Visualisierungen
Daten zu visualisieren kann verschiedene Gründe haben: Zum einen können Grafiken für die explorative Datenanalyse (9 Explorative Datenanalyse) genutzt werden. Dabei ist es wichtig, dass man recht flexibel in der Darstellung ist. So ist es zum Beispiel sinnvoll, bei gleichbleibenden Daten zwischen verschiedenen Darstellungen zu wechseln (z.B. Box- / Violinenplot / Histogramm), die Breite der Balken bei einem Histogramm leicht zu ändern oder zusätzliche Merkmale darzustellen. Dies sollte ohne größeren Aufwand schnell gehen und wenig Arbeit machen. Zum anderen ist es aber auch wichtig, Grafiken für Präsentationen, Paper, Arbeiten oder Poster erstellen zu können, deren Erscheinungsbild einem hohen Standard entsprechen soll. Beides kann das Paket ggplot2 aus dem Tidyverse, und wir wollen uns in den folgenden Kapiteln mit dem Erstellen von Grafiken beschäftigen. Beide Aspekte werden eine Rolle spielen.
ggplot2 ist in Schichten (Layern) aufgebaut. Diese sind unabhängig voneinander. Um eine einfache Grafik zu erzeugen, sind (bereinigte) Daten, eine Zuweisung der darzustellenden Merkmale und ein geometrisches Objekt notwendig.
- Die Daten liegen bereinigt in einer Datentabelle vor und werden der Funktion
ggplot()übergeben. - Die Aesthetics legen innerhalb der Funktion
aes()eine visuelle Zuordnung fest und erzeugen einen leeren Plot für die ausgewählten Daten. - Geometrische Objekte der Form
geom_*()stellen die Daten dar und müssen natürlich zu den Aesthetics passen. Einige der geometrischen Funktionen führen vorher noch statistische Transformationen durch, diese können aber auch explizit durch Funktionen der Formstat_*()ausgeführt und dargestellt werden.
Sollen Daten präsentiert werden, so kann das Erscheinungsbild mit den folgenden Funktionen angepasst werden:
Koordinatentransformationen
coord_*()Facetten
facet_*()Skalen
scale_*()Themen
theme_*()Beschriftungen
labs()7 Grafiken erstellen zeigt uns anhand eines Beispiels, wie man aus gegebenen Daten eine Grafik erstellt.