Introduksjon til ggplot2

Pakken ggplot2 er nå en del av tidyverse. For å laste inn ggplot2 kan du laste inn tidyverse. I tidyverse finnes 7 viktige pakker som trengs for analyse og presentasjon av data. Disse pakkene er ggplot2, dplyr, forcats, tibble, tidyr, stringr og purrr. Pakkene dplyr og ggplot2 brukes jevnlig sammen. Begynn med å installere og aktivere tidyverse:

install.packages("tidyverse")
library(tidyverse)

I både dplyr og ggplot2 kobles operasjonene sammen sekvensielt. I dplyr kobles operasjoner sammen med pipe-operatoren, som skrives |> (tidligere brukte man %>%). Pipe brukes for å instruere R trinn for trinn om hva som skal gjøres. Nedenfor følger et eksempel der |> brukes til å filtrere en data frame (mina_data) slik at den bare inneholder kvinner, deretter opprettes en variabel (Income_Dollar), og til slutt sorteres observasjonene etter variabelen Age. Koden nedenfor er bare ment som illustrasjon (dataene finnes ikke, og koden kan ikke kjøres).

mina_data |>
  filter(Sex=="Women") |>
  mutate(Income_Dollar = Income_Kronor*10) |>
  arrange(Age)

I ggplot2 kobles også operasjoner sammen sekvensielt, men dette gjøres med +. Nedenfor brukes mina_data til å lage en graf der Income_Dollar og Age visualiseres på x-aksen og y-aksen ved hjelp av punkter. Til slutt får grafen tittelen "Min graf".

ggplot2(data=mina_data, aes(x=Income_Dollar, y=Age)) +
  geom_point() +
  labs(titel="Min graf")

Husk at pipe (|>) sender resultatet av en operasjon videre til neste operasjon. Det betyr at du kan kombinere dplyr med ggplot. Dette er nyttig for å lage grafer i samme økt som databehandlingen skjer. Her følger et kodeeksempel der behandlingen av data kobles til visualiseringen:

mina_data |>
  filter(Sex=="Women") |>
  mutate(Income_Dollar = Income_Kronor*10) |>
  arrange(Age) |>
  ggplot2(aes(x=Inkomst, y=Age)) +
  geom_point() +
  geom_line() +
  labs(titel="Min graf")

Merk at vi (ovenfor) ikke definerte data=mina_data i ggplot()-funksjonen. Det trengs ikke, fordi pipe (|>) sender resultatet av alle foregående operasjoner videre som første argument til ggplot(), og det første argumentet er data=.

Dette blir tydeligere i de kommende kapitlene, der vi lager grafer trinn for trinn.