ggplot2

Pakett ggplot2:

• võimaldab vähese vaevaga teha ilusaid jooniseid,
• toimib andmetabelitega,
• töötab (semantiliste) kihtide põhimõttel, lisatavate kihtide arv on lõpmatu,
• sisaldab funktsiooni qplot() ehk quick plot, mis on paketi vaste R-i baasgraafika funktsioonile plot(). Põhjalikumalt ja paindlikumalt võimalik graafikuid kujundada funktsiooniga ggplot()

# Esimesel korral tuleb pakett installida
# install.packages("ggplot2") 

# Paketi kasutamiseks laadi pakett
library(ggplot2)

# Laadi andmestik
load("kysimustik_2020.RData")

1. kiht: data & mapping

Kogu ggploti graafik algab alati funktsiooniga ggplot(), mis loob tühja kihi, kus saab täpsustada mida ja millise graafiku osana kuvada.
Seda, kust andmed võetakse, tuleb täpsustada argumendiga data.

# Joonistatakse ainult tühi palett.
ggplot(data = kysimustik)

Andmestiku tunnuste visualiseerimiseks kasutatakse argumenti mapping ja selle väärtusena funktsiooni aes (aesthetics). aes’i argumentidega (ehk sulgude sees) on omakorda võimalik öelda näiteks, et visualiseeri graafiku x-teljel üht tunnust (x =), y-teljel teist (y =), värvi abil kolmandat (color =), täitevärvi abil neljandat (fill =), kujundi abil viiendat (shape =), suuruse abil kuuendat (size =) jne.

Kui tahame nt küsimustikust x-teljel visualiseerida lemmiklooma kategooriaid, siis täpsustame selle argumendiga mapping = aes(x = lemmikloom).

ggplot(data = kysimustik, 
       mapping = aes(x = lemmikloom))

Kuna me ei ole veel öelnud, mismoodi me lemmiklooma tahame graafikul kuvada (nt kas tulpdiagrammina või pirukana), siis joonistatakse endiselt tühi palett, mille x-teljele on nüüd märgitud lemmiklooma kategooriad.

Nii data’t kui ka mapping’ut on võimalik täpsustada ka hilisemates kihtides, kusjuures argumentide nimed võib ka ära jätta kui järjekord on õige.

2. kiht: geom

2. kiht täpsustab, millist graafikutüüpi mingi tunnuse või tunnuste kuvamiseks kasutada. Seda kihti nimetatakse geom_function’iks. Levinumad geom´id on

• geom_point,
• geom_histogram,
• geom_boxplot
• geom_bar
• geom_label
• geom_text
• jne.

# Jätame ära argumentide nimed "data" ja "mapping"
ggplot(kysimustik, 
       aes(x = lemmikloom)) +
  geom_bar()

# Käsku võib lugeda nii: 
# kasuta andmestikust 'kysimustik'
# tunnust 'lemmikloom'
# kuvamiseks graafiku x-teljel,
# kusjuures graafiku tüübiks on
# tulpdiagramm.

Nagu öeldud, võib data’t ja tunnuste mapping’ut täpsustada ka geom-kihtides. Näiteks ülal oleva graafiku saame ka sellise koodiga:

ggplot() + 
  geom_bar(data = kysimustik, 
           aes(x = lemmikloom))

Selline vormistus on kasulik eriti siis, kui tahame kujutada samal graafikul näiteks erinevate andmestike või sama andmestiku erinevate alamhulkade tunnuseid. Näiteks võime samal graafikul kujutada lisaks eraldi joonega ainult kohvijoojate vastuste sagedusi. Kuna geom_line on nn kollektiivne geom ehk selle joonistamiseks kasutatakse mitme vaatluse andmeid, siis selleks, et joon oleks ühendatud üle kõikide kategooriate, kasutame aes-funktsiooni sees argumenti group. Kui tahta näidata ainult üht vaatluste gruppi, võib group’i väärtus olla mis tahes konstant, nt 1, 500, “a” vmt.

ggplot() +
  geom_bar(data = kysimustik,
           aes(x = lemmikloom)) +
  geom_line(data = kysimustik[kysimustik$lemmikjook == "Kohv",],
            aes(x = lemmikloom, group = 1),
            stat = "count", # tuleb lisada, et ggplot teaks, kust tulevad sagedused ("count" ehk "loe kokku")
            color = "gold1")

Kui aga tahta grupeerida vaatlusi mingi andmestiku tunnuse järgi, tuleb group väärtuseks panna seesama andmestiku tunnus ise. Kuvame näiteks nii tee- kui ka kohvijoojate vastused tulpade peal eri värvi joontena.

ggplot() +
  geom_bar(data = kysimustik,
           aes(x = lemmikloom)) +
  geom_line(data = kysimustik,
            aes(x = lemmikloom, 
                group = lemmikjook, # grupeeriv tunnus
                color = lemmikjook), # värvime jooned ka grupeeriva tunnuse järgi
            stat = "count")

Võrdle:

ggplot() +
  geom_bar(data = kysimustik,
           aes(x = lemmikloom)) +
  geom_line(data = kysimustik,
            aes(x = lemmikloom,
                group = 1), # grupeeriv väärtus on konstant
            stat = "count")

3. kiht: scale

3. kiht lubab modifitseerida seda, kuidas mingil kujul graafikul esitamiseks valitud tunnus graafikul täpselt välja näeb. Seda kihti nimetatakse ka scale_function’iks.

scale’iga saab modifitseerida seda elementi, mille kaudu tunnust graafikul kujutatud on, nt scale_x_..., scale_y_..., scale_color_..., scale_fill_..., scale_size_..., scale_shape_... jne.

scale-funktsiooni nime viimane element (üleval märgitud praegu punktiiriga) kirjeldab tunnuse modifitseerimise tüüpi, värviskaalat vms. See, mis argumendid mingil konkreetsel scale-funktsioonil on, sõltub funktsioonist endast. Trüki konsooli nt scale ja vajuta tabulaatorit, et näha erinevaid variante.

Kasutame scale-funktsiooni, et nimetada graafikul ümber lemmiklooma tasemed ning kuvada ka tase “Mulle ei meeldi loomad”, mida keegi vastanutest ei valinud.

ggplot(kysimustik, 
       aes(x = lemmikloom)) +
  geom_bar() + 
  scale_x_discrete(drop = FALSE, # Ära viska välja vastajateta, tühja väärtust "Mulle ei meeldi loomad"
                   labels = c("Glaucus", # Nimeta joonisel lemmiklooma tasemed ümber
                              "Kirjak",
                              "Kutsa",
                              "Ei meeldi"))

Kujutame nüüd graafikul veel täitevärviga (fill) seda, kui suur osa mingi looma valinutest olid tee- ja kui suur osa kohvijoojad. scale-funktsioonis saame näiteks määrata, millist värvipaletti tahaksime tulpade täitevärvi jaoks kasutada.

ggplot(kysimustik, 
       aes(x = lemmikloom,
           fill = lemmikjook)) +
  geom_bar(position = "dodge") + # Aseta lemikjoogi kategooriad üksteise kõrvale eraldi tulpadesse
  scale_x_discrete(drop = FALSE, # Ära viska välja vastajateta, tühja väärtust "Mulle ei meeldi loomad"
                   labels = c("Glaucus", # Nimeta joonisel lemmiklooma tasemed ümber
                              "Kirjak",
                              "Kutsa",
                              "Ei meeldi")) +
  scale_fill_brewer(type = "qual", # Värvi tulbad breweri värvipaketist kvalitatiivseid tunnuseid eristava värviga
                    palette = 2) # ja kasuta paletti nr 2.

4. kiht: labs

4. kihil võime täpsustada telgede ja graafikute pealkirjad, alapealkirjad jmt funktsiooniga labs().

ggplot(kysimustik, 
       aes(x = lemmikloom,
           fill = lemmikjook)) +
  geom_bar(position = "dodge") + 
  scale_x_discrete(drop = FALSE, 
                   labels = c("Glaucus",
                              "Kirjak",
                              "Kutsa",
                              "Ei meeldi")) +
  scale_fill_brewer(type = "qual", 
                    palette = 2) +
  labs(x = "Lemmikloom",
       y = "Sagedus",
       fill = "Lemmikjook",
       title = "Lemmikjook vastavalt lemmikloomale",
       subtitle = "aastatel 2018-2020",
       caption = "Andmed: kursuse FLFL.00.009 osalejate vastused küsimustikule")

ggploti graafikuid saab ka salvestada eraldi objektidesse, et neid taaskasutada. Salvestame meie praeguse joonise objekti nimega p.

p <- ggplot(kysimustik, 
            aes(x = lemmikloom,
                fill = lemmikjook)) + 
  geom_bar(position = "dodge") + 
  scale_x_discrete(drop = FALSE, 
                   labels = c("Glaucus",
                              "Kirjak",
                              "Kutsa",
                              "Ei meeldi")) +
  scale_fill_brewer(type = "qual", 
                    palette = 2) +
  labs(x = "Lemmikloom",
       y = "Sagedus",
       fill = "Lemmikjook",
       title = "Lemmikjook vastavalt lemmikloomale",
       subtitle = "aastatel 2018-2020",
       caption = "Andmed: kursuse FLFL.00.009 osalejate vastused küsimustikule")

5. kiht: theme

5. kihil võime täpsustada otseselt andmetega mitteseotud elementide väljanägemist graafikul funktsiooniga theme(). Selliste elementide hulka kuuluvad nt teksti suurus, värv, font, paksus, paiknemine, graafiku tausta värv, graafiku piirjoonte olemasolu, paksus, värv, ruudustiku kuvamine jne. On terve hulk n-ö sisse-ehitatud teemasid, nt theme_bw(), theme_grey(), theme_light(), theme_dark(), theme_minimal(), theme_classic() jne.

Teemat on aga võimalik ka ise kohandada, täpsustades kohandatavaid elemente funktsiooni theme() sees. Kohandatavaid elemente on palju:

axis.___ telgede elemendid
legend.___ legendi elemendid
panel.___ joonise üldala elemendid
plot.___ joonise enda elemendid
jne.

Iga elemendi väljanägemist saab täpsustada ühega neljast element-funktsioonist:
element_blank() - eemaldab mis tahes elemendi täielikult
element_line() - täpsustab joonte väljanägemist
element_rect() - täpsustab piirjoonte ja tausta väljanägemist
element_text() - täpsustab teksti väljanägemist

Näiteks võib teha sellise teemakihi:

theme(axis.text = element_text(size = 12, # telgede teksti suuruseks 12
                               color = "grey50"), # ja värviks hallikas
      legend.background = element_rect(fill = "transparent"), # legendi taust läbipaistvaks
      legend.position = c(0.1, 0.8), # legend joonise sisse (suhteline asend x- ja y-teljel)
      panel.background = element_rect(fill = "grey90"), # joonise üldala taustaks hallikas 
      panel.grid = element_blank(), # kustuta taustaruudustik
      plot.subtitle = element_text(hjust = 0.5), # joonise alapealkiri joondada keskele
      plot.title = element_text(hjust = 0.5, # joonise pealkiri joondada keskele
                                face = "bold")) # ja kuvada paksus kirjas

Kasutame nüüd objekti p salvestatud graafikut ning lisame sellele loodud teema.

p + theme(axis.text = element_text(size = 12, 
                                   color = "grey50"),
          legend.background = element_rect(fill = "transparent"),
          legend.position = c(0.1, 0.8),
          panel.background = element_rect(fill = "grey90"), 
          panel.grid = element_blank(),
          plot.subtitle = element_text(hjust = 0.5),
          plot.title = element_text(hjust = 0.5,
                                    face = "bold"))

6. kiht: paneelid (facets)

ggploti üks suuri eeliseid on paneelide funktsioon, mille abil on võimalik jagada andmestik ühe või mitme tunnuse järgi osadeks ning kuvada kõikide alamandmestike graafikuid korraga ühel joonisel.

Jagame näiteks tehtud graafiku paneelideks vastajate kursusel osalemise aasta järgi. Kasutame selleks funktsiooni facet_wrap(). Tunnus, mille alusel paneelid tehakse, lisatakse argumendina funktsiooni sisse.

ggplot(kysimustik, 
            aes(x = lemmikloom,
                fill = lemmikjook)) + 
  geom_bar(position = "fill") + # Kasutame absoluutsageduste asemel proportsioone
  scale_x_discrete(drop = FALSE, 
                   labels = c("Glc",
                              "Krk",
                              "Kr",
                              "EiM")) +
  scale_fill_brewer(type = "qual", 
                    palette = 2) +
  labs(x = "Lemmikloom",
       y = "Sagedus",
       fill = "Lemmikjook",
       title = "Lemmikjook vastavalt lemmikloomale",
       subtitle = "aastatel 2018-2020",
       caption = "Andmed: kursuse FLFL.00.009 osalejate vastused küsimustikule") +
  facet_wrap("aasta") + # Jagame andmestiku aastate järgi paneelideks. NB! Tunnus jutumärkides!
  theme(axis.text = element_text(size = 12, 
                                   color = "grey50"),
          legend.background = element_rect(fill = "transparent"),
          panel.background = element_rect(fill = "grey90"), 
          panel.grid = element_blank(),
          plot.subtitle = element_text(hjust = 0.5),
          plot.title = element_text(hjust = 0.5,
                                    face = "bold"))

Joonist paneelideks jagav tunnus peab olema funktsioonis kas jutumärkides või kujul ~tunnus (ilma jutumärkideta). Võib jagada ka mitme tunnuse järgi. Sel juhul on funktsiooni sees kas c("esimenetunnus", "teinetunnus") või esimenetunnus~teinetunnus. Alternatiiv funktsioonile facet_wrap() on facet_grid(), mis kuvab paneele pisut teistmoodi.

Eelmise korra graafikud

ggplot(kysimustik, 
       aes(x = synniaasta)) +
  geom_histogram(binwidth = 5, # sagedusklassi ulatus 5 ühikut (aastat)
                 boundary = 0, # aitab antud juhul joondada klasse skaala numbritega
                 color = "black", # klasside ääred mustad
                 fill = "transparent") + # klasside sisu läbipaistev
  scale_x_continuous(breaks = seq(1965, 2000, 5)) + # x-skaala 1965-st 2000-ni 5-aastaste intervallidena
  labs(title = "Sünniaasta histogramm",
       x = "Sünniaasta",
       y = "Sagedus") +
  theme_classic() +
  theme(plot.title = element_text(hjust = 0.5), # graafiku pealkiri keskele
        axis.text.y = element_text(angle = 90, # y-telje tekst 90-kraadise nurga alla
                                   hjust = 0.5), # y-telje tekst joondada sakkidega
        panel.background = element_rect(color = "black")) # joonise alale serv ümber 

ggplot(kysimustik, 
       aes(x = synniaasta)) +
  geom_histogram(binwidth = 10,
                 boundary = 0,
                 color = "grey50", 
                 fill = c("blue", "purple", "red", "pink")) +
  scale_x_continuous(breaks = seq(1960, 2000, 10)) +
  labs(title = "Sünniaasta histogramm",
       x = "Sünniaasta",
       y = "Sagedus") +
  theme_classic() +
  theme(plot.title = element_text(hjust = 0.5),
        panel.background = element_rect(color = "black"))

ggplot(kysimustik, 
       aes(y = synniaasta)) +
  stat_boxplot(geom = "errorbar", # vurrud tuleb joonistada eraldi funktsiooniga
               width = 0.5) + # vurru laius 50% kasti laiusest
  geom_boxplot(outlier.shape = 1, # muuda erindi sümbolit
               outlier.size = 2) + # tee erindi sümbol suuremaks
  scale_y_continuous(breaks = seq(1970, 1995, 5)) +
  labs(y = "") +
  theme_classic() +
  theme(axis.text.y = element_text(angle = 90, 
                                   hjust = 0.5),
        axis.text.x = element_blank(), # ära näita x-telje teksti
        axis.ticks.x = element_blank(), # ära näita x-telje sakke
        panel.background = element_rect(color = "black")) +
  xlim(-1, 1) # lisa karbist vasakule ja paremale natuke tühja ruumi

ggplot(kysimustik, 
       aes(x = lemmikloom, y = synniaasta)) +
  stat_boxplot(geom = "errorbar", 
               width = 0.5) +
  geom_boxplot(fill = c("lightblue", # kastide värvid
                        "yellow",
                        "grey"),
               outlier.shape = 1,
               outlier.size = 2) +
  scale_x_discrete(drop = FALSE) + # ära viska välja lemmiklooma klassi, mida keegi ei vastanud
  scale_y_continuous(breaks = seq(1970, 1995, 5)) +
  theme_classic() +
  theme(axis.text.y = element_text(angle = 90,
                                   hjust = 0.5),
        panel.background = element_rect(color = "black"))

ggplot(kysimustik, 
       aes(y = kaua_opid,
           x = seq_along(kaua_opid))) +
  geom_point(shape = 1, 
             size = 1.5) +
  labs(x = "Index") +
  theme_classic() +
  theme(panel.background = element_rect(color = "black"),
        axis.text.y = element_text(angle = 90,
                                   hjust = 0.5))

ggplot(kysimustik, 
       aes(x = synniaasta, 
           y = kaua_opid)) +
  geom_point(shape = 15, 
             color = "grey50",
             size = 1.5) +
  scale_x_continuous(breaks = seq(1970, 1995, 5)) +
  labs(x = "Sünniaasta",
       y = "Õpitud aastate arv",
       title = "Õpitud aastate seos sünniaastaga") +
  theme_classic() +
  theme(panel.background = element_rect(color = "black"),
        axis.text.y = element_text(angle = 90,
                                   hjust = 0.5),
        plot.title = element_text(hjust = 0.5))

ggplot(kysimustik, 
       aes(x = synniaasta, 
           y = kaua_opid,
           color = kogemused_kvant)) +
  geom_point(shape = 15, 
             size = 1.5) +
  scale_x_continuous(breaks = seq(1970, 1995, 5)) +
  scale_color_manual(name = "Kogemusi kvantmeetoditega",
                     values = c("grey50", "orange")) +
  labs(x = "Sünniaasta",
       y = "Õpitud aastate arv",
       title = "Õpitud aastate seos sünniaastaga") +
  theme_classic() +
  theme(panel.background = element_rect(color = "black"),
        axis.text.y = element_text(angle = 90,
                                   hjust = 0.5),
        plot.title = element_text(hjust = 0.5),
        legend.direction = "horizontal",
        legend.position = c(0.4, 1), # legend algab x-telje 40% peal ning lõppeb y-telje 100% peal
        legend.justification = c(0,1), # legendi asetus 
        legend.background = element_rect(color = "black"))

ggplot(kysimustik,
       aes(x = kogemused_kvant)) +
  geom_bar(fill = "grey70", 
           color = "black") +
  labs(y = "", x = "") +
  theme_classic() +
  theme(axis.line.x = element_blank(),
        axis.text.y = element_text(angle = 90, 
                                   hjust = 0.5))

ggplot(kysimustik,
       aes(x = kursuse_labimine,
           fill = kogemused_kvant)) +
  geom_bar(position = "dodge", color = "black") +
  scale_x_discrete(drop = FALSE) +
  scale_y_continuous(breaks = seq(0, 12, 2)) +
  scale_fill_manual(values = c("grey35", "orange"), # määra käsitsi kogemused_kvant kategooriate värvid
                    name = "Kogemusi kvantmeetoditega") + # nimeta legend ümber
  labs(x = "Kursuse läbimise tõenäosus",
       y = "Vastanute arv") +
  theme_classic() +
  theme(axis.text.y = element_text(angle = 90,
                                   hjust = 0.5),
        axis.line.y = element_blank(), # kustuta ära y-telje joon
        axis.ticks.y = element_blank(), # kustuta ära y-telje sakid
        legend.position = c(0.4, 0),
        legend.justification = c(0,0),
        legend.direction = "horizontal",
        legend.background = element_rect(color = "black")) +
  coord_flip()

ggplot(kysimustik,
       aes(x = kursuse_labimine,
           fill = kogemused_kvant)) +
  geom_bar(position = "fill", 
           color = "black") +
  scale_x_discrete(drop = FALSE) +
  scale_y_continuous(breaks = seq(0, 1, 0.2)) +
  scale_fill_manual(values = c("grey35", "orange"),
                    name = "Kogemusi kvantmeetoditega") +
  labs(x = "Kursuse läbimise tõenäosus",
       y = "Vastanute proportsioonid") +
  theme_classic() +
  theme(axis.text.y = element_text(angle = 90,
                                   hjust = 0.5),
        axis.line.y = element_blank(),
        axis.ticks.y = element_blank(),
        legend.position = c(0.4, 0),
        legend.justification = c(0,0),
        legend.direction = "horizontal",
        legend.background = element_rect(color = "black")) +
  coord_flip()

ggplot(kysimustik,
       aes(x = kursuse_labimine,
           fill = kogemused_kvant)) +
  geom_bar(position = position_fill(reverse = TRUE), 
           color = "black") +
  scale_x_discrete(drop = FALSE) +
  scale_y_continuous(breaks = seq(0, 1, 0.2)) +
  scale_fill_manual(values = c("grey35", "orange"),
                    name = "Kogemusi kvantmeetoditega") +
  labs(x = "Kursuse läbimise tõenäosus",
       y = "Vastanute proportsioonid") +
  theme_classic() +
  theme(axis.text.y = element_text(angle = 90,
                                   hjust = 0.5),
        axis.line.y = element_blank(),
        axis.ticks.y = element_blank(),
        legend.position = c(0.4, 0),
        legend.justification = c(0,0),
        legend.direction = "horizontal",
        legend.background = element_rect(color = "black")) +
  coord_flip()

Baasgraafika või ggplot2?

Kumbki graafikapakett ei ole olemuslikult parem kui teine ja on suur tõenäosus, et joonist, mida saad teha ggplotis, saad teha ka baasgraafikas. Kummaga täpselt töötada, sõltub isiklikest eelistustest, harjumusest ja veidi ka sellest, milliseid graafikuid ja mille jaoks tüüpiliselt kasutatakse. Baasgraafikapaketiga saab enamasti kiiremini oma andmetest ülevaate, ggplot pakub veidi enam võimalusi nt rakendustes või veebilehtedel jooksvateks joonisteks ning on laialtlevinud andmeteaduses. Publitseerimiseks tuleb mõlema paketiga töötades joonistega pisut vaeva näha. Mõlemal paketil on ka terve hulk laiendusi, mis võimaldavad teha asju, millega pakett ise toime ei tule (nt 3D graafikud ggplotis). Asjad, milles ggplotil on siiski selge eelis, on nt legendid, grupeerimine ja paneelid (facets). Loe ka siit.