15. R 함수를 이용한 데이터 시각화 3️⃣ (기타 시각화 기법 및 그래프 저장)

R에서는 기본 그래픽 시스템과 ggplot2 외에도, 보다 고급화된 시각화를 위한 다양한 패키지를 제공합니다.

이 중에서도 특히 lattice, shiny, plotly는 복잡한 데이터 시각화와 상호작용을 가능하게 하는 강력한 도구입니다.

---

고급 시각화 기법

---

Lattice 패키지

lattice 패키지는 고급 다변량 그래프를 그릴 수 있도록 설계된 강력한 그래픽 시스템입니다. lattice는 ggplot2와 마찬가지로 "Trellis Graphics"라는 개념을 바탕으로 여러 변수의 상호작용을 시각화하는 데 중점을 둡니다. 다중 플롯이나 복잡한 데이터 구조를 시각화할 때 매우 유용합니다.

 

• xyplot() 함수: lattice의 기본 함수 중 하나로, 산점도(scatter plot)를 그립니다. ggplot2와 달리 lattice는 기본적으로 데이터를 한 번에 여러 패널로 나누어 그릴 수 있습니다.

library(lattice)
xyplot(Ozone ~ Wind | Month, data = airquality, layout = c(5, 1))

위 코드는 airquality 데이터에서 Ozone과 Wind 변수의 관계를 월별로 나누어 5개의 패널로 시각화합니다. layout 옵션은 그래프를 가로 5, 세로 1의 그리드로 배치합니다.

 

• bwplot() 함수: 상자 그림(Box-and-Whisker plot)을 그려 범주형 데이터의 분포를 시각화합니다.

bwplot(Species ~ Sepal.Length, data = iris)

이 코드는 iris 데이터에서 종(Species)별로 Sepal.Length의 분포를 상자 그림으로 시각화합니다.

 

• densityplot() 함수: 밀도 그래프를 그려 연속형 데이터의 분포를 시각화합니다. 이는 데이터의 형태와 분포를 이해하는 데 유용합니다.

densityplot(~ Sepal.Length | Species, data = iris)

이 코드는 종(Species)별로 Sepal.Length의 밀도를 시각화하는 그래프를 생성합니다.

 

lattice 패키지는 이러한 다양한 고급 시각화 기능을 제공하며, 특히 다변량 데이터를 직관적으로 시각화하는 데 탁월한 성능을 발휘합니다.

---

Shiny

shiny 패키지는 R에서 웹 애플리케이션을 개발할 수 있도록 해주는 도구입니다. shiny를 사용하면 R에서 작성한 분석 결과를 동적인 대화형 웹 애플리케이션으로 배포할 수 있습니다. shiny 앱은 데이터 시각화뿐만 아니라 데이터 입력, 필터링, 분석 결과를 실시간으로 조정할 수 있는 대화형 기능을 제공합니다.

• shiny의 기본 구조:
  • UI(User Interface): 사용자 인터페이스를 정의하는 부분으로, 사용자가 입력하거나 조작할 수 있는 다양한 요소(입력 필드, 슬라이더, 버튼 등)를 설정합니다.
  • Server: 서버 로직을 정의하는 부분으로, 입력된 데이터를 바탕으로 분석을 수행하고, 결과를 UI에 출력합니다.
  • App 실행: shinyApp() 함수를 사용해 UI와 Server를 결합하여 앱을 실행합니다.

library(shiny)

ui <- fluidPage(
  titlePanel("Simple Shiny App"),
  sidebarLayout(
    sidebarPanel(
      sliderInput("bins", "Number of bins:", min = 1, max = 50, value = 30)
    ),
    mainPanel(
      plotOutput("distPlot")
    )
  )
)

server <- function(input, output) {
  output$distPlot <- renderPlot({
    x <- faithful$waiting
    bins <- seq(min(x), max(x), length.out = input$bins + 1)
    hist(x, breaks = bins, col = 'darkgray', border = 'white')
  })
}

shinyApp(ui = ui, server = server)

위 코드는 shiny를 사용해 간단한 히스토그램을 생성하는 웹 애플리케이션을 만드는 예제입니다. 사용자에게 슬라이더를 제공하여 히스토그램의 빈(bin) 수를 실시간으로 조정할 수 있도록 합니다.

shiny는 이러한 인터랙티브 기능을 통해 데이터 분석 결과를 보다 직관적이고 동적으로 공유할 수 있는 도구입니다.

---

Plotly 패키지

plotly는 R에서 대화형(interactive) 그래프를 생성하는 데 매우 유용한 패키지입니다. plotly는 웹 기반의 시각화를 제공하므로, 사용자는 그래프의 요소에 마우스를 가져다대거나 클릭하여 추가 정보를 확인할 수 있습니다. 이는 복잡한 데이터를 시각적으로 탐색하는 데 매우 유용합니다.

• plot_ly() 함수: plotly에서 그래프를 생성하는 기본 함수로, 데이터와 그래프 유형을 정의합니다.

library(plotly)

p <- plot_ly(data = iris, x = ~Sepal.Length, y = ~Sepal.Width, type = 'scatter', mode = 'markers', color = ~Species)
p

이 코드는 iris 데이터셋에서 Sepal.Length와 Sepal.Width의 산점도를 그리며, 점의 색깔은 종(Species)에 따라 다르게 지정됩니다. 생성된 그래프는 대화형으로, 점에 마우스를 올리면 해당 데이터 포인트에 대한 자세한 정보가 표시됩니다.

 

• ggplotly() 함수: 기존 ggplot2 그래프를 대화형으로 변환합니다.

library(ggplot2)
library(plotly)

p <- ggplot(data = mpg, aes(x = displ, y = hwy, color = class)) + geom_point()
ggplotly(p)

이 코드는 ggplot2로 생성된 산점도를 대화형 그래프로 변환합니다. ggplotly() 함수는 ggplot2와 plotly의 강점을 결합하여 대화형 그래프를 쉽게 생성할 수 있게 해줍니다.

plotly는 웹 기반으로 대화형 시각화를 제공하기 때문에, 데이터 분석 결과를 웹 페이지에 통합하거나 대화형 보고서를 작성하는 데 매우 유용합니다.

---

통계적 그래프 및 분석 시각화

데이터 분석에서 통계적 시각화는 매우 중요합니다. 이는 데이터를 더 깊이 이해하고, 결과를 효과적으로 전달하는 데 필수적입니다. 밑은 주요 통계적 시각화의 기법들입니다.

• 상관 관계 시각화: 변수 간의 상관 관계를 시각화하는 것은 데이터의 패턴을 이해하는 데 도움이 됩니다. ggplot2의 geom_smooth()를 사용해 회귀선을 추가하거나, corrplot 패키지를 사용해 상관 행렬을 시각화할 수 있습니다.
• 회귀 분석 시각화: 회귀 분석 결과를 시각화하여 변수 간의 관계를 더욱 명확하게 이해할 수 있습니다. ggplot2의 geom_smooth()를 사용해 회귀선을 추가하는 방법이 일반적입니다.
• 시계열 데이터 시각화: ggplot2의 geom_line() 또는 plotly의 대화형 기능을 사용해 시계열 데이터를 시각화할 수 있습니다. 이를 통해 시간에 따른 데이터의 변동을 쉽게 파악할 수 있습니다.
• 클러스터링 시각화: heatmap() 함수나 ggplot2의 geom_tile()을 사용해 데이터의 클러스터링 결과를 시각화할 수 있습니다. 이는 유사한 데이터 그룹을 시각적으로 구분하는 데 유용합니다.

---

그래프 저장 및 시각화 최적화

데이터 시각화의 최종 목표는 종종 보고서나 프레젠테이션에 포함되어 정보를 전달하는 것입니다. 따라서, 그래프를 저장하고, 최적화하며, 이를 보고서나 프레젠테이션에 포함하는 과정은 매우 중요합니다.

---

그래프 저장

R에서 생성한 그래프를 파일로 저장하는 것은 보고서 작성이나 프레젠테이션 준비에 필수적입니다. R은 여러 형식으로 그래프를 저장할 수 있는 기능을 제공합니다.

• ggsave() 함수: ggplot2 그래프를 저장하는 가장 쉬운 방법입니다. 이 함수는 ggplot2로 생성된 마지막 그래프를 자동으로 저장하거나, 특정 그래프 객체를 지정하여 저장할 수 있습니다.

library(ggplot2)
p <- ggplot(mpg, aes(x = displ, y = hwy)) + geom_point()
ggsave("myplot.png", plot = p, width = 10, height = 8, dpi = 300)

위 코드에서 ggsave() 함수는 p 객체에 저장된 그래프를 myplot.png 파일로 저장합니다. width와 height 인수는 이미지의 크기를, dpi는 해상도를 설정합니다.

• pdf() 및 png() 함수: ggsave()는 주로 ggplot2 그래프에 사용되지만, 기본 그래픽 시스템에서는 pdf() 또는 png() 함수를 사용하여 그래프를 저장할 수 있습니다.

pdf("myplot.pdf")
plot(mpg$displ, mpg$hwy)
dev.off()

이 코드는 PDF 형식으로 그래프를 저장합니다. dev.off() 명령은 그래프 저장을 종료하는 역할을 합니다. png() 함수도 비슷한 방식으로 사용되며, PNG 형식으로 저장합니다.

---

시각화 최적화

그래프를 저장할 때, 특히 프린트용이나 웹용으로 사용할 경우, 그래프의 크기, 해상도, 색상 등을 조정하여 최적화하는 것이 중요합니다.

• 크기 조정: 그래프의 크기는 보고서 레이아웃에 맞춰 조정해야 합니다. ggsave()에서 width와 height 인수를 사용하여 그래프의 크기를 지정할 수 있습니다.

ggsave("myplot.png", width = 8, height = 6)

이 설정은 그래프를 8인치 너비와 6인치 높이로 저장합니다.

• 해상도 조정: 해상도(DPI, dots per inch)는 이미지의 품질을 결정합니다. 일반적으로 웹용 이미지는 72 DPI, 인쇄용 이미지는 300 DPI 이상으로 설정하는 것이 좋습니다.

ggsave("myplot_highres.png", dpi = 300)

이 설정은 고해상도 이미지를 생성합니다.

• 색상 조정: 그래프의 색상은 프린트용인지, 웹용인지에 따라 다르게 설정할 수 있습니다. 예를 들어, 프린트 시 잘 표현되지 않는 색상을 피하고, 웹에서 잘 보이는 색상을 선택해야 합니다. scale_color_manual()이나 scale_fill_manual()과 같은 ggplot2의 기능을 사용하여 색상을 조정할 수 있습니다.

p <- ggplot(mpg, aes(x = displ, y = hwy, color = class)) +
  geom_point() +
  scale_color_manual(values = c("red", "blue", "green", "orange"))

---

이번 글에서는 R에서 제공하는 다양한 고급 시각화 도구인 lattice, shiny, plotly 패키지를 활용하여 복잡한 데이터를 효과적으로 시각화하는 방법을 소개했습니다. 이러한 패키지들은 데이터 분석의 가시성을 높이고, 직관적이고 상호작용적인 시각화를 가능하게 해줍니다.

감사합니다.