Rcmdr.kr: An R Commander User in Korea

그래프 > 줄기-잎 전시...
Graphs > Stem-and-leaf display...

Prestige 데이터셋의 income 변수로 연습해보자. 먼저 income 변수의 수리적 특징에 대하여 점검한다.

Prestige 데이터셋에 있는 수치형 변수 중에서 income 변수를 선택한다. 그리고 선택기능을 살펴본다.

?stem.leaf  # aplpack 패키지의 stem.leaf 도움말 보기

stem.leaf(co2)
stem.leaf.backback(co2[1:120],co2[121:240])
stem.leaf.backback(co2[1:120],co2[121:240], back.to.back = FALSE)
stem.leaf.backback(co2[1:120],co2[121:240], back.to.back = FALSE,
                   add.more.blanks = 3, show.no.depths = TRUE)
stem.leaf.backback(rivers[-(1:30)],rivers[1:30], back.to.back = FALSE, unit=10, m=5, 
                   Min=200, Max=900, add.more.blanks = 20, show.no.depths = TRUE)

그래프 > 밀도 추정...
Graphs > Density estimate...

밀도 그래프(densityplot)은 수치형 변수를 촘촘히 배열하면서 그 사례사이의 거리를 역으로 밀도화시키는 방법이다. 줄여 말하면, 거리가 가까우면 밀도가 높고, 거리가 멀면 밀도가 낮게 계산되고 시각화된다. Prestige 데이터셋의 income 변수를 사용해보자.

밀도 추정 그래프를 시각화하는 경우, 그래프의 시작점과 끝점에 대한 사전정보를 수치적 정보 요약 등을 활용하여 미리 알고서 지정해주면 그래프가 보다 정교해진다. 위의 그래프를 보라. 수입(연봉)을 표시하는 촘촘한 사례들의 영역 바깥에 그래프의 왼쪽 긑과 오른쪽 끝이 표시된 것을 보게된다. 변화를 줘보자.

numSummary(Prestige[,"income", drop=FALSE], 
	statistics=c("mean", "sd", "IQR", "quantiles"), quantiles=c(0,.25,.5,.75,1))

numSummary() 함수를 활용하여 최소값, 최대값 등을 찾아보자. 그 사례 값을 아래의 입력창에 넣는다.

그래프의 시작점에 최소값을, 끝점에 최대값을 넣고 그래프를 만들면, 수입(연봉)의 분포가 보다 분명하게 보일 것이다.

densityPlot( ~ income, data=Prestige, bw=bw.SJ, adjust=1, kernel=dnorm, 
	method="adaptive", from=611, to=25879, xlab="수입(연봉)", ylab="밀도(Density)")

.

한편, 직업유형인 요인형 변수 type을 기준으로 수입(연봉)의 분포를 재분류해보자. <집단 기준으로 그리고...> 버튼을 누르면 <집단 변수 (하나 선택)> 기능에서 요인형 변수 목록이 나타날 것이다. Prestige 데이터셋에는 type 하나만 있다. 그리고 예(OK) 버튼을 누른다.

그러면 <집단 기준으로 그리기...> 버튼이 <Plot by: type>으로 바뀐다. type의 수준별로 income의 밀도 분포를 시각화할 준비가 된 것이다.

그래픽장치 창에 type 별 수입(연봉)에 대한 밀도 그래프가 등장한다. 그래프의 오른쪽에는 네모상자 안에 범례 표시가 있어서 어떤 선이 요인형 변수의 어떤 수준을 나타내는지 알려준다.

그래프 > 그래프를 파일로 저장하기 > PDF/Postscript/EPS(으)로 에서 PDF 파일로 저장해보자. 넓이와 높이에 대한 조정 없이<글 크기 (점)>을 16까지 키워보자.

아래 코드에서 'main'인자를 살펴보라. 메뉴창에 등장하는 기능을 활용하면서 적용할 수 있는 범위에 DensityPlot 함수에는 제목 입력이 없다. 아쉽기도 한 부분이다. 이 경우는 입력창에서 main="제목 이름"을 추가하여 넣고 실행하기 버튼을 누르면 된다.

densityPlot(income~type, data=Prestige, bw=bw.SJ, adjust=1, kernel=dnorm, 
	method="adaptive", from=611, to=25879, xlab="수입(연봉)", ylab="밀도(Density)", 
    main="1971년 캐나다 직업 유형별 수입에 관한 밀도그래프")

?densityPlot  # car 패키지의 densityPlot 도움말 보기

densityPlot(~ income, show.bw=TRUE, method="kernel", data=Prestige)
densityPlot(~ income, show.bw=TRUE, data=Prestige)
densityPlot(~ income, from=0, normalize=TRUE, show.bw=TRUE, data=Prestige)

densityPlot(income ~ type, data=Prestige)
densityPlot(~ income, show.bw=TRUE, method="kernel", data=Prestige)
densityPlot(~ income, show.bw=TRUE, data=Prestige)
densityPlot(~ income, from=0, normalize=TRUE, show.bw=TRUE, data=Prestige)

densityPlot(income ~ type, kernel=depan, data=Prestige)
densityPlot(income ~ type, kernel=depan, legend=list(location="top"), data=Prestige)

plot(adaptiveKernel(UN$infantMortality, from=0, adjust=0.75), col="magenta")
lines(density(na.omit(UN$infantMortality), from=0, adjust=0.75), col="blue")
rug(UN$infantMortality, col="cyan")
legend("topright", col=c("magenta", "blue"), lty=1,
       legend=c("adaptive kernel", "kernel"), inset=0.02)


plot(adaptiveKernel(UN$infantMortality, from=0, adjust=0.75), col="magenta")
lines(density(na.omit(UN$infantMortality), from=0, adjust=0.75), col="blue")
rug(UN$infantMortality, col="cyan")
legend("topright", col=c("magenta", "blue"), lty=1,
       legend=c("adaptive kernel", "kernel"), inset=0.02)

그래프 > 히스토그램...
Graphs > Histogram...

히스토그램으로 시각화할 변수는 수치형 (numeric, integer)이다. Prestige의 요인형 변수 type은 <집단기준으로 그리기...>에서 선택할 수 있다.

income 변수의 정보를 몇 개의 구간으로 나눠서 히스토그램을 만들 것인가, 그래프의 이름(title, label)관련 정보를 어떻게 넣을 것인가를 조정, 입력할 수 있다.

 with(Prestige, Hist(income, scale="frequency", breaks="Sturges", col="darkgray", 
	ylab="수입(연봉)", main="1971년 캐나다 직업 연봉"))

그래픽장치 창에 다음과 같은 히스토그램이 등장한다.

파일로 저장하여 활용하고자 할 때 사용하는 기능이다.

<bitmap(으)로...> 기능을 열면, 아래와 같은 파일 저장 선택기능들을 점검할 수 있다. 표현하고자는 시각화 목표에 따라 넓이와 높이를 변화줄 수 있고, 해상도를 높게, 글 크기를 크게 할 수 있다.

dev.print(png, filename="/home/jhshin/RGraph_historgram1.png", width=7, height=7, 
	pointsize=16, units="in", res=300)

예(OK) 버튼을 누르면 파일의 경로와 이름을 정할 수 있는 메뉴창이 아래와 같이 등장한다. 저장 경로를 결정하고, 희망이름.png 파일로 저장하자.

저장된 파일을 다시 한번 열어보자. 아래와 같다:

?Hist  # RcmdrMisc 패키지의 Hist 도움말 보기

 data(Prestige, package="car")
    Hist(Prestige$income, scale="percent")
    with(Prestige, Hist(income, groups=type))

그래프 > 그래프를 파일로 저장하기 > PDF/Postscript/EPS로…
Graphs > Save graph to file > As PDF/Postscript/EPS...

그래프 > 그래프를 파일로 저장하기 > bitmap으로…
Graphs > Save graph to file > As bitmap...

- updated R-ko.po / R-Rcmdr.mo file (2022-03-13)

출력물 창 높이(줄) -> 출력물 창 높이 (줄)

- updated R-ko.po / R-Rcmdr.mo file (2022-03-08)

비율응 -> 비율

척도 분석 -> 차원 분석

- updated R-ko.po / R-Rcmdr.mo file (2022-03-06)

Include in segment labels -> 원조각 이름표에 포함시키기

neither -> 아무것도 안넣기

대칭 상자그립 -> 대칭 상자그림 (오타수정)

- updated R-ko.po / R-Rcmdr.mo file (2022-02-26)

그래프 > 색인 그림...
Graphs > Index plot...
데이터셋이 활성화되어 있는 경우, 색인 그림(index plot)을 사용할 수 있다. 예를 들어, carData 패키지의 Prestige 데이터셋이 활성화되어있다고 하자.

Prestige 데이터셋에 있는 education 변수의 색인 그림을 만들자. 메뉴창에 있는 variable (pick one or more) 에서 education을 선택한다. 그 아래에 있는 <집단별 표시...>에서 요인형 변수를 선택하여 요인 수준별로 색인 그림을 출력할지 결정할 수 있다(이 설명에서는 이 기능을 사용하지 않는다). 그리고 <선택기능> 디렉토리로 이동하여 세부사항을 점검한다.

<선택기능>의 메뉴창에 다양한 기능이 있다. <그림 이름표>에서 <y-축 이름표> <그래프 제목>는 자동적으로 변수이름이 사용되고 제목은 미설정되는데, '교육연수'와 'education index plot'이라고 입력하자. 그리고 예(OK) 버튼을 누른다.

새로운 그래픽 장치창이 등장한다. 그리고 그 장치창에 안의 아래 화면 왼쪽에 '교육연수'가, 상단 중앙에 'education index plot'이 출력된다. 한편 그래프 안에 두개의 사례 이름이 겹쳐서 인쇄된 현상을 보게된다.

아래 출력창을 살펴보자. indexplot() 함수의 코드 사용법을 먼저 살펴본다. 앞서 입력한 '교육연수', 'education index plot'이 인자 안에 들어있는 알 수 있다.

indexplot(Prestige[,'education', drop=FALSE], type='h', id.method='y', id.n=2, 
ylab="교육연수", main="education index plot")

education 변수의 사례 값 중에서 university.teachers는 15.97, physicians는 15.96라는 두개의 최고 값을 갖는다. 출력창에는 university.teachers, physicians 라는 순서와 함께 사례번호인 21, 24가 출력된다.

한편 그 밑에 있는 명령문은 출력된 그래픽창의 그림을 저장하는 내용을 담고 있다.

dev.print(png, filename="/home/jhshin/사진/Rcmdr/Graphs/indexplot/RGraph_indexplot1.png", 
width=13, height=8, pointsize=12, units="in", res=300)

Graphs > Save graph to file 메뉴에서 <bitmap(으)로...> 기능을 선택하면 아래와 같은 선택창이 등장한다. 해상도를 300으로 최대한으로 올려보자. 예(OK) 버튼을 누른다.

그래픽 파일을 저장할 위치를 결정하고, 결정한 파일 이름을 입력하고 저장하기(save)를 누른다. 실용적으로 RGraph_indexplot1.png라고 저장해보자.

?indexplot  # RcmdrMisc 패키지의 indexplot 도움말 보기

if (require("car")){
    with(Prestige, indexplot(income, id.n=2, labels=rownames(Prestige)))
    indexplot(Prestige[, c("income", "education", "prestige")], 
        groups = Prestige$type, id.n=2)
}

활성화된 데이터셋이 없는 경우, 그래프 메뉴창의 대부분 기능은 비활성화되어 있다.

어느 데이터셋이 활성화되면, 포함된 변수군의 특징에 따라 그래프 메뉴창에서 사용할 수 있는 기능들이 활성화된다. 어느 그래프 기능을 사용할 것인가라는 문제의식은 변수들의 특징에 대한 이해에서 출발해야 한다.

요인형 변수만 있는 데이터셋은 그래프 메뉴에서 제한된 기능만을 사용할 수 있다. 막대그래프, 원그래프 기능이 활성화된다.

수치형 변수(integer, numeric)만 있는 데이데셋은 아래의 그래프 기능을 사용할 수 있다.

활성데이터셋에 제한된 범위의 정수(integer, int)형 변수가 포함되어 있다면 <이산형 수치 변수 그리기...>가 활성화된다.

아래 화면에서 <산점도> <산점도 행렬...> 메뉴 기능을 찾아 보라. 활성 데이터셋에 수치형 변수가 3개 미만 포함되어 있다면 <산점도 행렬>이 비활성화되어 있을 것이다.

datasets::airquality()

R이 시작될 때, datasets 패키지가 자동으로 호출된다. 따라서 R Commander를 실행할 때, datasets 패키지는 첨부 패키지화되어 메뉴창을 통해서 내부 데이터셋을 찾고 불러올 수 있다.

메뉴창에서 순서대로 데이터 > 패키지에 있는 데이터 > 첨부된 패키지에서 데이터셋 읽기... 를 선택하면 다음과 같은 창이 등장한다.

출력창을 보면, airquality라는 데이터셋에는 6개의 변수가 있고, 각 변수는 수치형 정보를 담고 있다.

Month 변수는 최소 5에서 최대 9로 값이 있는데, 정확히는 5월부터 9월까지일 것이다. 한달 한달을 뜻하는 월(month)은 5월이 9월보다 크다고 할 수 없고, 5월, 6월, 7월, 8월, 9월 등으로 개체화되어 분리된다. 다시 말하면, 요인형 변수가 되어야 한다는 뜻이다.

그럼 왜, airqualty 데이터셋의 Month 변수는 수치형으로 되어 있을까. 원자료를 R의 데이터셋으로 불러오는 과정에서 해당 변수의 요인화과정이 생략되었을 것이다.

New York Air Quality Measurements

Description

Daily air quality measurements in New York, May to September 1973.

Usage

airquality

Format

A data frame with 153 observations on 6 variables.

Details

Daily readings of the following air quality values for May 1, 1973 (a Tuesday) to September 30, 1973.

• Ozone: Mean ozone in parts per billion from 1300 to 1500 hours at Roosevelt Island
• Solar.R: Solar radiation in Langleys in the frequency band 4000–7700 Angstroms from 0800 to 1200 hours at Central Park
• Wind: Average wind speed in miles per hour at 0700 and 1000 hours at LaGuardia Airport
• Temp: Maximum daily temperature in degrees Fahrenheit at La Guardia Airport.

Source

The data were obtained from the New York State Department of Conservation (ozone data) and the National Weather Service (meteorological data).

References

Chambers, J. M., Cleveland, W. S., Kleiner, B. and Tukey, P. A. (1983) Graphical Methods for Data Analysis. Belmont, CA: Wadsworth.

Examples

require(graphics)
pairs(airquality, panel = panel.smooth, main = "airquality data")

carData 패키지에 있는 Prestige 데이터셋을 .csv로 저장하여 내보낼 수 있다.

https://rcmdr.tistory.com/52