Untersuchung einzelner Merkmale in R

Übersicht Dataframes für diese Folien

Name	Inhalt
d_wb_all	Weltbank - Alle Länder, alle Jahre
d_wb_2012	Wie `d_wb_all`, aber nur für das Jahr 2012
d_wb_countries	Wie `d_wb_all`, aber nur ausgewählte Länder
d_wb_countries_2012	Wie `d_wb_countries`, aber nur für das Jahr 2012
d_ns_bochum_tag	Tageswerte für Niederschläge in Bochum
d_ns_bochum_monat	Monatswerte für Niederschläge in Bochum

Quellen: https://data.worldbank.org und https://www.dwd.de

Werte plotten mit `geom_col()`

col wie column = Säule → Säulendiagramm

Beispieldatensatz

d <- tibble(
  A=c("X", "Y", "X", "Z", "Z", "X"), 
  B=c(1.5, 5.0, 4.5, 2.0, 1.0, 2.0),
  C=c("U", "V", "V", "W", "V", "W")
)

kable(d)

A	B	C
X	1.5	U
Y	5.0	V
X	4.5	V
Z	2.0	W
Z	1.0	V
X	2.0	W

Mit tibble auf die Schnelle einen Dataframe erzeugen
Werte für ein Merkmal mit c(...) kombinieren
Zeichenketten in Hochkommata eingeben (ob "so" oder 'so' ist egal)
Mit <- wird der Dataframe der Variablen d zugewiesen

Minimalbeispiel

ggplot(data=d) + 
  geom_col(mapping=aes(x=A, y=B))

Höhe der Säule aus Summe der Werte von Merkmal B

Füllfarbe nach drittem Merkmal

ggplot(data=d) + 
  geom_col(mapping=aes(x=A, y=B, fill=C))

Mit fill=<M> Merkmal für Füllfarbe angeben

Nebeneinander

ggplot(data=d) + 
  geom_col(mapping=aes(x=A, y=B, fill=C), position="dodge")

Nebeneinander anordnen mit position="dodge"

Als Balkendiagramm

ggplot(data=d) + 
  geom_col(mapping=aes(x=A, y=B, fill=C)) + coord_flip()

Mit coord_flip() Koordinatenachsen vertauschen

Mit echten Daten…

Treibhausgasemissionen (2012)

ggplot(data=d_wb_countries_2012) + 
  geom_col(mapping=aes(x=country, y=gge))

Zur Erinnerung: gge steht für Greenhouse Gas Emissions

Treibhausgasemissionen bunt (2012)

ggplot(data=d_wb_countries_2012) + 
  geom_col(mapping=aes(x=country, y=gge, fill=region))

Nach Weltregion eingefärbt

Treibhausgasemissionen pro Kopf (2012)

ggplot(data=d_wb_countries_2012) + 
  geom_col(mapping=aes(x=country, y=gge / pop, fill=region))

Rechnen mit Merkmalen: y=gge / pop

Treibhausgasemissionen über die Zeit

ggplot(data=d_wb_countries) +
  geom_col(mapping=aes(x=year, y=gge, fill=country))

Warning: Removed 128 rows containing missing values or values outside the scale range
(`geom_col()`).

Jahreszahl für x-Achse

Treibhausgasemissionen über die Zeit pro Kopf

ggplot(data=d_wb_countries) +
  geom_col(mapping=aes(x=year, y=gge / pop, fill=country))

Warning: Removed 128 rows containing missing values or values outside the scale range
(`geom_col()`).

Rechnen mit Merkmalen: y=gge / pop

Treibhausgasemissionen anteilig

ggplot(data=d_wb_countries) +
  geom_col(mapping=aes(x=year, y=gge, fill=country), position="fill")

Warning: Removed 128 rows containing missing values or values outside the scale range
(`geom_col()`).

Selbe Höhe für alle Balken mit position="fill" \(\rightarrow\) Anteile ablesbar

Ring- und Kreisdiagramme…

1. Schritt: Eine Säule mit Füllfarbe

ggplot(data=d_wb_countries_2012) + 
  geom_col(mapping=aes(x=0, y=pop, fill=country))

x-Wert fest, Höhe nach Merkmal B, Füllfarbe nach Merkmal A

2. Schritt: Bereich auf der x-Achse

ggplot(data=d_wb_countries_2012) + geom_col(mapping=aes(x=0, y=pop, fill=country)) +
  scale_x_continuous(limits=c(-1.5, 0.5))

Skalen besprechen wir noch ausführlicher

3. Schritt: Koordinatentransformation

ggplot(data=d_wb_countries_2012) + geom_col(mapping=aes(x=0, y=pop, fill=country)) +
  scale_x_continuous(limits=c(-1.5, 0.5)) + coord_polar(theta="y")

y-Koordinate wird für den Winkel verwendet

Kreisdiagramm

ggplot(data=d_wb_countries_2012) + geom_col(mapping=aes(x=0, y=pop, fill=country)) +
  coord_polar(theta="y")

Wie Ringdiagramm, aber kein Bereich für x-Werte vorgeben

Ohne Schnickschnack

ggplot(data=d_wb_countries_2012) + geom_col(mapping=aes(x=0, y=pop, fill=country)) +
  coord_polar(theta="y") + theme_void()

Themes behandeln wir noch ausführlich

2. Häufigkeitsverteilungen mit `geom_bar()`

Wie geom_col() aber mit Zählung

bar wie Balken → Balkendiagramm

Beispieldatensatz

d <- tibble(farbe=c("rot", "gruen", "blau", "gruen", "rot", "gruen"))

kable(d)

farbe
rot
gruen
blau
gruen
rot
gruen

Minimalbeispiel

ggplot(data=d) + geom_bar(mapping=aes(x=farbe))

Wie funktioniert das? Mit einer statistischen Transformation!

Statistische Transformation

Funktionsweise

Daten werden vor dem Plotten transformiert
Dabei wird eine neue Tabelle erzeugt
Voreingestellte statistische Transformation für geom_bar: Zählen
Transformierte Daten werden geplottet

Mit echten Daten…

Anzahl der Länder pro Region

ggplot(data=d_wb_2012) + geom_bar(mapping=aes(x=region))

Funktioniert, weil jedes Land genau einmal in Dataframe

Anzahl der Länder pro Region

ggplot(data=d_wb_2012) + geom_bar(mapping=aes(x=region, fill=region))

Balken nach Region eingefärbt (redundant mit Achsenbeschriftung)

3. Histogramme mit `geom_histogram()`

Beispieldatensatz

d <- tibble(X=c(0, 0.5, 0.6, 0.8, 1.3, 1.4, 1.5, 1.6, 1.9, 2.5, 2.6, 2.7))

ggplot(data=d) + geom_point(mapping=aes(x=X), y=0, color='red')

Histogramm

ggplot(data=d) + 
  geom_histogram(mapping=aes(x=X)) +
  geom_point(mapping=aes(x=X), y=0, color='red')

`stat_bin()` using `bins = 30`. Pick better value `binwidth`.

Hinweis vom Programm: Voreinstellung nicht gut

Hilfetext zu geom_histogram

Klassenbreite mit `binwidth=0.5`

ggplot(data=d) + 
  geom_histogram(mapping=aes(x=X), binwidth=0.5) +
  geom_point(mapping=aes(x=X), y=0, color='red')

Position mit `boundary=0`

ggplot(data=d) + 
  geom_histogram(mapping=aes(x=X), binwidth=0.5, boundary=0) +
  geom_point(mapping=aes(x=X), y=0, color='red')

Voreinstellung: Intervalle sind linksoffen (erstes Intervall geschlossen)

Rechtsoffene Intervalle mit `closed="left"`

ggplot(data=d) + 
  geom_histogram(mapping=aes(x=X), binwidth=0.5, boundary=0, closed="left") +
  geom_point(mapping=aes(x=X), y=0, color='red')

Relative Häufigkeiten mit `y=after_stat(density)`

ggplot(data=d) + 
  geom_histogram(mapping=aes(x=X, y=after_stat(density)), binwidth=0.5, boundary=0, closed="left") +
  geom_point(mapping=aes(x=X), y=0, color='red')

Unterschiedliche Klassengrößen mit `breaks=c(...)`

ggplot(data=d) + 
  geom_histogram(mapping=aes(x=X,y=stat(density)), breaks=c(0, 1, 1.5, 1.75, 4)) +
  geom_point(mapping=aes(x=X), y=0, color='red')

Warning: `stat(density)` was deprecated in ggplot2 3.4.0.
ℹ Please use `after_stat(density)` instead.

Prinzip der Flächentreue

Mit echten Daten…

Niederschläge (Tag) in Bochum

ggplot(data=d_ns_bochum_tag) + 
  geom_histogram(mapping=aes(x=Niederschlag), binwidth=0.5, boundary=0)

Niederschläge (Monat) in Bochum

ggplot(data=d_ns_bochum_monat) + 
  geom_histogram(mapping=aes(x=Niederschlag), binwidth=15, boundary=0)

Klassenbreite mit binwidth=w, Klassengrenze mit boundary=b
hier zu sehen: eine unimodale, linkssteile Verteilung

Niederschläge (Monat) in Bochum

ggplot(data=d_ns_bochum_monat) + 
  geom_histogram(mapping=aes(x=Niederschlag, y=stat(density)), binwidth=15, boundary=0)

Relative Häufigkeiten mit y=stat(density)

Niederschläge (Monat) in Bochum

ggplot(data=d_ns_bochum_monat) + 
  geom_histogram(mapping=aes(x=Niederschlag, fill=Monat), binwidth=15, boundary=0)

Nach Monaten eingefärbt

4. Verteilungsfunktionen mit `geom_step()` und Transformation

step wie Stufe → Stufendiagramm

Minimalbeispiel `geom_step()`

ggplot(data=tibble(X=c(0, 1, 3), Y=c(2, 1, 3))) +
  geom_step(mapping=aes(x=X, y=Y)) +
  geom_point(mapping=aes(x=X, y=Y), color='red')

Beispieldaten

d <- tibble(X=c(0.1, 0.3, 0.2, 0.6, 0.3, 0.9, 1.2, 0.3, 0.6, 0.3),
            Y=c("a", "b", "a", "a", "b", "b", "a", "b", "a", "b"))
ggplot(data=d) + geom_bar(mapping=aes(x=X))

Empirische Verteilungsfunktion

ggplot(data=d) + 
  geom_step(mapping=aes(x=X), stat="ecdf")

stat="ecdf" meint Empirical Cumulative Densitiy Function

Empirische Verteilungsfunktion getrennt

ggplot(data=d) + 
  geom_step(mapping=aes(x=X, color=Y), stat="ecdf")

Kurven entsprechend Merkmal Y

Absolute kumulierte Häufigkeitsverteilung

ggplot(data=d) + 
  geom_step(mapping=aes(x=X, y=nrow(d) * stat(y)), stat="ecdf")

In ggplot nicht vorgesehen und daher kompliziert (später)

Mit echten Daten…

Monatliche Niederschläge

ggplot(data=d_ns_bochum_monat) +
  geom_step(mapping=aes(x=Niederschlag), stat="ecdf")

So gut wie kein Monat ohne Regen

Tägliche Niederschläge

ggplot(data=d_ns_bochum_tag) +
  geom_step(mapping=aes(x=Niederschlag), stat="ecdf")

Warum ganz anders als für die monatlichen Niederschläge?

5. Zusammenfassung

Werte darstellen mit `geom_col()`

ggplot(data=d) +
  geom_col(mapping=aes(x=<M>, y=<M>, fill=<M>, color=<M>), Parameter)

Aesthetics	Beschreibung	Optional
`x`	Merkmal für x-Position	Nein
`y`	Merkmal für Höhe der Balken	Nein
`fill`	Merkmal für Füllfarbe	Ja
`color`	Merkmal für Linienfarbe	Ja

Parameter	Beschreibung
`position`	Gesamte y-Achse mit `position="fill"`
	Balken nebeneinander mit `position="dodge"`

Zählen und darstellen mit `geom_bar()`

ggplot(data=d) +
  geom_bar(mapping=aes(x=<M>, fill=<M>, color=<M>), Parameter)

Aesthetics	Beschreibung	Optional
`x`	Merkmal für x-Achse (wird gezählt)	Nein
`fill`	Füllfarbe	Ja
`color`	Linienfarbe	Ja

Parameter	Beschreibung
`position`	Gesamte y-Achse mit `position="fill"`
	Balken nebeneinander mit `position="dodge"`

\(\rightarrow\) Wie geom_col aber ohne y

Histogramme mit `geom_histogram()`

ggplot(data=d) +
  geom_histogram(mapping=aes(x=<M>,y=stat(density),fill=<M>), Parameter)

Aesthetics	Beschreibung	Optional
`x`	Merkmal, das gezählt werden soll	Nein
`y`	Relative Häufigkeiten mit `y=stat(density))`	Ja
`fill`	Merkmal für Füllfarbe	Ja

Parameter	Beschreibung
`bins`	Anzahl der Klassen
`binwidth`	Klassenbreite
`center`	Mitte einer Klasse
`boundary`	Grenze zwischen zwei Klassen
`breaks`	Klassengrenzen
`closed`	Intervalle geschlossen (“left” oder “right”)

Empirische Verteilungsfunktion mit `geom_step()`

ggplot(data=d) +
  geom_step(mapping=aes(x=<M>, color=<M>), stat="ecdf")

Aesthetics	Beschreibung	Optional
`x`	Merkmal für empirische Verteilungsfunktion	Nein
`color`	Merkmal für Farbe	Ja

Übersicht Dataframes für diese Folien

Werte plotten mit geom_col()

Beispieldatensatz

Minimalbeispiel

Füllfarbe nach drittem Merkmal

Nebeneinander

Als Balkendiagramm

Mit echten Daten…

Treibhausgasemissionen (2012)

Treibhausgasemissionen bunt (2012)

Treibhausgasemissionen pro Kopf (2012)

Treibhausgasemissionen über die Zeit

Treibhausgasemissionen über die Zeit pro Kopf

Treibhausgasemissionen anteilig

Ring- und Kreisdiagramme…

1. Schritt: Eine Säule mit Füllfarbe

2. Schritt: Bereich auf der x-Achse

3. Schritt: Koordinatentransformation

Kreisdiagramm

Ohne Schnickschnack

2. Häufigkeitsverteilungen mit geom_bar()

Beispieldatensatz

Minimalbeispiel

Statistische Transformation

Funktionsweise

Mit echten Daten…

Anzahl der Länder pro Region

Anzahl der Länder pro Region

3. Histogramme mit geom_histogram()

Beispieldatensatz

Histogramm

Hilfetext zu geom_histogram

Klassenbreite mit binwidth=0.5

Position mit boundary=0

Rechtsoffene Intervalle mit closed="left"

Relative Häufigkeiten mit y=after_stat(density)

Unterschiedliche Klassengrößen mit breaks=c(...)

Mit echten Daten…

Niederschläge (Tag) in Bochum

Niederschläge (Monat) in Bochum

Niederschläge (Monat) in Bochum

Niederschläge (Monat) in Bochum

4. Verteilungsfunktionen mit geom_step() und Transformation

Minimalbeispiel geom_step()

Beispieldaten

Empirische Verteilungsfunktion

Empirische Verteilungsfunktion getrennt

Absolute kumulierte Häufigkeitsverteilung

Mit echten Daten…

Monatliche Niederschläge

Tägliche Niederschläge

5. Zusammenfassung

Werte darstellen mit geom_col()

Zählen und darstellen mit geom_bar()

Histogramme mit geom_histogram()

Empirische Verteilungsfunktion mit geom_step()

Werte plotten mit `geom_col()`

2. Häufigkeitsverteilungen mit `geom_bar()`

3. Histogramme mit `geom_histogram()`

Klassenbreite mit `binwidth=0.5`

Position mit `boundary=0`

Rechtsoffene Intervalle mit `closed="left"`

Relative Häufigkeiten mit `y=after_stat(density)`

Unterschiedliche Klassengrößen mit `breaks=c(...)`

4. Verteilungsfunktionen mit `geom_step()` und Transformation

Minimalbeispiel `geom_step()`

Werte darstellen mit `geom_col()`

Zählen und darstellen mit `geom_bar()`

Histogramme mit `geom_histogram()`

Empirische Verteilungsfunktion mit `geom_step()`