8 Weitere Geoms und Aufbereiten von Plots

8.1 Linienplots mit `geom_line()`

Minimalbeispiel `geom_line()`

d <- tibble(A = c(1, 2, 3, 5), B = c(2, 6, 4, 4.5))
ggplot(data = d) + geom_line(mapping = aes(x = A, y = B))

geom_line() funktioniert im Prinzip genau wie geom_point()

BIP Länder (erster Versuch)

ggplot(data = d_wb_countries) +
  geom_line(mapping = aes(x = year, y = gdp))

Nicht klar, dass nur Punkte derselben Länder verbunden werden sollen!

BIP Länder (zweiter Versuch)

ggplot(data = d_wb_countries) +
  geom_line(mapping = aes(x = year, y = gdp, group = country))

Mit group = <M> angegeben, welche Punkte zusammengehören

BIP Länder (mit Farbe)

ggplot(data = d_wb_countries) +
  geom_line(mapping = aes(x = year, y = gdp, color = country, group = country))

Einfärben mit color = c

BIP Länder: Farbe und Population

ggplot(data = d_wb_countries) +
  geom_line(mapping = aes(x = year, y = gdp, color = country, linewidth = pop), lineend = "round")

size = s legt Linienstärke fest
lineend = "round" bei sehr dicken Linien

8.2 Was es sonst nocht gibt…

Liniensegmente mit `geom_segment()`

ggplot(data = d_wb_countries_2012) +
  geom_segment(mapping = aes(x = 0, xend = pop, y = country, yend = country)) +
  geom_point(mapping = aes(x = pop, y = country), color = "red")

Notwendige AES: x, y, xend, yend, auch mit festen Werten

Liniensegmente mit `geom_segment()`

ggplot(data = d_wb_countries_2012) +
  geom_segment(mapping = aes(x = 0, xend = pop, y = country)) +
  geom_point(mapping = aes(x = pop, y = country), color = "red")

Wert für Ende kann man weglassen, falls gleich wie Anfang

Rechtecke mit `geom_tile()`

d <- tibble(X = c(0, 1, 3), Y = c(3, 2, 1), W = c(1, 0.5, 1), H = c(2, 3, 1))
ggplot(data = d) +
  geom_tile(mapping = aes(x = X, y = Y, width = W, height = H)) +
  geom_point(mapping = aes(x = X, y = Y), color = "red")

Notwendige AES: Mittelpunkt und Breite/Höhe
tile wie Fliese

Rechtecke mit `geom_rect()`

d <- tibble(X1 = c(0, 1.5, 3), Y1 = c(2.5, 2, 1), X2 = c(1, 2.5, 3.5), Y2 = c(1, 3, 2))
ggplot(data = d) +
  geom_rect(mapping = aes(xmin = X1, ymin = Y1, xmax = X2, ymax = Y2)) +
  geom_point(mapping = aes(x = X1, y = Y1), color = "red") + geom_point(mapping = aes(x = X2, y = Y2), color = "blue")

Notwendige AES: Koordinaten der Eckpunkte
rect wie rectangle = Rechteck

8.3 Plots aufbereiten

Facetten mit `facet_wrap`

ggplot(data = filter(d_ns_bochum_tag, Jahr %in% 2014:2017)) +
  geom_boxplot(mapping = aes(x = Monat, y = NS)) +
  facet_wrap(~Jahr, ncol = 2)

facet_wrap(~Merkmal): Für jede Ausprägung des Merkmals ein Plot
facet wie Facette, Seite und wrap wie umbrechen
Anzahl Zeilen (row) oder Spalten (col) mit nrow = nr oder ncol = nc
Jahre 2014 - 2017 mit filter() (später ausführlich)

Sortierung nach Häufigkeit 1/3

ggplot(d_wb_all) +
  geom_bar(mapping = aes(x = region))

Standardmäßig wird alphabetisch sortiert

Sortierung nach Häufigkeit 2/3

ggplot(d_wb_all) +
  geom_bar(mapping = aes(x = fct_infreq(region)))

Nach Häufigkeit sortieren mit fct_infreq()

Sortierung nach Häufigkeit 3/3

ggplot(d_wb_all) +
  geom_bar(mapping = aes(x = fct_rev(fct_infreq(region))))

Ansteigend mit fct_rev(), rev wie reverse = umgekehrt

Sortierung nach Merkmal 1/3

ggplot(d_wb_countries) +
  geom_col(mapping = aes(x = country, y = pop))

Standardmäßig wird alphabetisch sortiert

Sortierung nach Merkmal 2/3

ggplot(d_wb_countries) +
  geom_col(mapping = aes(x = fct_reorder(country, pop), y = pop))

Nach Merkmal sortieren mit fct_reorder()

Sortierung nach Merkmal 3/3

ggplot(d_wb_countries) +
  geom_col(mapping = aes(x = fct_rev(fct_reorder(country, pop)), y = pop))

Absteigend sortieren wieder mit fct_rev()

Skalen

Skalen regeln die Abbildung von Daten auf die Eigenschaften geometrischer Objekte (AES).

Form der Angaben zu Skalen: scale_AAA_BBB(<Arguments>)

AAA	BBB	Funktion
`x`, `y`	continuous, discrete	Koordinatenachsen konfigurieren
`x`, `y`	reverse, sqrt, log10	Koordinatenachsen transformieren
`color`, `fill`	grey, hue, manual, brewer, …	Farbe und Füllfarbe ändern

Darüber hinaus gibt es Skalen für alle anderen visuellen Eigenschaften (Transparenz, Linientyp, Shape, …). In der Regel muss man diese aber nicht anpassen.

Skalen werden automatisch eingefügt

Werden keine Skalen angegeben (so wie bisher), dann fügt ggplot automatisch sinnvolle Skalen ein. Aus

ggplot(data = d_wb_all) +
  geom_point(mapping = aes(x = year, y = gdp))

wird daher

ggplot(data = d_wb_all) +
  geom_point(mapping = aes(x = year, y = gdp)) +
  scale_x_continuous() +
  scale_y_continuous()

Skalen anpassen: Selber dazuschreiben

Kontinuierliche Achsen: Achspunkte ändern

ggplot(data = d_wb_all) + geom_point(mapping = aes(x = year, y = gdp)) +
  scale_x_continuous(breaks = c(1965, 1990, 2015))

Änderung der Beschriftung mit breaks = b

Kontinuierliche Achsen: Möglichkeiten

Argument	Beschreibung
`breaks`	Vektor mit Werten für Achspunkte
`minor_breaks`	Vektor mit Werten für zwischen-Achspunkte
`limits`	Vektor mit zwei Elementen für Begrenzung
`labels`	Vektor mit Beschriftung (selten)

Keine Punkte mit breaks = NULL bzw. minor_breaks = NULL
Durch limits werden die entsprechenden Daten vor dem Plotten entfernt (manchmal nicht erwünscht). Alternativ die Plotgrenzen bei coord_cartesian() angeben (gleich)

Diskrete Achsen: Beschriftung ändern

ggplot(data = d_wb_2012) + geom_bar(mapping = aes(x = region)) +
  scale_x_discrete(labels = c("A", "B", "C", "D", "E", "F", "G"))

Änderung der Beschriftung mit labels = l

Viele Werte nah am Ursprung

ggplot(data = d_wb_2012) +
  geom_point(mapping = aes(x = gdp, y = gge, fill = region, size = pop), shape = 21)

Problem: Fast alle Werte liegen sehr nahe bei Null

Viele Werte nah am Ursprung: Logarithmische Skala

ggplot(data = d_wb_2012) +
  geom_point(mapping = aes(x = gdp, y = gge, fill = region, size = pop), shape = 21) +
  scale_x_log10() + scale_y_log10()

Bereich wird für kleine Werte aufgezogen, für große Werte komprimiert

Weitere Skalen für Achsen

x-Achse	y-Achse	Wirkung
`scale_x_sqrt()`	`scale_y_sqrt()`	Wurzelskala
`scale_x_log10()`	`scale_y_log10()`	Logarithmische Skala
`scale_x_reverse()`	`scale_y_reverse()`	Umgedrehte Skala

→ Definitionsmenge von Logarithmus und Wurzel beachten

Kontinuierliche Farbskala

Datensatz: Sinuskurve

d <- tibble(X = seq(0, 2, by = 0.05), Y = sin(pi * seq(0, 2, by = 0.05)))

Beispiel (nicht empfohlen)

ggplot(data = d) + geom_col(mapping = aes(x = X, y = Y, fill = Y)) +
  scale_fill_gradient(low = "green", high = "red")

scale_fill_gradient() erzeugt Farbverlauf mit zwei Farben

Beispiel (auch nicht empfohlen)

ggplot(data = d) + geom_col(mapping = aes(x = X, y = Y, fill = Y)) +
  scale_fill_gradient2(low = "orange", mid = "yellow", high = "green")

scale_fill_gradient2() erzeugt Farbverlauf mit drei Farben

Brewer-Farbpalette (empfohlen) 1/3

ggplot(data = d) + geom_col(mapping = aes(x = X, y = Y, fill = Y)) +
  scale_fill_distiller(palette = "RdBu")

Farbpalette nach Cynthia Brewer (gleich mehr dazu)

Brewer-Farbpalette (empfohlen) 2/3

ggplot(data = d) + geom_col(mapping = aes(x = X, y = Y, fill = Y)) +
  scale_fill_distiller(palette = "RdBu", direction = 1)

Mit direction = 1 Farbskala umdrehen

Brewer-Farbpalette (empfohlen) 3/3

ggplot(data = d) + geom_col(mapping = aes(x = X, y = Y, fill = Y)) +
  scale_fill_distiller(palette = "RdBu", direction = 1, guide = "legend")

Mit guide = "legend" die Darstellung der Farblegende anpassen

Brewer-Farbpalette mit Klassen (empfohlen)

ggplot(data = d) + geom_col(mapping = aes(x = X, y = Y, fill = Y)) +
  scale_fill_fermenter(palette = "RdBu", direction = 1)

Wortspiel der Entwickler: Fermentieren kommt nach destillieren

Logarithmische Farbskala

ggplot(data = mutate(d, Y = Y^16 + 1e-15)) +
  geom_col(mapping = aes(x = X, y = Y, fill = Y)) +
  scale_fill_fermenter(palette = "RdBu", trans = "log10") +
  scale_y_log10()

Farben mit trans = "log10" dem Logarithmus der Werte zuordnen

Kontinuierliche Farbskalen

Element	Argumente	Funktion
`scale_AAA_gradient`	`low`, `high`	Farbverlauf von low nach high
`scale_AAA_gradient2`	`low`, `mid`, `high`	Farbverlauf mit drei Farben
`scale_AAA_distiller`	`palette`	Brewer-Farbpaletten
`scale_AAA_fermenter`	`palette`	Brewer-Farbpaletten mit Klassen

→ Für AAA je nach Anwendung entweder ‘color’ oder ‘fill’ einsetzen

Optionen für alle kontinuierlichen Farbskalen

Option	Mögliche Werte	Funktion
`direction`	1, -1	Richtung der Farbskala
`guide`	“colourbar”, “legend”	Kontinuierliche Skala oder diskrete Farben
`trans`	“idendity”, “log10”, …	Transformation für Werte

Diskrete Farbskala manuell (erster Versuch)

d <- tibble(farbe = c("rot", "grün", "blau", "grün", "rot", "grün"))
ggplot(data = d) +
  geom_bar(mapping = aes(x = farbe, fill = farbe)) +
  scale_fill_manual(values = c("red", "blue", "green"))

Zuordnung quasi zufällig

Diskrete Farbskala manuell (zweiter Versuch)

d <- tibble(farbe = c("rot", "grün", "blau", "grün", "rot", "grün"))
ggplot(data = d) +
  geom_bar(mapping = aes(x = farbe, fill = farbe)) +
  scale_fill_manual(values = c("rot" = "red", "blau" = "blue", "grün" = "green"))

Zuordnung mit Ausprägung = Farbe angeben

Brewer-Farbpalette

ggplot(data = d_wb_2012) + geom_bar(mapping = aes(x = region, fill = region)) +
  scale_fill_brewer(palette = "Set1")

Brewer-Farbpaletten

Kontinuierlich: scale_color_distiller(palette = p) oder scale_fill_distiller(palette = p)
Diskret: scale_color_brewer(palette = p) oder scale_fill_brewer(palette = p)

Brewer-Farbpaletten

Entwickelt von Cynthia Brewer
Kartographin an der Penn State Universität
Webseite

8.4 Beschriftungen

Beschriftung mit `labs()`

ggplot(data = d_ns_bochum_monat) +
  geom_histogram(mapping = aes(x = NS), binwidth = 15, boundary = 0) +
  labs(
    title = "Niederschläge in Bochum", subtitle = "1951 - 2017",
    x = "Monatlicher Niederschlag (mm)", y = "Anzahl der Monate",
    caption = "Quelle: Deutscher Wetterdienst"
  )

Beschriftung der Farblegende

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

Legende ebenfalls mit labs beschriften
Zum Beispiel für die Füllfarbe: fill = Titel

Beschriftung entfernen

ggplot(data = filter(d_ns_bochum_monat, Jahr >= 2000)) +
  geom_boxplot(mapping = aes(x = factor(Jahr), y = NS)) +
  labs(x = NULL, y = NULL)

Wert NULL entfernt die Beschriftung und den dafür reservierten Platz

Beschriftung drehen

ggplot(data = d_wb_2012) +
  geom_bar(mapping = aes(x = region, fill = region)) +
  guides(x = guide_axis(angle = 45))

Erste Möglichkeit, wenn Beschriftungen auf x-Achse zu lang
Geschmackssache

Beschriftung versetzen

ggplot(data = d_wb_2012) +
  geom_bar(mapping = aes(x = region, fill = region)) +
  guides(x = guide_axis(n.dodge = 3))

Zweite Möglichkeit, wenn Beschriftungen auf x-Achse zu lang
Auch Geschmackssache

8.5 Koordinatensysteme

Achsen vertauschen mit `coord_flip()`

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

Vertauscht die x-Achse mit der y-Achse

Plotbereich mit `coord_cartesian()`

ggplot(data = d_wb_countries) +
  geom_ribbon(mapping = aes(x = year, ymin = 0, ymax = gdp, color = country, fill = country), alpha = 0.3) +
  coord_cartesian(xlim = c(1980, 2010), ylim = c(0, 4e12))

Bereich mit xlim = c(xmin, xmax) und ylim = c(ymin, ymax)

Polarkoordinaten mit `coord_polar()`

ggplot(data = d_wb_countries) +
  geom_ribbon(mapping = aes(x = year, ymin = 0, ymax = gdp, color = country, fill = country), alpha = 0.3) +
  coord_polar(theta = "y")

Ein Wert wird zum Radius, der andere zum Winkel
Variable ("x" oder "y") für Winkel mit theta

Tortendiagramm

ggplot(data = d_wb_countries_2012) +
  geom_col(mapping = aes(x = 0, y = gge, fill = country), color = "black", width = 1) +
  coord_polar(theta = "y") + theme_void()

Gestapeltes Balkendiagramm wird zum Tortendiagramm
theme_void() entfernt Dekoration (gleich)

Ringdiagramm

ggplot(data = d_wb_countries_2012) +
  geom_col(mapping = aes(x = 0.5, y = gge, fill = country), color = "black", width = 1) +
  scale_x_continuous(limits = c(-1, 1)) + coord_polar(theta = "y") + theme_void()

Bereich der x-Achse anpassen
theme_void() entfernt Dekoration (gleich)

8.6 Themes

Voreinstellungen für Graphiken anpassen

Erscheinungsbild anpassen mit `theme()`

ggplot(data = d_wb_2012) +
  geom_bar(mapping = aes(x = region, fill = region)) +
  theme(
    panel.background = element_rect(fill = "pink"),
    panel.grid.major = element_line(color = "hot pink")
  )

Alle Plot-Elemente lassen sich mithilfe von theme() anpassen
Insgesamt ca. 80 Einstellungsmöglichkeiten
Tipp: Nicht zuviel Zeit damit verbringen

Voreingestellte Themes

Vernünftige Voreinstellungen
theme_void() entfernt alles
Weitere Themes im Paket ggthemes

Globale Einstellungen zu Beginn des Dokuments, zum Beispiel:

theme_set(theme_bw())

8.7 Farben ändern

Nicht allen gefallen die grauen Balken…

Farben für einzelnen Plot setzen

ggplot(data = d_ns_bochum_monat) +
  geom_histogram(mapping = aes(x = NS), fill = "orange", color = "black")

Problem: Viel Arbeit, wenn die Plots einheitlich aussehen sollen

Besser: Voreinstellungen global ändern

line_color <- "black"
fill_color <- "light blue"
update_geom_defaults("bar",   list(fill = fill_color, color = line_color))
update_geom_defaults("point", list(fill = fill_color, color = line_color))
update_geom_defaults("boxplot", list(fill = fill_color))

## und so weiter

Einstellungen für alle Plots zu Beginn des Dokuments
Lässt sich später einfach ändern

Farben angeben

Mit dem Namen einer Farbe

Zum Beispiel "red" (mehr als 600 vordefinierte Farben)
colors() gibt Namen der vordefinierten Farben
http://sape.inf.usi.ch/quick-reference/ggplot2/colour

Mit RGB-Wert

Zum Beispiel rgb(0, 0.7, 1)

Mit Hex-Wert

Zum Beispiel "#45e32f"
Farben in R standardmäßig als Hexadezimalzahl

8.8 Legenden entfernen

Methode 1: Legende für einzelne Skala

ggplot(data = d_wb_2012) +
  geom_point(mapping = aes(x = gdp, y = gge, color = region, size = pop)) +
  scale_x_log10() + scale_y_log10() +
  scale_size(guide = "none")

Argument guide = "none" für die Größenskala
Farbskala entfernen mit scale_color_discrete(guide = "none")

Methode 2: Alle Legenden für ein Geom

ggplot(data = d_wb_2012) +
  geom_point(mapping = aes(x = gdp, y = gge, color = region, size = pop), show.legend = FALSE) +
  scale_x_log10() + scale_y_log10()

Argument show.legend = FALSE entfernt alle Legenden für ein Geom

8.1 Linienplots mit geom_line()

Minimalbeispiel geom_line()

BIP Länder (erster Versuch)

BIP Länder (zweiter Versuch)

BIP Länder (mit Farbe)

BIP Länder: Farbe und Population

8.2 Was es sonst nocht gibt…

Liniensegmente mit geom_segment()

Liniensegmente mit geom_segment()

Rechtecke mit geom_tile()

Rechtecke mit geom_rect()

8.3 Plots aufbereiten

Facetten mit facet_wrap

Sortierung nach Häufigkeit 1/3

Sortierung nach Häufigkeit 2/3

Sortierung nach Häufigkeit 3/3

Sortierung nach Merkmal 1/3

Sortierung nach Merkmal 2/3

Sortierung nach Merkmal 3/3

Skalen

Skalen werden automatisch eingefügt

Kontinuierliche Achsen: Achspunkte ändern

Kontinuierliche Achsen: Möglichkeiten

Diskrete Achsen: Beschriftung ändern

Viele Werte nah am Ursprung

Viele Werte nah am Ursprung: Logarithmische Skala

Weitere Skalen für Achsen

Kontinuierliche Farbskala

Beispiel (nicht empfohlen)

Beispiel (auch nicht empfohlen)

Brewer-Farbpalette (empfohlen) 1/3

Brewer-Farbpalette (empfohlen) 2/3

Brewer-Farbpalette (empfohlen) 3/3

Brewer-Farbpalette mit Klassen (empfohlen)

Logarithmische Farbskala

Kontinuierliche Farbskalen

Optionen für alle kontinuierlichen Farbskalen

Diskrete Farbskala manuell (erster Versuch)

Diskrete Farbskala manuell (zweiter Versuch)

Brewer-Farbpalette

Brewer-Farbpaletten

Brewer-Farbpaletten

8.4 Beschriftungen

Beschriftung mit labs()

Beschriftung der Farblegende

Beschriftung entfernen

Beschriftung drehen

Beschriftung versetzen

8.5 Koordinatensysteme

Achsen vertauschen mit coord_flip()

Plotbereich mit coord_cartesian()

Polarkoordinaten mit coord_polar()

Tortendiagramm

Ringdiagramm

8.6 Themes

Erscheinungsbild anpassen mit theme()

Voreingestellte Themes

8.7 Farben ändern

Farben für einzelnen Plot setzen

Besser: Voreinstellungen global ändern

Farben angeben

8.8 Legenden entfernen

Methode 1: Legende für einzelne Skala

Methode 2: Alle Legenden für ein Geom

8.1 Linienplots mit `geom_line()`

Minimalbeispiel `geom_line()`

Liniensegmente mit `geom_segment()`

Liniensegmente mit `geom_segment()`

Rechtecke mit `geom_tile()`

Rechtecke mit `geom_rect()`

Facetten mit `facet_wrap`

Beschriftung mit `labs()`

Achsen vertauschen mit `coord_flip()`

Plotbereich mit `coord_cartesian()`

Polarkoordinaten mit `coord_polar()`

Erscheinungsbild anpassen mit `theme()`