
  labs(
    title = "Palmer penguins",
    subtitle = "n observations for species",
    x = ""
  )

31 / 58

Barplot maken met `geom_bar()`

ander theme hanteren theme_minimal()

ggplot(penguins,
       aes(
         x = species
       )) +
  geom_bar(
    aes(fill = species)
    ) +
  scale_fill_manual(
    values = c("darkorange","purple","cyan4")
    ) +
  labs(
    title = "Palmer penguins",
    subtitle = "n observations for species",
    x = ""
  ) +
  # Ander thema kiezen
  theme_minimal()

32 / 58

Barplot maken met `geom_bar()`

de richting omdraaien coord_flip()
legende verwijderen theme(legend.position = "none")

ggplot(penguins,
       aes(
         x = species
       )) +
  geom_bar(
    aes(fill = species)
    ) +
  scale_fill_manual(
    values = c("darkorange","purple","cyan4")
    ) +
  labs(
    title = "Palmer penguins",
    subtitle = "n observations for species",
    x = ""
  ) +  
  coord_flip( ) +
  theme_minimal( ) +
  theme(
    legend.position = "none"
  )

33 / 58

Kleuren kiezen ...

http://www.cookbook-r.com/Graphs/Colors_(ggplot2)/

34 / 58

Oefeningen `[ggplot2]` : deel 1

Op Dropbox vind je een document Oefening_ggplot2.Rmd
Plaats dit document op je pc
Open vervolgens het bestand in R Studio
Het document bevat een set van opdrachten met telkens lege code blokken
Bedoeling is dat je de juiste code schrijft (en test door te laten lopen) om deze opdrachten uit te voeren
Zit je vast? No Worries!
- Ik ben er
- Je hebt elkaar
- Er is een oplossingssleutel Oefening_ggplot2_oplossing.Rmd

35 / 58

5. Kwantitatieve variabelen visualiseren met ggplot236 / 58

Histogram met `geom_histogram()`

ggplot(penguins,
       aes(
         x = flipper_length_mm,
       )) +
  geom_histogram()

37 / 58

Histogram met `geom_histogram()`

gepimpte versie

ggplot(penguins,
       aes(
         x = flipper_length_mm,
         fill = species
       )) +
  geom_histogram(
    alpha = .7
  ) +
  scale_fill_manual(
    values = c("darkorange","purple","cyan4")
    ) +
  labs(
    title = "Palmer penguins",
    subtitle = "Histogram voor flipper lengte",
    x = "Flipper lengte"
  ) +
  theme_minimal()

38 / 58

Density plot met `geom_density()`

density plot (oppervlakte onder de curve = 100%)

ggplot(penguins,
       aes(
         x = flipper_length_mm,
         fill = species
       )) +
  geom_density(
    alpha = .7
  ) +
  scale_fill_manual(
    values = c("darkorange","purple","cyan4")
    ) +
  labs(
    title = "Palmer penguins",
    subtitle = "Density plot voor flipper lengte",
    x = "Flipper lengte"
  ) + theme_minimal()

39 / 58

Of beter nog `geom_violin()` + `geom_jitter()`

ggplot(penguins,
       aes(
         x = species,
         y = flipper_length_mm,
         fill = species,
         color = species
       )) +
  geom_violin(
    alpha = .65
  ) +
  geom_jitter(
    alpha = .7
  ) +
  scale_fill_manual(
    values = c("darkorange","purple","cyan4")
    ) +
  scale_color_manual(
    values = c("darkorange","purple","cyan4")
    ) +
  labs(
    title = "Palmer penguins",
    subtitle = "Density plot voor flipper lengte",
    y = "Flipper lengte",
    x = "",
  ) + theme_minimal() + theme(legend.position = "none")

40 / 58

Of een raincloud plot

Gebaseerd op de tutorial van Cédric Scherer: https://www.cedricscherer.com/

41 / 58

Of een raincloud plot (Appendix 1: regenwolken laten groeien)

Extra pakket nodig: ggdist

library(ggdist)
ggplot(penguins, aes(x = species, y = flipper_length_mm)) + 
  stat_halfeye(
    adjust = .5, 
    width = .6, 
    .width = 0, 
    justification = -.2, 
    point_colour = NA
  ) + 
  geom_boxplot(
    width = .15, 
    outlier.shape = NA
  ) +
  geom_point(
    size = 1.3,
    alpha = .3,
    position = position_jitter(
      seed = 1, width = .1
  )) +
  labs(
    title = "Palmer penguins",
    subtitle = "Verdeling van flipper lengte per soort",
    x = "",
    y = "flipper lengte"
  ) +
  coord_cartesian(xlim = c(1.2, NA), clip = "off") +
  coord_flip() +
  theme_minimal()

42 / 58

Oefeningen `[ggplot2]` : deel 2

Op Dropbox vind je een document Oefening_ggplot2.Rmd
Plaats dit document op je pc
Open vervolgens het bestand in R Studio
Het document bevat een set van opdrachten met telkens lege code blokken
Bedoeling is dat je de juiste code schrijft (en test door te laten lopen) om deze opdrachten uit te voeren
Zit je vast? No Worries!
- Ik ben er
- Je hebt elkaar
- Er is een oplossingssleutel Oefening_ggplot2_oplossing.Rmd

43 / 58

6. Samenhang visualiseren met ggplot244 / 58

De puntenwolk met `geom_point()`

ggplot(penguins,
       aes(
         x = body_mass_g,
         y = flipper_length_mm
       )) +
  geom_point( ) +
  labs(
    title = "Palmer penguins",
    subtitle = "Samenhang tussen flipper lengte en body mass",
    y = "Flipper lengte",
    x = "Body mass",
  ) + theme_minimal() + theme(legend.position = "none")

45 / 58

De puntenwolk met `geom_point()` en `geom_smooth()`

ggplot(penguins,
       aes(
         x = body_mass_g,
         y = flipper_length_mm
       )) +
  geom_point( ) +
  geom_smooth( ) +
  labs(
    title = "Palmer penguins",
    subtitle = "Samenhang tussen flipper lengte en body mass",
    y = "Flipper lengte",
    x = "Body mass",
  ) + theme_minimal() + theme(legend.position = "none")

46 / 58

De puntenwolk met `geom_point()` en `geom_smooth()`

zonder confidentie interval
lineair model

ggplot(penguins,
       aes(
         x = body_mass_g,
         y = flipper_length_mm
       )) +
  geom_point( ) +
  geom_smooth(
    method = "lm",
    se = FALSE
  ) +
  labs(
    title = "Palmer penguins",
    subtitle = "Samenhang tussen flipper lengte en body mass",
    y = "Flipper lengte",
    x = "Body mass",
  ) + theme_minimal() + theme(legend.position = "none")

47 / 58

De puntenwolk met `geom_point()` en `geom_smooth()`

een facet per soort dankzij facet_wrap()

ggplot(penguins,
       aes(
         x = body_mass_g,
         y = flipper_length_mm
       )) +
  geom_point( ) +
  geom_smooth(
    method = "lm",
    se = FALSE
  ) +
  facet_wrap(.~species) +
  labs(
    title = "Palmer penguins",
    subtitle = "Samenhang tussen flipper lengte en body mass",
    y = "Flipper lengte",
    x = "Body mass",
  ) + theme_minimal() + theme(legend.position = "none")

48 / 58

De puntenwolk met `geom_point()` en `geom_smooth()`

ggplot(data = penguins,
       aes(x = flipper_length_mm,
           y = body_mass_g)) +
  geom_point(aes(color = species,
                 shape = species),
             size = 3,
             alpha = 0.8) +
  geom_smooth(
    aes(color = species),
    se = F, method = "lm"
    ) +
  theme_minimal() +
  scale_color_manual(
    values = c("darkorange","purple","cyan4")) +
  labs(title = "Penguin size, Palmer Station LTER",
       subtitle = "Flipper lengte en body mass voor Adelie, Chinstrap en Gentoo Pinguïns",
       x = "Flipper lengte (mm)",
       y = "Body mass (g)",
       color = "Penguin soort",
       shape = "Penguin soort") +
  theme(legend.position = c(0.2, 0.7),
        legend.background = element_rect(fill = "white", color = NA),
        plot.title.position = "plot",
        plot.caption = element_text(hjust = 0, face= "italic"),
        plot.caption.position = "plot")

49 / 58

Oefeningen `[ggplot2]` : deel 3

-- Op Dropbox vind je een document Oefening_ggplot2.Rmd

Plaats dit document op je pc
Open vervolgens het bestand in R Studio
Het document bevat een set van opdrachten met telkens lege code blokken
Bedoeling is dat je de juiste code schrijft (en test door te laten lopen) om deze opdrachten uit te voeren
Zit je vast? No Worries!
- Ik ben er
- Je hebt elkaar
- Er is een oplossingssleutel Oefening_ggplot2_oplossing.Rmd

50 / 58

Appendix 1

Regenwolken laten groeien

Terug naar slideshow...

51 / 58

Stap 1

library(ggdist)
P1 <- 
  ggplot(penguins, aes(x = species, y = flipper_length_mm)) + 
  stat_halfeye(
  ) 
P1

52 / 58

Stap 2

P1 <- 
  ggplot(penguins, aes(x = species, y = flipper_length_mm)) + 
  stat_halfeye(
    adjust = .5, 
    width = .6, 
    .width = 0, 
    justification = -.2, 
    point_colour = NA
  ) 
P1

53 / 58

Stap 3

P2 <- P1 + 
  geom_boxplot(
    width = .15, 
    outlier.shape = NA
  ) 
P2

54 / 58

Stap 4

P3 <- P2 + 
  geom_point(
    size = 1.3,
    alpha = .3,
    position = position_jitter(
      seed = 1, width = .1
  )) 
P3

55 / 58

Stap 5

P4 <- P3 + 
  labs(
    title = "Palmer penguins",
    subtitle = "Verdeling van flipper lengte per soort",
    x = "",
    y = "flipper lengte"
  ) 
P4

56 / 58

Stap 6

P5 <- P4 +
  coord_cartesian(xlim = c(1.2, NA), clip = "off") +
  coord_flip() +
  theme_minimal() +
  theme(plot.title.position = "plot")
P5

57 / 58

AANSCHOUW DE REGENWOLKEN / Terug naar slideshow...

58 / 58

Help

Keyboard shortcuts

↑, ←, Pg Up, k

Go to previous slide

↓, →, Pg Dn, Space, j

Go to next slide

Home

Go to first slide

End

Go to last slide

Number + Return

Go to specific slide

b / m / f

Toggle blackout / mirrored / fullscreen mode

Clone slideshow

Toggle presenter mode

Restart the presentation timer

?, h

Toggle this help

INPUT - OUTPUT Workshop R & RStudio

Overzicht

1. Eenvoudige plotjes in R

Plotjes uit base

Plotjes uit base

Plotjes uit base

Plotjes uit base

Plotjes uit base

2. Grammar of Graphics

Een meer theoretische benadering van grafieken

Centraal idee achter Grammar of Graphics

Grammar of Graphics: Data

Grammar of Graphics: Mapping

Grammar of Graphics: Statistics

Grammar of Graphics: Scales

Grammar of Graphics: Geometries

Grammar of Graphics: Facets

3. Hoe werkt ggplot2?

Tijd om de pinguïns erbij te halen...

Tijd om de pinguïns erbij te halen...

De basis ggplot2

De basis ggplot2

De basis ggplot2 met meerdere facets

Een visualisatie laten 'groeien' door laagjes toe te voegen ...

De verschillende geom_* opties

4. Categorische variabele visueel samenvatten met ggplot2

Barplot maken met geom_bar()

Barplot maken met geom_col()

Barplot maken met geom_bar()

Barplot maken met geom_bar()

Barplot maken met geom_bar()

Barplot maken met geom_bar()

Barplot maken met geom_bar()

Kleuren kiezen ...

Oefeningen [ggplot2] : deel 1

5. Kwantitatieve variabelen visualiseren met ggplot2

Histogram met geom_histogram()

Histogram met geom_histogram()

Density plot met geom_density()

Of beter nog geom_violin() + geom_jitter()

Of een raincloud plot

Of een raincloud plot (Appendix 1: regenwolken laten groeien)

Oefeningen [ggplot2] : deel 2

6. Samenhang visualiseren met ggplot2

De puntenwolk met geom_point()

De puntenwolk met geom_point() en geom_smooth()

De puntenwolk met geom_point() en geom_smooth()

De puntenwolk met geom_point() en geom_smooth()

De puntenwolk met geom_point() en geom_smooth()

Oefeningen [ggplot2] : deel 3

Appendix 1

Stap 1

Stap 2

Stap 3

Stap 4

Stap 5

Stap 6

AANSCHOUW DE REGENWOLKEN / Terug naar slideshow...

Overzicht

Help

Plotjes uit `base`

Plotjes uit `base`

Plotjes uit `base`

Plotjes uit `base`

Plotjes uit `base`

3. Hoe werkt `ggplot2`?

De basis `ggplot2`

De basis `ggplot2`

De basis `ggplot2` met meerdere facets

De verschillende `geom_*` opties

4. Categorische variabele visueel samenvatten met `ggplot2`

Barplot maken met `geom_bar()`

Barplot maken met `geom_col()`

Barplot maken met `geom_bar()`

Barplot maken met `geom_bar()`

Barplot maken met `geom_bar()`

Barplot maken met `geom_bar()`

Barplot maken met `geom_bar()`

Oefeningen `[ggplot2]` : deel 1

5. Kwantitatieve variabelen visualiseren met `ggplot2`

Histogram met `geom_histogram()`

Histogram met `geom_histogram()`

Density plot met `geom_density()`

Of beter nog `geom_violin()` + `geom_jitter()`

Oefeningen `[ggplot2]` : deel 2

6. Samenhang visualiseren met `ggplot2`

De puntenwolk met `geom_point()`

De puntenwolk met `geom_point()` en `geom_smooth()`

De puntenwolk met `geom_point()` en `geom_smooth()`

De puntenwolk met `geom_point()` en `geom_smooth()`

De puntenwolk met `geom_point()` en `geom_smooth()`

Oefeningen `[ggplot2]` : deel 3