Drugi STWURek został przygotowany przez członków Koła Naukowego Statystyki Matematycznej Gauss: Paulinę Krzysztoporską, Marcina Koralewskiego i Bartosza Pawliczaka.
Typy prezentacji danych
Podstawowe 4 typy prezentacji danych:
- Porównanie
- Kompozycja
- Rozkład
- Relacje między danymi
Pytania, które warto sobie zadać:
- Jak dużo zmiennych chcemy pokazać na jednym wykresie?
- Jak wiele punktów danych pokażemy?
- Czy dane są zmienne w czasie? A może zmieniają się w zależności od grup?
Czy zawsze potrzebujemy wykresu?
Tabela dobrze prezentuje dane, gdy
- chcemy znaleźć i porównać pojedyncze wartości,
- pokazujemy dokładne wartości,
- mamy do czynienia z różnymi jednostkami,
- pokazujemy ilościowe informacje, a nie trend.
Wykres będzie odpowiedni, gdy
- będzie przekazywał wiadomość poprzez kształt,
- chcemy pokazać relacje między wieloma zmiennymi.
Wykres punktowy (scatter plot)
Wykres kołowy (pie chart)
Wykres słupkowy (bar plot)
- w pozycji horyzontalnej najlepiej obrazuje 5,7 zmiennych,
- jeśli zmienną jest czas, umieszczamy ją na osi x,
- osie startują z zera!
Wykres słupkowy (bar plot)
daneNaSzybko <- read.csv("edu_dat.csv", encoding="UTF-8")
Wyksztalcenie<-as.numeric(daneNaSzybko$edukacja!="wyższe i policealne")
ggplot(daneNaSzybko,aes(Wyksztalcenie,fill=wojewodztwo))+
geom_bar(position="stack")+xlab(expression(bold("W. wyższe/policealne a pozostałe")))+
theme_classic()+ylab("")
ggplot(daneNaSzybko,aes(Wyksztalcenie,fill=wojewodztwo))+
geom_bar(position="fill")+xlab(expression(bold("W. wyższe/policealne a pozostałe")))+
theme_classic()+ylab("")
wykres<-ggplot(spotkan, aes(x = plec, y = waga, fill = psycholog)) +
geom_bar(stat = "identity", position = "dodge") +
facet_wrap(~ rok, ncol = 1)
wykres+ggtitle(expression(atop("Wizyty u psychologa",
atop(italic("Dane z Diagnozy Społecznej"), ""))))+standard_bp+labs(y="")
wykres<-ggplot(spotkan2, aes(x = plec, y = waga, fill = TV)) +
geom_bar(stat = "identity", position = "dodge") + coord_polar() +
facet_wrap(~ rok, ncol = 1)
wykres+ggtitle(expression(atop("Częstość oglądania TV",
atop(italic("Dane z Diagnozy Społecznej"), ""))))+standard_bp+labs(y="")
Wykres liniowy (line plot)
- Używany najczęściej wtedy, kiedy chcemy pokazać zmienność cechy w czasie.
- Bardzo podatny na zmniejszenie czytelności przez dużą liczbę cech
temp = osoby %>%
select(ap83_1, wojewodztwo, podregion58, eduk4_2000, waga_2000_ind) %>%
mutate_each(funs(as_factor), -waga_2000_ind) %>%
group_by(ap83_1, eduk4_2000, podregion58, wojewodztwo) %>%
summarise(waga = sum(waga_2000_ind, na.rm = TRUE), rok = 2000) %>%
filter(!is.na(ap83_1)) %>%
filter(!is.na(eduk4_2000)) %>%
rename(czy_pali = ap83_1, wyksztalcenie = eduk4_2000)
temp$rok = 2000
### (...)
palenie = rbind(temp, temp2, temp3, temp4, temp5, temp6, temp7, temp8)
#### more factors
palenie_a_podregion_region_wyksztalcenie_i_rok = palenie %>%
select(czy_pali, wyksztalcenie, podregion58, wojewodztwo, rok, waga) %>%
mutate_each(funs(as.factor), -waga)
# change values to numeric
palenie_a_podregion_region_wyksztalcenie_i_rok$czy_pali = gsub(
'TAK',1,palenie_a_podregion_region_wyksztalcenie_i_rok$czy_pali)
palenie_a_podregion_region_wyksztalcenie_i_rok$czy_pali = gsub(
'NIE',0,palenie_a_podregion_region_wyksztalcenie_i_rok$czy_pali)
palenie_a_podregion_region_wyksztalcenie_i_rok$czy_pali = as.numeric(
palenie_a_podregion_region_wyksztalcenie_i_rok$czy_pali)
#group, count percent
palenie_a_wyksztalcenie_i_rok = palenie_a_podregion_region_wyksztalcenie_i_rok %>%
filter(!is.na(wyksztalcenie)) %>%
group_by(wyksztalcenie, rok) %>%
summarise(percent = sum(czy_pali*waga)/sum(waga))
# change to datetime object
palenie_a_wyksztalcenie_i_rok$rok <- strptime(
x = as.character(palenie_a_wyksztalcenie_i_rok$rok), format="%Y")
#First plot
ggplot(data=palenie_a_wyksztalcenie_i_rok, aes(
x=rok, y=percent, group=wyksztalcenie, color=wyksztalcenie))+
geom_line(stat = "identity")+
scale_colour_brewer(type='seq', palette = 'OrRd')+
scale_x_datetime(date_labels = "%Y", date_breaks = '2 years')+
ggtitle('Procent palących na przestrzeni lat')+
ylab('Procent palących')+
xlab('Rok badania')
Pierwszy geom_line:
W wykresie powyżej nie pasuje nam bardzo wiele rzeczy :)
- niska czytelność
- mało czytelna skala osi Y
- chcemy czytelnika poinformować o niepewności wynikającej z trendu
- tytuł bardzo źle wygląda
# 2gi wykres
ggplot(data=palenie_a_wyksztalcenie_i_rok, aes(
x=rok, y=percent, group=wyksztalcenie, color=wyksztalcenie))+
geom_line(stat = "identity")+
scale_colour_brewer(type='seq', palette = 'OrRd')+
scale_x_datetime(date_labels = "%Y", date_breaks = '2 years')+
ylab('Procent palących')+
xlab('Rok badania')+ ###############################
geom_smooth(method='loess')+
scale_y_continuous(labels = scales::percent)+
theme_dark()+
ggtitle(expression(atop("Procent palących na przestrzeni lat", atop(
italic("Dane z Diagnozy Społecznej"), "")))) +
theme(axis.text.x = element_text(angle=-45, hjust=0, vjust=1),
plot.title = element_text(size = 25, face = "bold", colour = "black", vjust = -1))
Na tą chwilę można dopracować:
- podpisy osi
- legenda jest mało czytelna
- tytuł
ggplot(data=palenie_a_wyksztalcenie_i_rok, aes(
x=rok, y=percent, group=wyksztalcenie, color=wyksztalcenie))+
geom_line(stat = "identity")+
scale_colour_brewer(type='seq', palette = 'OrRd')+
scale_x_datetime(date_labels = "%Y", date_breaks = '2 years')+
geom_smooth(method='loess')+
scale_y_continuous(labels = scales::percent)+
theme_dark()+
ggtitle(expression(atop("Procent palących na przestrzeni lat",
atop(italic("Dane z Diagnozy Społecznej"), "")))) +
theme(axis.text.x = element_text(angle=-45, hjust=0, vjust=1),
plot.title = element_text(size = 25, face = "bold",
colour = "black", vjust = -1, hjust=0.5))+############
theme(legend.direction = 'vertical',
legend.key.size = unit(3, 'lines'), legend.justification = c(1, -0.015),
legend.title = element_text(size = 18, colour = "black", vjust = 0),
legend.text = element_text(size = 11),
axis.title.x = element_text(size = 15, colour = 'grey35'),
axis.title.y = element_text(size = 15, colour = 'grey35'),
plot.background = element_rect(fill = 'grey90'),
legend.background = element_rect(fill = 'grey90')) +
labs(x = 'Rok badania', y = 'Procent palących', color='Wykształcenie')
