상자도표 작성 방법 (예제 포함)

ggplot2 라이브러리의 기하학적 오브젝트인 geom_boxplot()을 사용하여 상자도표를 그릴 수 있다. 상자 도표는 4분위수(quantile)로 데이터 분포를 시각화하고 특이치(outlier)의 존재를 탐지하는 데 도움이 된다.

우리는 ggplot2로 상자도표를 소개하기 위해 airquality데이터 세트를 사용할 것이다. 이 데이터 세트는 1973년 5월부터 9월까지 뉴욕의 공기 질을 측정한다. 데이터 세트에는 154개의 관측치가 포함되어 있다. 우리는 다음 변수를 사용할 것이다 :

Ozone: 수치 변수
Wind: 수치 변수
Month: 5월에서 9월. 수치 변수

이 튜토리얼에서는 다음에 대하여 학습한다.

상자도표 작성

첫 번째 상자도표를 작성하기 전에 다음과 같이 데이터를 조작해야 한다 :

1단계: 데이터 불러오기
2단계: 불필요한 변수 제외
3단계: factor 수준에서 Month 변환
4단계: Month를 Begin, Middle, End 등의 세 단계로 구분하는 새로운 범주형 변수를 생성.
5단계: 누락된 관측치 제거

이 모든 단계는 dplyr과 파이프라인 연산자 %>%로 이루어진다.


xxxxxxxxxx
library(dplyr)
library(ggplot2)
# Step 1
data_air <- airquality %>%
#Step 2
select(-c(Solar.R, Temp)) %>%
#Step 3
mutate(Month = factor(Month, order = TRUE, 
               labels = c("May", "June", "July", "August", "September")), 
       
#Step 4 
day_cat <- factor(ifelse(Day < 10, "Begin", ifelse(Day < 20, "Middle", "End"))))

좋은 관행은 glimpse() 함수로 데이터 구조를 확인하는 것이다.


xxxxxxxxxx
glimpse(data_air)

결과 :


xxxxxxxxxx
## Observations: 153
## Variables: 5
## $ Ozone   <int> 41, 36, 12, 18, NA, 28, 23, 19, 8, NA, 7, 16, 11, 14, ...
## $ Wind    <dbl> 7.4, 8.0, 12.6, 11.5, 14.3, 14.9, 8.6, 13.8, 20.1, 8.6...
## $ Month   <ord> May, May, May, May, May, May, May, May, May, May, May,...
## $ Day     <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,...
## $ day_cat <fctr> Begin, Begin, Begin, Begin, Begin, Begin, Begin, Begi...

데이터 세트에 결측치(NA)가 있다. 이것들을 제거한다.


xxxxxxxxxx
# Step 5
data_air_nona <-data_air %>% na.omit()

기본 상자도표

월(Month)별 오존(Ozone) 분포를 기본 상자도표로 그려본다.


xxxxxxxxxx
# Store the graph
box_plot <- ggplot(data_air_nona, aes(x = Month, y = Ozone))
# Add the geometric object box plot
box_plot +
    geom_boxplot()

코드 설명 :

추가 사용을 위해 그래프 저장
- box_plot: 그래프를 variable box_plot 변수에 저장하면, 나중에 사용하기도 좋고, 복잡한 코드 라인을 추가하지 않아도 된다.
기하학적 오브젝트인 상자도표 추가
- 데이터 세트 data_air_nona를 ggplot()에 전달한다.
- aes() 인수 안에는 x축과 y축 추가.
- +기호는 R이 코드를 계속 읽으라는 것을 의미한다. 그것은 코드를 짧게해서 더 읽기 쉽게 만든다.
- geom_boxplot()을 사용하여 상자도표 작성

결과 :

1569992583895

그래프의 방향 변경

그래프의 면을 옆으로 돌릴 수 있다.


xxxxxxxxxx
box_plot +
  geom_boxplot()+
  coord_flip()

코드 설명 :

box_plot : 저장한 그래프를 사용한다. 그래프에 새 정보를 추가할 때마다 모든 코드를 다시 쓰는 것을 피한다.
geom_boxplot()): 상자도표 작성
codes_flip() : 그래프 옆으로 돌리기

결과 :

1569992598264

특이치의 색 변경

여러분은 특이치의 색, 모양 그리고 크기를 변경할 수 있다.


xxxxxxxxxx
box_plot +
    geom_boxplot(outlier.colour = "red",
        outlier.shape = 2,
        outlier.size = 3) +
    theme_classic()

코드 설명 :

outlier.colour="red" : 특이점의 색 제어
outlier.shape=2 : 특이치의 모양 변경. 2는 삼각형.
outlier.size=3 : 삼각형의 크기 변경. 그 크기는 숫자에 비례.

결과 :

1569992610352

요약 통계치 추가

상자도표에 요약 통계치를 추가할 수 있다.


xxxxxxxxxx
box_plot +
    geom_boxplot() +
    stat_summary(fun.y = mean,
        geom = "point",
        size = 3,
        color = "steelblue") +
    theme_classic()

코드 설명 :

stat_summary()는 상자도표에 요약 정보를 추가할 수 있게 함
fun.y 인수는 반환된 통계치를 통제한다. 여기서는 평균 사용.
- 참고 : 최소값, 최대값 등 기타 통계치 이용 가능. 동일한 그래프에 둘 이상의 통계치를 표시할 수 있음.
geon = "point" : 점으로 평균 표시.
size=3 : 점의 크기
color ="steelblue" : 점의 색

결과 :

1569992625617

점이 있는 상자도표

다음 그림에서는 점 도표 레이어를 추가한다. 각각의 점은 각각의 관측치를 나타낸다.


xxxxxxxxxx
box_plot +
    geom_boxplot() +
    geom_dotplot(binaxis = 'y',
        dotsize = 1,
        stackdir = 'center') +
    theme_classic()

코드 설명 :

geom_dotplot()을 사용하여 점 추가 가능
binaxis='y' : y축을 따라 점의 위치를 변경. 기본적으로 x축.
dotsize=1 : 점 크기
stackdir='center' : 점 누적 방법: 네 가지 값:
- "up" (기본값),
- "down"
- "center"
- "centerwhole"

결과 :

1569992648765

상자도표의 aes() 제어

상자의 색 변경

그룹의 색을 변경할 수 있다.


xxxxxxxxxx
ggplot(data_air_nona, aes(x = Month, y = Ozone, color = Month)) +
    geom_boxplot() +
    theme_classic()

코드 설명 :

그룹의 색상은 aes() 매핑에서 제어된다. 월(Month)에 따라 색을 변경할 수 있다.

결과 :

1569992669590

복수 그룹의 상자도표

여러 그룹을 추가하는 것도 가능하다. 측정일(day_cat)에 따라 대기질 차이를 시각화할 수 있다.


xxxxxxxxxx
ggplot(data_air_nona, aes(Month, Ozone)) +
    geom_boxplot(aes(fill = day_cat)) +
    theme_classic()

코드 설명 :

기하 오브젝트의 aes() 매핑이 표시할 그룹을 제어함(이 변수는 factor이어야 함)
aes(fill= day_cat)는 x-축에 매월 세 개의 상자를 만들 수 있다.

결과 :

1569992716647

흩어진 점(Jittered Dots)을 가진 상자도표

점을 보여주는 또 다른 방법은 점들이 흩어져 있는 것이다. 범주형 변수로 점들을 시각화하는 편리한 방법이다.

이 방법은 이산 데이터(discreste data)의 중복을 방지한다.


xxxxxxxxxx
box_plot +
    geom_boxplot() +
    geom_jitter(shape = 15,
        color = "steelblue",
        position = position_jitter(width = 0.21)) +
    theme_classic()

코드 설명 :

geom_jitter()는 각 점들이 갖는 일종의 부식(decay) 현상을 추가한다.
shape=15 : 점의 모양을 바꾼다. 15는 정사각형을 나타낸다.
color = "steelblue" : 점 색상 변경
position=position_jitter(width = 0.21) : 겹치는 점을 배치하는 방법. position_jitter(width = 0.21)는 x축에서 점을 20% 이동한다는 것을 의미한다. 기본값은 40%.

Output:

1569992732158

흩어진 점으로 그려진 첫 번째 그래프와 점법으로 그려진 두 번째 그래프의 차이를 확인할 수 있다.


xxxxxxxxxx
box_plot +
    geom_boxplot() +
    geom_point(shape = 5,
        color = "steelblue") +
    theme_classic()

결과 :

1569992771461

V자형(Notched) 상자도표

geom_boxplot()의 흥미로운 특징은 v자형(notched) 상자도표이다. v자형 도표는 상자를 중앙값 주변을 좁힌다. v자형 상자도표의 주요 목적은 그룹 간 중앙값의 유의성을 비교하는 것이다. 노치가 겹치지 않을 때, 두 그룹이 서로 다른 중앙값를 가지고 있다는 강력한 증거가 된다. 노치(notch)는 다음과 같이 계산된다.

notch = median \pm 1.57 * \frac{IQR}{\sqrt{n}}

여기서, IQR : 사분범위, n : 관측치 수


xxxxxxxxxx
box_plot +
    geom_boxplot(notch = TRUE) +
    theme_classic()

코드 설명 :

geom_boxplot(notch=TRUE): v자형 상자도표 작성

결과 :

1569992788684

요약

다음의 표에 상자도표의 다양한 유형을 요약한다 :

오브젝티브	코드
기본 상자도표	`ggplot(df, aes( x = x1, y =y)) + geom_boxplot()`
방향 바꾸기	`ggplot(df, aes( x = x1, y =y)) + geom_boxplot() + coord_flip()`
v자형 상자도표	`ggplot(df, aes( x = x1, y =y)) + geom_boxplot(notch=TRUE)`
흩어진 점을 갖는 상자도표	`ggplot(df, aes( x = x1, y =y)) + geom_boxplot() + geom_jitter(position = position_jitter(0.21))`