折れ線のjitterは止めようという話 - Qiita
こんなデータがあるとします。 カラムxには1~5のいずれか、yにはデータ、keyには系列ラベル、ですね。 set.seed(71) N <- 100 dat <- data.frame(x = sample(1:5, 2 * N, replace = TRUE), y = c(rnorm(N, 1, 3), rnorm(N, 3, 3)), key = c(rep("A", N), rep("B", N))) Fig.1 平均値の折れ線グラフ＋標準偏差 Fig.1 こんなグラフを書いたりします。 往々にして、こんなグラフが出てくるのは横軸が時間軸で、タイムポイント1~5までの系列A, Bそれぞれの値の推移をまとめました、という内容です。横軸の取り方に問題がある場合もありますが、とりあえずそこはセーフとしておきましょう。 dat_g <- dat %>% group_by(key, x) %
ggplot2の積み上げグラフで並び順を手動で設定する方法 - Qiita
"counter","length","category" 50,0,NA 97,1,NA 122,2,NA 214,3,NA 134,4,NA 63,5,NA 204,0,"エンターテイメント" 633,1,"エンターテイメント" 400,2,"エンターテイメント" 315,3,"エンターテイメント" 292,4,"エンターテイメント" 490,5,"エンターテイメント" 14,0,"音楽" 100,1,"音楽" 151,2,"音楽" 186,3,"音楽" 552,4,"音楽" 131,5,"音楽" 130,1,"歌ってみた" 170,2,"歌ってみた" 2989,3,"歌ってみた" 1282,4,"歌ってみた" 347,5,"歌ってみた" 11,0,"演奏してみた" 86,1,"演奏してみた" 35,2,"演奏してみた" 125,3,"演奏してみた" 41,4,"演奏してみた" 34,
[R]ggplot2の装飾を手動で操作するにはmanual()を使う - Qiita
「ggplot2でグラフに4本の折れ線を引いて，うち2本は点線にして，2本は実線にしたい」というような要望を実現する方法がわからず，探すのに結構な時間がかかったのでメモします。 線のスタイル：linetype 「点線にするか，実線にするか」といった線のスタイルに関するオプションは，linetypeという引数に指定します。 # read libraries and setting ---------------------------------------- library(ggplot2) library(tidyverse) # なんとなくフォントを変更 windowsFonts(Fo = windowsFont("Noto Sans CJK JP")) ggplot()+theme_set(theme_gray(base_size = 14, base_family = "Fo"))
![[R]ggplot2の装飾を手動で操作するにはmanual()を使う - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/94066f1f61f662ce989308eb767d902b946252b4/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9JTVCUiU1RGdncGxvdDIlRTMlODElQUUlRTglQTMlODUlRTklQTMlQkUlRTMlODIlOTIlRTYlODklOEIlRTUlOEIlOTUlRTMlODElQTclRTYlOTMlOEQlRTQlQkQlOUMlRTMlODElOTklRTMlODIlOEIlRTMlODElQUIlRTMlODElQUZtYW51YWwlMjglMjklRTMlODIlOTIlRTQlQkQlQkYlRTMlODElODYmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZ0eHQtY2xpcD1lbGxpcHNpcyZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPWEwNTVmNDkzZTNkMzA2YjAyNjAwZmQyOTM2ZGM3NGQx%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwbWl0YW1hJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz00Y2E2YmMzNmY3NTQwODJlM2RmYTIyZDA4MjQzZmFjZA%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3Db975a8dba9739a6beb4e8facc934485b)
作図の画質向上にチャレンジする（仮）【R, Python】 - Qiita
目次 （作成中） 結論 【大枠の結論】 画像サイズを大きくすればそれなりの画質にはなる 【課題】 Rだと一定以上きれいに描画する方法が見つからない（助けてください…） 【現状の最適解】 一方Pythonだとmatplotlibを使うと下図のようにそれなりに綺麗なプロットができる。 はじめに 「綺麗なプロットを作成したい！」 RやPythonを用いて解析するヒトたちに共通する望みかと思います。 そう、この図のように曲線を描いた時でも、どこかギザギザしたものになってしまう。 今回はこのギザギザをどうしたら改善できるかに挑戦したいと思います。 用いる言語はRとPythonになります。 画像サイズの定義 上図はRでデフォルトサイズのままpngデータで出力したものになります。 単純に画像サイズを大きくすれば質の向上が望めるかと思います。そこで以下からは画像サイズを1280*720として描画していきま
ggplot2のヒストグラムに累積比率を重ねる - Qiita
(2022-05-06追記) 一時変数を使用しない + グループ別の集計に対応した方法を書いた: ggplot2でヒストグラムに経験分布を重ねて描く - もうカツ丼はいいよな stat_bin()内部で..count..をゴニョゴニョしつつ値を保持しておき、第2軸の描画に保持した値を流用するとそれっぽい感じに。 library(ggplot2) bins <- 30 ggplot(diamonds, aes(carat)) + geom_histogram(bins = bins) + stat_bin(aes(y = cumsum(cnt <<- ..count..) / sum(..count..) * max(..count..)), geom = "line", bins = bins) + scale_y_continuous(sec.axis = sec_axis(~ . /
ggplot2 Based Publication Ready Plots
ggplot2, by Hadley Wickham, is an excellent and flexible package for elegant data visualization in R. However the default generated plots requires some formatting before we can send them for publication. Furthermore, to customize a ggplot, the syntax is opaque and this raises the level of difficulty for researchers with no advanced R programming skills. The ‘ggpubr’ package provides some easy-to-u
patchworkを使って複数のggplotを組み合わせる - Qiita
patchworkはggplot2により作成された複数のプロットをめちゃ簡単に組み合わせられるようにすることを目標として開発されているパッケージだ。 同様の目的のパッケージ、関数として、gridExtra::grid.arrange()やcowplot::plot_grid()があるが、これらで上手くやろうとすると試行錯誤が結構必要となる。 これに対し、patchworkでは演算子を使った直感的な記法でプロットを組み合わせられるので、より簡単で可読性に優れた記述が可能となる。 インストール 現在はCRANからインストールできる。 # devtools::install_github("thomasp85/patchwork") install.packages("patchwork")
ggplot2で複数のプロットをまとめて表示する方法あれこれ - Qiita
library(ggplot2) p1 <- qplot(mpg, wt, data = mtcars, colour = cyl) p2 <- qplot(mpg, data = mtcars, ylab = "count") p3 <- qplot(mpg, data = mtcars, ylab = "count", geom = "dotplot") p4 <- ggplot(mtcars, aes(mpg, wt, col = cyl)) + geom_point() + facet_wrap( ~ carb, nrow = 1)
ggplot2でviolin plotとdotplotの両方で可視化する - Note of Pediatric Surgery
今回はこんな感じのグラフを描けるようになることを目標にします。 0. はじめに 第68回TokyoRは盛況に終わったようです。地方都市に住んでいる自分はなかなか参加できず ( ドタキャンして大変申し訳ありません ) 、運営のみなさんが流してくださったツイキャスやスライドなどを見て勉強しております。Togetterにもまとめられています。 togetter.com さて、データの可視化の話題でgeom_violinの話になった時に、@yutanihilationさんが呟いていたグラフが気になったのです。 geom_flat_violin()がちょっと前に話題でしたね。 https://t.co/EXeDYkmUqO #TokyoR— Hiroaki Yutani (@yutannihilation) 2018年3月3日 Great figure! I was inspired to do a
Create Elegant Data Visualisations Using the Grammar of Graphics • ggplot2
Usage It’s hard to succinctly describe how ggplot2 works because it embodies a deep philosophy of visualisation. However, in most cases you start with ggplot(), supply a dataset and aesthetic mapping (with aes()). You then add on layers (like geom_point() or geom_histogram()), scales (like scale_colour_brewer()), faceting specifications (like facet_wrap()) and coordinate systems (like coord_flip()
Create Elegant Data Visualisations Using the Grammar of Graphics • ggplot2
Usage It’s hard to succinctly describe how ggplot2 works because it embodies a deep philosophy of visualisation. However, in most cases you start with ggplot(), supply a dataset and aesthetic mapping (with aes()). You then add on layers (like geom_point() or geom_histogram()), scales (like scale_colour_brewer()), faceting specifications (like facet_wrap()) and coordinate systems (like coord_flip()
ggplot2再入門
ggplot2公式サイト：http://ggplot2.tidyverse.org/ チートシート： https://www.rstudio.com/resources/cheatsheets/（「Data Visualization Cheat Sheet」がggplot2） ggplot2逆引き： http://yutannihilation.github.io/ggplot2-gyakubiki/ r-wakalang： http://qiita.com/uri/items/5583e91bb5301ed5a4ba R for Data Science： http://r4ds.had.co.nz/data-visualisation.html
Same Stats, Different Graphs: Generating Datasets with Varied Appearance and Identical Statistics through Simulated Annealing
“…make both calculations and graphs. Both sorts of output should be studied; each will contribute to understanding.” F.J. Anscombe, 1973 Anscombe’s Quartet It can be difficult to demonstrate the importance of data visualization. Some people are of the impression that charts are simply “pretty pictures,” while all important information can be divined through statistical analysis. An effective (and
ggplotのオブジェクトから眺めてみる
対象者と前提知識 Rには触れたことがある データの読み込みはできる 文字列型，factor型，数値型は(なんとなく)わかる データフレームとベクトルは(多少)操作・加工できる ggplot2でのplotに全く慣れていない でも使ってみたい でもすぐエラーにぶつかる ggplot2を雰囲気で使っている人 A layered grammar of graphics “Grammar of graphics”の思想をレイヤー化してR上で実装したパッケージです。詳しくはHadley WickhamのAcademic portfolioにある論文を参照してください。このパッケージの根底にある原初の思想が書かれいるので，時間があるときに読むのをおすすめします。 ポイント よく「ggplot2はきれいだ」とか言われますが，そこは本質的な部分ではないと(個人的には)思っています。大事なのは，「グラフィック
ggplot2を拡張する（原題：Extending ggplot2）
ggplot2を拡張する（原題：Extending ggplot2） Hadley Wickham（訳：@yutannihilation） 2016-02-16 Note that the original document is provided under the license of GPL-2 and the copyright belongs to Hadley Wickham, one of the authors of ggplot2. このvignetteには、ggplot2 2.0.0で公式に提供される拡張メカニズムについて書きます。 このvignetteは、?Statや?Geomや?themeで読むことができる低レベルな詳細をまとめたものです。 新しいstat、geom、themeをつくってggplot2を拡張する方法を身に着けることができるでしょう。 これを読み進める
Fundamentals of Data Visualization
Welcome This is the website for the book “Fundamentals of Data Visualization,” published by O’Reilly Media, Inc. The website contains the complete author manuscript before final copy-editing and other quality control. If you would like to order an official hardcopy or ebook, you can do so at various resellers, including Amazon, Barnes and Noble, Google Play, or Powells. The book is meant as a guid
主成分分析の考え方 | Logics of Blue
最終更新：2017年7月20日 主成分分析は、多種類のデータを要約するための強力なツールです。 この記事では、主成分分析の考え方・計算の方法、そしてR言語を用いた実装方法について説明します。 まずは、主成分分析とは何者で、計算結果をどのように解釈したらよいのかを学んでください。 そのうえで、ggplot2を使った美麗なグラフの作り方についても合わせて覚えていただければと思います。 コードはまとめてこちらに置いてあります。 スポンサードリンク 目次 主成分分析の考え方 主成分分析とは何をするものか 主成分分析ができると何が嬉しいか 主成分分析の結果はどのように解釈すればよいか 寄与率 主成分得点 Rによる主成分分析 主成分の計算方法 アヤメデータの分析例 1．主成分分析の考え方 主成分分析とは何をするものか 主成分分析とは何をするものでしょうか。 一言でいうと、下の図のように「散布図にそれっ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
for文を使いggplotで複数のグラフを一気に描画する
GitHub - thomasp85/patchwork: The Composer of ggplots
生物統計学 | バイオスタティスティクス | 生物統計学