14. R 함수를 이용한 데이터 시각화 2️⃣ (ggplot2 패키지)

ggplot2는 R의 시각화 패키지 중 가장 강력하고 유연한 도구로, 데이터를 시각적으로 효과적으로 표현할 수 있습니다.

ggplot2는 그래프를 층(layer)으로 쌓아올리듯이 구성합니다.

이 패키지는 "Grammar of Graphics"에 기반한 구조적인 접근 방식을 제공하여, 데이터를 효과적으로 시각화할 수 있도록 도와줍니다.

---

ggplot2 패키지를 이용한 시각화

---

기본 구조

ggplot2의 시각화는 기본적으로 ggplot() 함수와 aes() 함수를 사용하여 시작됩니다.

• ggplot() 함수: 이 함수는 시각화를 시작하는 기본 틀을 만듭니다. ggplot()은 주로 데이터 프레임을 입력받고, 그 위에 여러 지오메트리 레이어(geom layers)를 추가하여 그래프를 완성합니다.
• aes() 함수: aesthetic(미적 요소)를 설정하는 함수로, 데이터의 변수들을 시각적 속성(축, 색상, 크기 등)에 매핑합니다. aes()는 ggplot() 함수 안에 위치하며, 데이터를 시각화에 어떻게 매핑할지 지정합니다.

# 기본 구조
ggplot(data = mpg, aes(x = displ, y = hwy))  +
  <지오메트리 함수>(aes(<추가적인 미적 매핑>)) +
  <추가적인 구성 요소들>

위 코드는 mpg 데이터 프레임에서 displ 변수를 x축에, hwy 변수를 y축에 매핑하는 기본 구조를 생성합니다.

하지만 아직 아무런 그래프도 그려지지 않으며, 지오메트리 레이어를 추가해야 실제로 데이터를 시각화할 수 있습니다.

---

지오메트리 레이어

지오메트리 레이어는 실제로 그래프에 데이터를 표시하는 방법입니다.

ggplot2는 다양한 지오메트리 함수를 제공하며, 이들을 조합하여 복잡한 그래프를 만들 수 있습니다.

 

산점도

• geom_point(): 산점도(Scatter plot)를 그리는 지오메트리입니다. 데이터를 점으로 표현하여 두 변수 간의 관계를 시각화합니다.
  • labs(): 그래프의 제목과 축 라벨을 설정합니다.

library(ggplot2)

# 예시 데이터
df <- data.frame(x = c(1, 2, 3, 4, 5), y = c(3, 7, 8, 5, 9))

# 산점도
ggplot(df, aes(x = x, y = y)) +
  geom_point(color = "blue", size = 3) +
  labs(title = "산점도", x = "X 축", y = "Y 축")

 

선 그래프

• geom_line(): 선 그래프(Line plot)를 그리는 지오메트리입니다. 주로 시간에 따른 데이터 변화를 시각화하는 데 사용됩니다.

# 선 그래프
ggplot(df, aes(x = x, y = y)) +
  geom_line(color = "red", size = 1) +
  labs(title = "선 그래프", x = "X 축", y = "Y 축"

 

막대 그래프

• geom_bar(): 막대 그래프(Bar chart)를 그리는 지오메트리입니다. 범주형 데이터의 빈도나 비율을 시각화할 때 사용합니다.

ggplot(df, aes(x = x, y = y)) +
  geom_bar(color = "green", size = 1) +
  labs(title = "막대 그래프", x = "X 축", y = "Y 축"

 

히스토그램 (Histogram)

• geom_histogram(): 히스토그램을 그리는 함수입니다.

# 히스토그램
data <- data.frame(value = rnorm(1000))
ggplot(data, aes(x = value)) +
  geom_histogram(binwidth = 0.5, fill = "lightblue", color = "black") + # binwidth: 히스토그램의 빈 간격을 설정합니다.
  labs(title = "히스토그램", x = "값", y = "빈도")

 

박스 플롯 (Box Plot)

• geom_boxplot(): 박스 플롯을 그리는 함수입니다.

# 박스 플롯
ggplot(data, aes(y = value)) +
  geom_boxplot(fill = "orange", color = "black") +
  labs(title = "박스 플롯", y = "값")

---

테마와 스타일

ggplot2는 그래프의 스타일을 사용자 정의할 수 있는 강력한 기능을 제공합니다. 이 기능은 그래프의 전반적인 테마(Theme)와 요소(Elements)를 조정하여 시각적으로 매력적이고 일관된 스타일을 유지할 수 있도록 합니다.

• theme() 함수: 그래프의 모든 요소(축, 제목, 배경, 눈금 등)의 스타일을 설정할 수 있습니다. theme()는 각 요소를 조정하는 다양한 인수를 포함합니다.

ggplot(data = mpg, aes(x = displ, y = hwy)) +
  geom_point() +
  theme_minimal()  # 미니멀한 스타일의 테마 적용

• 기본 테마: ggplot2는 여러 기본 테마를 제공합니다. 예를 들어, theme_gray()(기본 테마), theme_bw()(흑백 테마), theme_classic()(고전적 테마) 등이 있습니다.
• 개별 요소 조정: 축 제목, 글꼴 크기, 색상 등을 직접 설정할 수도 있습니다.

ggplot(data = mpg, aes(x = displ, y = hwy)) +
  geom_point() +
  theme(
    axis.title.x = element_text(size = 14, color = "blue"),
    axis.title.y = element_text(size = 14, color = "red")
  )

---

축 및 범례 조정

ggplot2에서는 축과 범례를 세부적으로 조정할 수 있는 기능을 제공합니다. 이 기능을 사용하여 그래프를 보다 직관적이고 명확하게 만들 수 있습니다.

• 축 조정: scale_x_continuous(), scale_y_discrete() 등 scale_로 시작하는 함수를 사용해 축의 범위, 눈금, 라벨 등을 조정할 수 있습니다.

ggplot(data = mpg, aes(x = displ, y = hwy)) +
  geom_point() +
  scale_x_continuous(limits = c(1, 7), breaks = seq(1, 7, 1))

 

• 범례 조정: labs() 함수를 사용해 범례와 축 제목을 설정하거나 수정할 수 있습니다.

ggplot(data = mpg, aes(x = displ, y = hwy, color = class)) +
  geom_point() +
  labs(
    x = "Engine Displacement",
    y = "Highway Miles per Gallon",
    color = "Vehicle Class"
  )

• 범례 위치 조정: theme(legend.position = "bottom")과 같이 theme() 함수 내에서 범례의 위치를 조정할 수 있습니다.

---

다중 그래프 및 데이터 변형

ggplot2는 데이터를 변형하고 그룹화하여 다양한 방식으로 시각화할 수 있는 강력한 기능을 제공합니다.

• facet_wrap() 함수: 하나의 플롯을 여러 패널로 분할하여 시각화하는 방법입니다. 예를 들어, 특정 변수에 따라 데이터를 여러 개의 소 플롯으로 나누어 시각화할 수 있습니다.

ggplot(data = mpg, aes(x = displ, y = hwy)) +
  geom_point() +
  facet_wrap(~ class)

• facet_grid() 함수: 데이터를 두 개의 변수에 따라 격자(grid) 형태로 분할하여 시각화하는 방법입니다. 이를 통해 다차원 데이터를 한눈에 비교할 수 있습니다.

ggplot(data = mpg, aes(x = displ, y = hwy)) +
  geom_point() +
  facet_grid(drv ~ cyl)

---

ggplot2는 강력하고 유연한 시각화 도구로, 데이터를 직관적으로 분석하고 표현하는 데 큰 도움을 줍니다. 다양한 지오메트리와 테마 옵션을 통해 복잡한 데이터도 쉽게 시각화할 수 있으며, 사용자 정의를 통해 시각적으로 매력적인 그래프를 만들 수 있습니다. 데이터를 효과적으로 전달하기 위해 ggplot2를 활용한 시각화는 필수적인 도구가 될 것입니다.

감사합니다.