รู้จักกับ ggplot2 แพ็คเกต Data Viz ที่ดีที่สุดของ R

R มี package สำหรับทำ data visualization ระดับท๊อปของโลกที่ชื่อว่า ggplot2 สร้างได้ตั้งแต่ basic – advanced 2D plots สามารถปรับแต่งหน้าตาของ plot ได้ตามที่เราต้องการ i.e. fully customizable เรามักจะเห็นการใช้งาน ggplot2 ใน academic journal บ่อยๆ รวมถึงพวกนิตยสารและสำนักข่าวระดับโลก

FT-world-cup — ตัวอย่างงาน publication ด้วย ggplot2 ของ Financial Times (ที่มา: RA)

วันนี้เราจะมาลองสร้าง basic plot ง่ายๆด้วยกัน ระดับ beginner level!

เปิด RStudio ขึ้นมาแล้วลอง install ggplot2 ด้วยโค้ดด้านล่าง data frame ที่เราจะใช้ใน tutorial วันนี้ชื่อว่า diamonds ที่มาพร้อมกับ package ggplot2

# install packages 
install.packages("ggplot2") 
install.packages("dplyr") 
library(ggplot2) 
library(dplyr) 

# let's look at our dataset 
glimpse(diamonds) 
head(diamonds) 

# small df 
small_diamonds <- sample_n(diamonds, size=2000)

เนื่องจาก diamonds เป็นข้อมูล size ระดับปานกลาง (n=53,940) เราจะสุ่มตัวอย่างออกมาแค่ 2000 records ด้วยฟังชั่น sample_n() เพื่อให้ง่ายต่อการสร้าง plot i.e. ข้อมูลขนาดเล็กจะสร้าง plot ได้เร็วกว่า

Basic Template

ggplot() ต้องการ 2 arguments คือ data frame และ mapping

สำหรับ mapping อธิบายง่ายๆคือการเลือก column ใน data frame ที่เราต้องการ map เป็นแกน x และแกน y ในชาร์ท พอเราเลือก columns x และ y ได้แล้วให้เราเขียน + geom_...() เพื่อเลือกการแสดงผล i.e. geometry ที่เหมาะสมกับคอลั่มที่เราเลือกมาและสร้างเป็น visualization

# ggplot template 
ggplot(data, mapping = aes(x = ... , y = ...)) +
  geom_...()

code ด้านล่างใช้ฟังชั่น geom_point() สร้าง scatter plot โดยเรา map x = carat และ y = price คอลั่มจาก data frame small_diamonds ที่เราเตรียมไว้

ทำไมต้องใช้ scatter plot? เพราะคอลั่ม carat และ price เป็นตัวแปรแบบ numeric ทั้งคู่ กราฟทางสถิติที่เหมาะสมในการแสดงความสัมพันธ์นี้คือ “scatter plot“

# your first ggplot2 
ggplot(small_diamonds, aes(x = carat, y = price)) +
  geom_point()

จากกราฟจะเห็นได้ว่า carat, price มีความสัมพันธ์เชิงบวก (positive relationship) ถ้าลองรัน correlation ด้วยฟังชั่น cor(diamonds$carat, diamonds$price) จะพบว่าค่า cor สูงถึง 0.9215

Customization

เราสามารถเปลี่ยนสีของกราฟด้วยการ setting ค่าที่เราต้องการ ลองพิมพ์ help(geom_point) ใน console เพื่ออ่านคู่มือการใช้งานฟังชั่นนี้ เลื่อนไปที่หัวข้อ Aesthetics จะเห็น list ของ arguments ที่เราสามารถเปลี่ยนได้ ตัวหลักๆที่เราใช้กัน เช่น

size – ขนาดของ point บน scatter plot
color – สีของ point เช่น “red”, “blue”, “salmon”, “hotpink”
alpha – ความจาง (สี) ของ point มีค่าอยู่ระหว่าง [0,1] ค่า alpha ยิ่งต่ำ สีของ point จะยิ่งจางลง

# add color, size and alpha to your plot 
ggplot(small_diamonds, aes(x = carat, y = price)) +
  geom_point(color = "hotpink", size = 3, alpha = 0.3)

Add Layers

ด้านล่างเราลองเปลี่ยนสี plot เป็น "salmon" และเพิ่มอีกหนึ่ง layer ด้วยฟังชั่น geom_smooth() เป็นเส้นสีดำ

# add more layers to the plot 
ggplot(small_diamonds, aes(x = carat, y = price)) +
  geom_point(color = "salmon", size = 3, alpha = 0.3) +
  geom_smooth(method = "loess", se = T, color = "black")

Well done !! You have learned a lot in this post. จุดแข็งที่ทำให้หลายคนเลือกใช้ ggplot2 คือความสามารถในการปรับแต่งหน้าตา plot ของเราอย่างไร้ขีดจำกัด

More Awesome Plots

สำหรับใครที่อยากศึกษาเพิ่มเติม ลองเข้ามาดูที่เว็บไซต์ official ของ ggplot2 ได้ที่นี่ หรือติดตาม tutorial ใหม่ๆของเราได้ที่ทาง FB และ blog นี้

Image result for ggplot2 bbc — ตัวอย่างงาน publication ด้วย ggplot2 ของ BBC (ที่มา: medium)

Appendix

ggplot2 มาพร้อมกับ quick function ที่ใช้สร้างกราฟเร็วๆชื่อว่า qplot() เราสามารถสร้างกราฟแรกในบทความนี้ได้ง่ายๆด้วยโค้ด qplot(x = carat, y = price, data = small_diamonds, geom = "point")

ggplot2 ทำงานได้ดีกับ dplyr (ทั้งสอง package อยู่ในตระกูล tidyverse ของ Hadley Wickham) ใน code chunk แรกของบทความนี้ เราใช้ฟังชั่น sample_n() ของ dplyr ในการสุ่ม data frame อ่านเพิ่มเติมการทำ data wrangling ได้ที่นี่

DataRockie