Einführung in ggplot2

Das Package ggplot2 ist inzwischen Teil des tidyverse. Um ggplot2 zu laden, können Sie tidyverse laden. Das tidyverse enthält 7 wichtige Packages, die für die Analyse und Darstellung von Daten benötigt werden. Diese Packages sind ggplot2, dplyr, forcats, tibble, tidyr, stringr und purrr. Die Packages dplyr und ggplot2 werden regelmäßig zusammen verwendet. Installieren und aktivieren Sie zunächst tidyverse:

install.packages("tidyverse")
library(tidyverse)

Sowohl in dplyr als auch in ggplot2 werden die Operationen sequenziell verknüpft. In dplyr werden Operationen mit dem Pipe-Operator verknüpft, der als |> geschrieben wird (früher wurde %>% verwendet). Mit der Pipe wird R schrittweise angewiesen, was zu tun ist. Im folgenden Beispiel wird |> verwendet, um einen Data Frame (mina_data) so zu filtern, dass er nur Frauen enthält; anschließend wird eine Variable (Income_Dollar) erstellt, und zuletzt werden die Beobachtungen nach der Variablen Age sortiert. Der folgende Code dient nur der Veranschaulichung (die Daten existieren nicht, und der Code kann nicht ausgeführt werden).

mina_data |>
  filter(Sex=="Women") |>
  mutate(Income_Dollar = Income_Kronor*10) |>
  arrange(Age)

Auch in ggplot2 werden Operationen sequenziell verknüpft, allerdings mit +. Im Folgenden wird mina_data verwendet, um eine Grafik zu erstellen, in der Income_Dollar und Age auf der x-Achse und der y-Achse mithilfe von Punkten dargestellt werden. Zuletzt erhält die Grafik den Titel "Min graf".

ggplot2(data=mina_data, aes(x=Income_Dollar, y=Age)) +
  geom_point() +
  labs(titel="Min graf")

Denken Sie daran, dass die Pipe (|>) das Ergebnis einer Operation an die nächste Operation weitergibt. Das bedeutet, dass Sie dplyr mit ggplot kombinieren können. Das ist nützlich, um Grafiken im selben Arbeitsgang zu erstellen, in dem die Datenaufbereitung erfolgt. Hier folgt ein Codebeispiel, in dem die Datenaufbereitung mit der Visualisierung verknüpft wird:

mina_data |>
  filter(Sex=="Women") |>
  mutate(Income_Dollar = Income_Kronor*10) |>
  arrange(Age) |>
  ggplot2(aes(x=Inkomst, y=Age)) +
  geom_point() +
  geom_line() +
  labs(titel="Min graf")

Beachten Sie, dass wir (oben) data=mina_data in der Funktion ggplot() nicht angegeben haben. Das ist nicht nötig, weil die Pipe (|>) das Ergebnis aller vorangehenden Operationen als erstes Argument an ggplot() weitergibt, und das erste Argument ist data=.

Dies wird in den folgenden Kapiteln deutlicher, in denen wir Grafiken schrittweise erstellen.