Plotting

# Plotting
### Explorative Datenanalyse mit R <a href='https://therbootcamp.github.io'>The R Bootcamp @ CSS</a> <a href='https://therbootcamp.github.io/EDA_2019CSS/'> </a>  <a href='https://therbootcamp.github.io'> </a>  <a href='mailto:therbootcamp@gmail.com'> </a>  <a href='https://www.linkedin.com/company/basel-r-bootcamp/'> </a>
### Dezember 2019

---

<div class="my-footer">
 
 
 <img src="https://raw.githubusercontent.com/therbootcamp/therbootcamp.github.io/master/_sessions/_image/by-sa.png" height=14 style="vertical-align: middle"/>
 
 <a href="https://therbootcamp.github.io/">
 
 
 www.therbootcamp.com
 
 
 </a>
 <a href="https://therbootcamp.github.io/">
 
 Explorative Datenanalyse mit R @ CSS | Dezember 2019
 
 </a>
 
 </div>

---

<img src="image/plots.png" height="540px">
 
from <a href="http://r-statistics.co/Top50-Ggplot2-Visualizations-MasterList-R-Code.html">r-statistics.co</a>

---

# `base` Plotting

<ul>
 <li class="m1">Der <high>traditionelle</high> Ansatz für Plotting.</li>
 <li class="m2"><high>Separate Funktionen</high> für verschiedene Plots</li>
</ul>

```r
# Histogram in base R
hist(x = basel$alter,
     xlab = "Alter",
     ylab = "Häufigkeit",
     main = "Histogramm Alter")
```

]

.pull-right5[
 
<img src="Plotting_files/figure-html/unnamed-chunk-4-1.png" style="display: block; margin: auto;" />

]

---

# `base` Plotting

<ul>
 <li class="m1">Der <high>traditionelle</high> Ansatz für Plotting.</li>
 <li class="m2"><high>Separate Funktionen</high> für verschiedene Plots</li>
</ul>

```r
# Boxplot in base R
boxplot(formula = groesse ~ geschlecht,
        data = basel,
        xlab = "Geschlecht",
        ylab = "Groesse",
        main = "Box plot Groesse")
```

]

.pull-right5[
 
<img src="Plotting_files/figure-html/unnamed-chunk-6-1.png" style="display: block; margin: auto;" />

]

---

# `base` Plotting

<ul>
 <li class="m1">Der <high>traditionelle</high> Ansatz für Plotting.</li>
 <li class="m2"><high>Separate Funktionen</high> für verschiedene Plots</li>
</ul>

```r
# Scatterplot in base R
plot(x = basel$groesse,
     y = basel$einkommen,
     xlab = "Height",
     ylab = "Einkommen",
     main = "Scatterplot Groesse x Einkommen")
```

]

.pull-right5[
 
<img src="Plotting_files/figure-html/unnamed-chunk-8-1.png" style="display: block; margin: auto;" />

]

---

# Problems with Base R plotting

<ul>
 <li class="m1">Die <high>Ästhetik</high> ist nicht mehr zeitgemäss.</li>
 <li class="m2">Schönere Plots = sehr <high>viel Code.</high></li>
 <li class="m3">Generell sehr <high>unflexibel.</high></high></li>
</ul>
]

<img src="image/outdated.jpeg">
 
from <a href="https://www.healthhosts.com/4-signs-your-website-is-outdated/">healthhosts.com</a>

]

---

# Das mächtige `tidyverse`

Das [`tidyverse`](https://www.tidyverse.org/) ist im Kern eine Sammlung hoch-performanter, nutzerfreundlicher Pakete, die speziell für eine effizientere Datenanalyse entwickelt wurden. 
1. <high><mono>ggplot2</mono> für Grafiken</high>.
2. <mono>dplyr</mono> für Datenverarbeitung.
3. <mono>tidyr</mono> für Datenverarbeitung.
4. `readr` für Daten I/O.
5. `purrr` für funktionales Programmieren.
6. `tibble` für moderne `data.frame`s.

---

# Modulare Graphiken in <mono>ggplot2</mono>

<ul>
 <li class="m1"><high>data</high>: Der Datensatz</li>
 <li class="m2"><high>mapping</high>: Grobe Struktur des Plots
 
 <ul class="level">
 <li>Was soll auf die Achsen?</li>
 <li>Was soll Grösse/Farbe repräsentieren?</li>
 </ul>
 </li>
 <li class="m3"><high>geoms</high>: Objekte im Plot</high></li>
 <li class="m4"><high>labs</high>: Annotierung des Plots</high></li>
 <li class="m5"><high>themes</high>: Ästhetische Gestaltung</high></li>
 <li class="m6"><high>facets</high>: Auftrennung des Plots </high></li>
 <li class="m7"><high>scales</high>: Skalierung der Achsen</high></li>
</ul>

]

]

---

# Ziel: Diesen Plot kreieren

<ul>
 <li class="m1"><high>data</high>
 
 <ul class="level">
 <li>Der <mono>mpg</mono> Datensatz</li>
 </ul>
 </li>
 <li class="m2"><high>mapping</high>
 
 <ul class="level">
 <li>Hubraum auf die x-Achse</li>
 <li>Meilen pro Gallone auf die y-Achse</li>
 <li>Farbe der Objekte gemäss Autoklasse</li>
 </ul>
 </li>
 <li class="m3"><high>geoms</high>
 
 <ul class="level">
 <li>Daten als Punkte</li>
 <li>Ergänze Regressionslinie</li>
 </ul>
 </li>
 <li class="m4"><high>labs</high>
 
 <ul class="level">
 <li>Beschriftungen Achsen und Titel</li>
 </ul>
 </li>
 <li class="m5"><high>themes</high>
 
 <ul class="level">
 <li>Schwarz-weiss Ästhetik</li>
 </ul>
 </li>
</ul>

]

]

---

# `ggplot()`

<ul>
 <li class="m1">Alle Plots beginnen mit <highm>ggplot()</highm></li>
 <li class="m2">2 zentrale Argumente
 
 <ul class="level">
 <li><mono>data</mono> | Der Datensatz (<mono>tibble</mono>)</li>
 <li><mono>mapping</mono> | Die Struktur definiert mittels <mono>aes()</mono></li>
 </ul>
 </li>
</ul>
]

```r
ggplot(data = mpg)
```

]

---

# `aes()`

<ul>
 <li class="m1"><highm>aes()</highm> definiert die Struktur für das <mono>mapping</mono> Argument.</li>
 <li class="m2">Zentrale Argumente:
 
 <ul class="level">
 <li><mono>x,y</mono> | Bestimmt die Achsen</li>
 <li><mono>color,fill</mono> | Bestimmt Farben</li>
 <li><mono>alpha</mono> | Bestimmt Transparenz</li>
 <li><mono>size</mono> | Bestimmt Grössen</li>
 <li><mono>shape</mono> | Bestimmt Objektypen (z.B. Kreise oder Quadrate)</li>
 </ul>
 </li>
</ul>

]

```r
ggplot(data = mpg,
       mapping = aes(x = displ, y = hwy))
```

]

---

# <mono>+</mono>

<ul>
 <li class="m1">Der <highm>+</highm> Operator erweitert den Plot um beliebige weitere Plotelemente.</li>
</ul>

```r
ggplot(data = mpg,
       mapping = aes(x = displ,
                     y = hwy)) + 
  
  # Plotte Daten als Punkte
  geom_point() 
```

]

]

---

# `geom_*()`

<ul>
 <li class="m1"><highm>geom_*()</highm> Funktionen definieren die geometrischen Objekte mit denen die Daten repräsentiert werden.</li>
 <li class="m2">Ein paar <mono>geoms</mono>:
 
 <ul class="level">
 <li><mono>geom_point()</mono> | für Punkte</li>
 <li><mono>geom_bar()</mono> | für Balken</li>
 <li><mono>geom_boxplot()</mono> | für Box-Plots </li>
 <li><mono>geom_count()</mono> | für Punkte skaliert nach Häufigkeit</li>
 <li><mono>geom_smooth()</mono> | für Kurven</li>
 </ul>
 </li>
</ul>

]

]

---

## `geom_count()`

```r
ggplot(data = mpg,
  mapping = aes(x = displ, y = hwy)) + 
  geom_count()
```

]

## `geom_bar()`

```r
ggplot(data = mpg,
  mapping = aes(x = class)) + 
  geom_bar()
```

]

---

## `geom_boxplot()`

```r
ggplot(data = mpg,
  mapping = aes(x = class,
                y = hwy)) + 
  geom_boxplot()
```

]

## `geom_violin()`

```r
ggplot(data = mpg,
  mapping = aes(x = class,
                y = hwy)) + 
  geom_violin()
```

]

---

# Was fehlt?

]

]

---

# `aes()`

```r
ggplot(data = mpg,
       mapping = aes(x = displ, 
                     y = hwy,
                     
                     # Farbe gemäss Klasse
                     color = class)) +
  geom_point()
```

]

]

---

# Was fehlt?

]

]

---

# `geom_smooth()`

<ul>
 <li class="m1">Mit <highm>geom_smooth()</highm> können Kurven an die Daten angepasst werden.</li>
 <li class="m2">Zentrale Argumente:
 
 <ul class="level">
 <li><mono>method</mono> | Art der Datenanpassung</li>
 <li><mono>color</mono> | Farbe</high></li>
 </ul>
 </li>
</ul>

```r
ggplot(data = mpg, 
       mapping = aes(x = displ, y = hwy,
                     col = class)) +
  geom_point() + 
  
  # Ergänze Kurve
  geom_smooth(col = "blue")
```

]

]

---

# `geom_smooth()`

<ul>
 <li class="m1">Mit <highm>geom_smooth()</highm> können angepasste Kurven ergänzt werden.</li>
 <li class="m2">Zentrale Argumente:
 
 <ul class="level">
 <li><mono>method</mono> | Art der Datenanpassung</li>
 <li><mono>color</mono> | Farbe</high></li>
 </ul>
 </li>
</ul>

```r
ggplot(data = mpg, 
       mapping = aes(x = displ, y = hwy,
                     col = class)) +
  geom_point() + 
  
  # Ergänze Kurve
  geom_smooth(col = "blue",
              method = "lm")
```

]

]

---

# Vererbung

<ul>
 <li class="m1"><highm>geom</highm>s erben ihre Eigenschaften von <mono>mapping</mono>.</li>
 <li class="m2">Vererbte Eigenschaften können durch eigene Argumente <high>überschrieben</high> werden.</li>
</ul>

```r
ggplot(data = mpg, 
       mapping = aes(x = displ, y = hwy,
                     col = class)) +
  geom_point() + 
  geom_smooth() 
```

]

<img src="image/question.png" height=280px>
 
from <a href="http://catchingfire.ca/the-power-of-a-question-mark/">catchingfire.ca</a>

]

---

# Vererbung

```r
ggplot(data = mpg, 
       mapping = aes(x = displ, y = hwy,
                     col = class)) +
  geom_point() + 
  geom_smooth() 
```

]

]

---

# Was fehlt?

]

]

---

# `labs()`

<ul>
 <li class="m1">Mit <highm>labs()</highm> können alle Aspekte des Plots annotiert werden.</li>
 <li class="m2">Zentrale Argumente:
 
 <ul class="level">
 <li><mono>x,y</mono> | Achsenbeschriftung</li>
 <li><mono>title, subtitle</mono> | Titel und Untertitel</high></li>
 <li><mono>caption</mono> | Bildunterschrift</high></li>
 </ul>
 </li>
</ul>

```r
ggplot(...) +
  labs(x = "Hubraum in Litern",
       y = "Autobahn Meilen pro Gallone",
       title = "MPG Datensatz",
       subtitle = "Autos mit mehr Hub...",
       caption = "Quelle: mpg Datensatz...")
```

]

]

---

# Was fehlt?

]

]

---