백 마디 말보다 한 장의 그림이 더 많은 것을 전하듯, R의 ggplot2는 그래픽 기반 데이터 분석에 매우 강력한 도구입니다. 이 장에서는 단순히 데이터를 그리는 단계에서 나아가 다양한 통계 방법을 적용하는 법을 배웁니다. 여기에는 여러 선형 모델, 기술·추론 통계(평균, 표준편차, 신뢰구간), 그리고 사용자 정의 함수가 포함됩니다.

지오움과 함께하는 통계

스무딩

그룹 변수

stat_smooth 수정하기

stat_smooth 수정하기 (2)

통계: 합계와 분위수

분위수(Quantiles)

stat_sum 사용하기

지오메트릭 외부의 통계

준비 작업

position 객체 사용하기

다양한 표현 그리기

Statistics

Coordinates 레이어는 데이터를 효율적이고 정확하게 전달하는 데 특화된 매우 유용한 도구를 제공합니다. 이 장에서는 이러한 레이어를 효과적으로 활용하는 다양한 방법을 살펴봐서, 로그정규 분포 데이터셋, 단위를 가진 변수, 주기적 데이터를 명확하게 시각화할 수 있도록 도와드립니다.

좌표계

확대해서 보기

가로세로비 I: 1:1 비율

가로세로비 II: 비율 지정하기

확장과 클리핑

좌표와 스케일 비교

로그 변환 스케일

변환된 스케일에 통계 추가하기

이중 축과 뒤집힌 축

유용한 이중 축

축 뒤집기 I

축 뒤집기 II

극좌표계

파이 차트

풍향 장미도

Coordinates

Facets를 사용하면 그래프를 여러 패널로 나누어, 각 패널에 데이터셋의 하위 집합을 표시할 수 있습니다. 이 장에서는 facets를 감싸 배치하고(grid로 정렬), 맞춤 라벨을 제공하는 방법을 배웁니다.

facets 레이어

Facet 레이어 기초

여러 변수

수식 표기법

패싯 레이블과 순서

패싯 레이블 지정하기

순서 설정

패싯의 플로팅 공간

가변 플로팅 공간 I: 연속형 변수

가변적인 플로팅 공간 II: 범주형 변수

Facet wrap & margins

수준이 많은 경우에는 wrap 사용하기

여백 플롯

Facets

이제 훌륭한 시각화를 만들 기술은 갖추셨으니, 그래프를 최대한 의미 있게 만드는 것이 중요합니다. 이 장에서는 데이터 시각화 커뮤니티에서 흔히 비추천되는 세 가지 그래프 유형—히트맵, 파이 차트, 다이너마이트 플롯—을 검토합니다. 이러한 그래프의 함정과, 동일한 실수를 피하는 방법을 배우게 됩니다.

모범 사례: 막대그래프

막대 그래프: 다이너마이트 플롯

막대 그래프: 위치 도징(dodging)

막대 그래프: 집계된 데이터 사용하기

히트맵 활용 사례 시나리오

히트맵

유용한 히트맵

히트맵의 대안

좋은 데이터로도 나쁜 그래프가 나올 때

원점 생략

색각 이상

일반적인 문제

Best Practices

이 ggplot2 강좌는 입문 강좌에서 쌓은 지식을 바탕으로 의미 있는 설명형 그래프를 만드는 방법을 다룹니다. 통계량을 즉석에서 계산하고, Coordinates와 Facets가 소통에 어떻게 도움이 되는지 살펴봅니다. 또한 ggplot2로 데이터 시각화 모범 사례의 세부 사항을 익혀, 무엇이 왜 효과적인지 탄탄히 이해하도록 도와드려요. 강좌가 끝나면, 큰 데이터셋을 탐색하기 위한 맞춤형 플로팅 함수를 만들 수 있을 만큼의 도구를 모두 갖추게 되며, 통계와 뛰어난 시각화를 결합해 활용할 수 있습니다.

Introduction to Data Visualization with ggplot2

ggplot2에서 면, 좌표계, 통계를 사용하여 의미 있는 설명적 그래프를 만드는 법을 배우세요.

ggplot2로 하는 중급 데이터 시각화

ggplot2에서 패싯, 좌표계 및 통계를 활용하여 의미 있는 설명적 플롯을 생성하는 방법을 익히세요.

좋은 데이터로도 나쁜 그래프가 나올 때

Create Your Free Account