Hee Jun Kim🍀

바퀴를 다시 발명하는 한이 있더라도

Date:     Updated:

카테고리:

태그: ,


💡 R을 처음 배우기 위해 공부한 책입니다. 책에서 공부한 내용을 정리하고, 이를 기반으로 직접 문제를 만들어 풀이해보는 식으로 학습했습니다. KBO, MLB 야구 기록들을 csv 파일로 크롤링하여 문제에 사용했고, 야구 데이터 패키지인 Lahman을 토대로 문제를 만들기도 했습니다.


책 소개

Do it! 쉽게 배우는 R 데이터 분석


11. 지도 시각화

11-1. 미국 주별 강력 범죄율 단계 구분도

지역별 통계치를 색깔의 차이로 표현한 지도를 단계구분도(Choropleth Map)이라 한다. 미국 주별 강력 범죄율 데이터를 이용해 단계구분도를 만들어보자. 단계구분도는 ggiraphExtra 패키지로 만들 수 있는데, 그 전에 먼저 mapproj 패키지를 설치해야 한다.

USArrests 데이터는 1973년 미국 주별 강력 범죄율 정보를 담고 있다. 이 데이터는 지역명 변수가 따로 없기 때문에 tibble 패키지의 rownames_to_column()함수로 행 이름을 state 변수로 바꿔 새 데이터프레임으로 만들어야 한다.

뒤에 사용할 지도 데이터의 지역명 변수는 모두 소문자이기에 이에 맞춰주기 위해 state 값을 tolower()로 소문자로 만든다.

install.packages("mapproj")
install.packages("ggiraphExtra")
library(ggiraphExtra)

str(USArrests)
library(tibble)
crime <- rownames_to_column(USArrests, var="state")
crime$state <- tolower(crime$state)

단계구분도를 만들려면 지역별 위도, 경도 정보가 있는 maps 패키지가 필요하다. 그리고 패키지의 map_data()를 이용해 이 데이터를 데이터 프레임으로 불러온다.

install.packages("maps")
library(ggplot2)
states_map <- map_data("state")

이제 데이터가 모두 준비되었으니 ggChoropleth()함수로 단계 구분도를 만들어보자. 살인 범죄 건수를 색깔로 표현하기 위해 fill 매개변수를 Murder로 지정하고, map_id에 지역 구분 기준이 되는 state를 지정한다. map 매개변수에는 앞서 만든 지도 데이터프레임 states_map을 넣는다.

ggChoropleth(data=crime, aes(fill=Murder, map_id=state), map=states_map)

만약 interactive 파라미터를 TRUE로 설정하면, 마우스 움직임에 반응하는 인터랙티브 단계 구분도를 만들 수 있다.

ggChoropleth(data=crime, aes(fill=Rape, map_id=state), map=states_map, interactive = T)


11-2. 대한민국 시도별 인구, 결핵 환자 수 단계 구분도 만들기

kormaps2014 패키지를 이용하면 대한민국의 지역 통계 데이터와 지도 데이터를 사용할 수 있다.

패키지가 설치되지 않는 관계로 생략한다.


12. 인터랙티브 그래프

인터랙티브 그래프(Interactive Graph)란 마우스 움직임에 반응하며 실시간으로 형태가 변하는 그래프이다. 그래프를 HTML 포맷으로 저장하면 일반 사용자들도 웹 브라우저에서 그래프를 조작할 수 있다.

ggplot()으로 만든 그래프에 ggplotly()를 적용하면 인터랙티브 그래프가 만들어진다.

install.packages("plotly")
library(plotly)
install.packages("ggplot2")
library(ggplot2)
p <- ggplot(data=mpg, aes(x=displ, y=hwy, col=drv))+geom_point()
ggplotly(p)

점 위에 마우스 커서를 갖다대면 값이 나타나고, 특정 부분을 드래그하면 그 영역을 확대할 수 있다.

뷰어 창에서 Export → Save as Web Page를 클릭하면 그래프를 HTML 포맷으로 저장할 수 있다. 이 파일은 R을 사용하지 않아도 웹에서 열어볼 수 있다.

❓ 문제.

2019년 메이저리그 포지션별 홈런 수를 인터랙티브 그래프로 나타내보자.

💡 정답.

batting_2019 <- Batting %>%
  filter(yearID==2019)
fielding_2019 <- Fielding %>%
  filter(yearID==2019)
POSHR <- ggplot(data=poshr, aes(x=POS, y=HR, fill=POS)) + geom_col()
ggplotly(POSHR)

이번엔 dygraphs패키지로 인터랙티브 시계열 그래프를 만들어보자.

시계열 그래프를 만들려면 xts()를 이용해 데이터를 시간 순서 속성을 갖게 해야 한다.

install.packages("dygraphs")
library(dygraphs)
library(xts)
economics <- ggplot2::economics
eco <- xts(economics$unemploy, order.by=economics$date)
dygraph(eco)

dyRangeSelector()를 추가하면 그래프 아래에 날짜 범위 선택 기능이 추가된다.

dygraph(eco) %>% dyRangeSelector()

여러 값을 동시에 표현할 수도 있다. economics데이터의 unemploy와 psavert를 함께 표현해보자.

ecoa <- xts(economics$psavert, order.by=economics$date)
ecob <- xts(economics$unemploy/1000, order.by=economics$date)
eco2 <- cbind(ecoa, ecob) #가로로 두 데이터 묶어주기
#xts타입은 rename()으로 변수명을 수정할 수 없으므로 colnames() 사용
colnames(eco2) <- c("psavert","unemploy") 
dygraph(eco2) %>% dyRangeSelector()

❓ 문제.

1901년부터 아메리칸리그와 내셔널리그 각각의 시즌 평균자책점을 시계열 인터랙티브 그래프로 나타내라. (Lahman 패키지 활용)

💡 정답.

ALout <- Pitching %>%
  filter(yearID>=1901 & lgID=="AL")%>%
  group_by(yearID) %>%
  summarise(sum_out=sum(IPouts))

ALer <- Pitching %>%
  filter(yearID>=1901 & lgID=="AL")%>%
  group_by(yearID) %>%
  summarise(sum_er=sum(ER))

NLout <- Pitching %>%
  filter(yearID>=1901 & lgID=="NL")%>%
  group_by(yearID) %>%
  summarise(sum_out=sum(IPouts))

NLer <- Pitching %>%
  filter(yearID>=1901 & lgID=="NL")%>%
  group_by(yearID) %>%
  summarise(sum_er=sum(ER))

ALouter <- left_join(ALout, ALer, by="yearID")
ALouter <- ALouter %>%
  mutate(inn=sum_out/3) %>%
  mutate(era=(9*sum_er)/inn) %>%
  mutate(lgID="AL")

NLouter <- left_join(NLout, NLer, by="yearID")
NLouter <- NLouter %>%
  mutate(inn=sum_out/3) %>%
  mutate(era=(9*sum_er)/inn) %>%
  mutate(lgID="NL")

ALLERA <- bind_rows(ALouter, NLouter)

era <- ggplot(data=ALLERA, aes(x=yearID, y=era, group=lgID, colour=lgID))+geom_line()  
ggplotly(era)


참고