మాడ్యూల్ పాఠాలు (1/2)
వ్యాకరణం మరియు ప్రాథమిక జ్యామితి
R లోని డేటా విజువలైజేషన్‌లో ggplot2, "గ్రామర్ ఆఫ్ గ్రాఫిక్స్" ఆధారంగా ఒక ప్యాకేజీ. ఈ సిద్ధాంతం గ్రాఫ్‌లను డేటా, సౌందర్య మ్యాపింగ్‌లు మరియు రేఖాగణిత అంశాలు వంటి స్వతంత్ర సెమాంటిక్ భాగాలుగా విభజిస్తుంది.
ggplot2 యొక్క నిర్మాణం
ggplot2తో సృష్టించబడిన ప్రతి ప్లాట్ ggplot() ఫంక్షన్‌కి కాల్‌తో ప్రారంభమవుతుంది, ఇక్కడ మేము డేటా ఫ్రేమ్‌ను సరఫరా చేస్తాము మరియు aes() (సౌందర్యం) ఫంక్షన్‌ని ఉపయోగించి విజువల్ ప్రాపర్టీలకు నిలువు వరుసలు ఎలా మ్యాప్ చేయాలో నిర్వచించాము.
తర్వాత, మేము + ఆపరేటర్‌ని ఉపయోగించి రేఖాగణిత పొరలను జోడిస్తాము (గమనిక: మేము +ని ఉపయోగిస్తాము మరియు ggplot2లో %>%ని ఉపయోగిస్తాము).
ప్రాథమిక టెంప్లేట్:
ggplot(data = <DATA_FRAME>, mapping = aes(<AESTHETICS>)) +
<GEOMETRY>()సౌందర్య మ్యాపింగ్‌లు (aes) మరియు జ్యామితులు (geom_*)
aes() ఫంక్షన్ మీ డేటాలోని ఏ వేరియబుల్స్ ప్లాట్ యొక్క దృశ్యమాన లక్షణాలను నియంత్రిస్తాయో నిర్వచిస్తుంది:
x: క్షితిజ సమాంతర అక్షంపై స్థానం.y: నిలువు అక్షంపై స్థానం.color: పాయింట్లు లేదా పంక్తుల రంగు.fill: మూసి ఉన్న ఆకారాల రంగును పూరించండి (ఉదా. బార్‌లు).size: మూలకాల పరిమాణం.
జామెట్రీలు (geom_) దృశ్యమాన ప్రాతినిధ్యం యొక్క రకాన్ని నిర్వచించాయి:
1. స్కాటర్ ప్లాట్ (geom_point())
రెండు సంఖ్యా వేరియబుల్స్ మధ్య సంబంధాన్ని ప్రదర్శించడానికి అనువైనది.
ggplot(df, aes(x = age, y = income)) +
geom_point()2. లైన్ ప్లాట్ (geom_line())
సాధారణంగా సమయ శ్రేణి లేదా ట్రెండ్ లైన్‌ల కోసం ఉపయోగిస్తారు.
ggplot(df, aes(x = year, y = sales)) +
geom_line()3. బార్ ప్లాట్ (geom_bar() మరియు geom_col())
డిఫాల్ట్‌గా, geom_bar() వర్గాల ఫ్రీక్వెన్సీని గణిస్తుంది, అయితే geom_col() నేరుగా y నిలువు వరుసలో నిల్వ చేయబడిన వాస్తవ విలువలను సూచిస్తుంది.
# Plots the value of the 'sales' column for each 'category'
ggplot(df, aes(x = category, y = sales)) +
geom_col()మీరే ప్రయత్నించండి
వ్యాయామం 1: ప్రాథమిక స్కాటర్ ప్లాట్‌ను సృష్టించండి
df డేటా ఫ్రేమ్‌ని ఉపయోగించి స్కాటర్ ప్లాట్‌ను సృష్టించండి. ఎత్తు నిలువు వరుసను x-అక్షానికి మరియు బరువు నిలువు వరుసను y-అక్షానికి మ్యాప్ చేయండి. geom_point()ని ఉపయోగించండి.
సూచనను చూపించు
Assicurati di usare ggplot(df, aes(x = ఎత్తు, y = బరువు)) + geom_point()
3 ప్రయత్నాల తర్వాత పరిష్కారం లభిస్తుంది
వ్యాయామం 2: డేటా ఆధారంగా రంగును జోడించండి
పాయింట్లను లింగం వారీగా రంగులు వేయడానికి aes() లోపల ఉన్న లింగ కాలమ్‌కు రంగు ప్రాపర్టీని మ్యాప్ చేయడం ద్వారా మునుపటి ప్లాట్‌ను సవరించండి.
సూచనను చూపించు
కలర్ = లింగం అన్నీ ఇంటర్నో డి ఏఎస్(), యాడ్ ఎసెంపియో: aes(x = ఎత్తు, y = బరువు, రంగు = లింగం).
3 ప్రయత్నాల తర్వాత పరిష్కారం లభిస్తుంది
వ్యాయామం 3: లైన్ ప్లాట్
df ఉపయోగించి లైన్ ప్లాట్‌ను సృష్టించండి. సంవత్సరం కాలమ్‌ని x-యాక్సిస్‌కి మరియు సేల్స్ కాలమ్‌ని y-యాక్సిస్‌కి మ్యాప్ చేయండి. geom_line() రేఖాగణిత పొరను జోడించండి.
సూచనను చూపించు
USA ggplot(df, aes(x = సంవత్సరం, y = అమ్మకాలు)) + geom_line()
3 ప్రయత్నాల తర్వాత పరిష్కారం లభిస్తుంది
వ్యాయామం 4: జియోమ్_కోల్‌తో బార్ ప్లాట్
విలువలను నేరుగా ప్రదర్శించడానికి బార్ ప్లాట్‌ను సృష్టించండి. వర్గం నిలువు వరుసను x-అక్షానికి మరియు విలువ నిలువు వరుసను y-అక్షానికి మ్యాప్ చేయండి. geom_col() జ్యామితిని ఉపయోగించండి.
సూచనను చూపించు
USA ggplot(df, aes(x = వర్గం, y = విలువ)) + geom_col()
3 ప్రయత్నాల తర్వాత పరిష్కారం లభిస్తుంది
వ్యాయామం 5: బహుళ జ్యామితులను కలపండి
ggplot2లో మీరు బహుళ రేఖాగణిత పొరలను పేర్చవచ్చు. geom_point() మరియు geom_smooth() రెండింటినీ కలిపే ప్లాట్‌ను సృష్టించండి, x_valని x-యాక్సిస్‌కు మరియు y_valని y-యాక్సిస్‌కు మ్యాపింగ్ చేయండి.
సూచనను చూపించు
అగ్గియుంగి సియా జియోమ్_పాయింట్() చే జియోమ్_స్మూత్() సెపరేటీ డాల్ సెగ్నో '+'.
3 ప్రయత్నాల తర్వాత పరిష్కారం లభిస్తుంది