ggplot (3.deo-2)
Mirjana Veljović
Mart 2019
6. Vremenske serije
Grafik Time Series za vremenske serije (objekat tipa ts)
Paket ggfortify dozvoljava autoplot-u da automatski crta grafik direktno iz objekta tipa vremenske serije (ts).
# objekat tipa vremenske serije (ts)
library(ggfortify)
theme_set(theme_classic())
autoplot(AirPassengers) +
labs(title="AirPassengers") +
theme(plot.title = element_text(hjust=0.5))
Grafik vremenske serije iz baze podataka
Koristeći geom_line(), vremenska serija (ili line_chart) se može nacrtati i iz baze podataka. Podeoci x ose se generišu na podrazumevan način. U donjem primeru, podeoci se formiraju tako da se prekidi dešavaju na svakih 10 godina.
Podrazumevna oznaka x ose
theme_set(theme_classic())
data("economics", package = "ggplot2")
library(lubridate)
economics = mutate(economics, returns_perc = c(0, diff(psavert)/psavert[-length(psavert)]))
ggplot(economics, aes(x=date)) +
geom_line(aes(y=returns_perc)) +
labs(title="Time Series Chart",
subtitle="Returns Percentage from 'Economics' Dataset",
caption="Source: Economics",
y="Returns %")
Grafik mesečnih vremenskih serija
Ako želimo da postavimo sami vremenske intervale (breaks) na x osi, potrebno je da podesimo podeoke i oznake koristeci scale_x_date().
library(lubridate)
theme_set(theme_bw())
data("economics", package = "ggplot2")
# Racunamo %
economics = mutate(economics, returns_perc = c(0, diff(psavert)/psavert[-length(psavert)]))
economics_m = economics[1:24, ]
# podesavamo podeoke i oznake za x osu
lbls = paste0(month.abb[month(economics_m$date)], " ", year(economics_m$date))
brks = economics_m$date
ggplot(economics_m, aes(x=date)) +
geom_line(aes(y=returns_perc)) +
labs(title="Monthly Time Series",
subtitle="Returns Percentage from Economics Dataset",
caption="Source: Economics",
y="Returns %") +
scale_x_date(labels = lbls,
breaks = brks) + # namestamo na mesecne podeoke i oznake
theme(axis.text.x = element_text(angle = 90, vjust=0.5),
panel.grid.minor = element_blank()) 
Grafik godišnjih vremenskih serija
library(lubridate)
theme_set(theme_bw())
economics_y = economics[1:90, ]
# podeoci i oznake za x osu
brks = economics_y$date[seq(1, length(economics_y$date), 12)]
lbls = year(brks)
ggplot(economics_y, aes(x=date)) +
geom_line(aes(y=returns_perc)) +
labs(title="Yearly Time Series",
subtitle="Returns Percentage from Economics Dataset",
caption="Source: Economics",
y="Returns %") +
scale_x_date(labels = lbls,
breaks = brks) +
theme(axis.text.x = element_text(angle = 90, vjust=0.5), # rotiramo tekst na x osi
panel.grid.minor = element_blank()) 
Grafik višestrukih vremenskih serija za “dugi” format podataka: Podaci u jednoj koloni
U ovom primeru, pravimo ggplot iz “dugog” formata podataka. To znači da se imena kolona i odgovarajuće vrednosti svih kolona smeštaju samo u 2 promenljive (variable i value redom). Ako bismo želeli da transformišemo ovu bazu u “široki” format, dobili bismo economics bazu.
U primeru dole, geom_line() se crta za kolonu value, a aes(col) je podešen na variable. Na ovaj način, samo jednim pozivom geom_line() crtaju se obojene linije, po jedna za svaku jedinstvenu vrednost u koloni variable. Funkcija scale_x_date() menja podeoke i oznake na x osi, a scale_color_manual menja boju linija.
data(economics_long, package = "ggplot2")
head(economics_long)## # A tibble: 6 x 4
## # Groups: variable [1]
## date variable value value01
## <date> <fct> <dbl> <dbl>
## 1 1967-07-01 pce 507. 0
## 2 1967-08-01 pce 510. 0.000266
## 3 1967-09-01 pce 516. 0.000764
## 4 1967-10-01 pce 513. 0.000472
## 5 1967-11-01 pce 518. 0.000918
## 6 1967-12-01 pce 526. 0.00158library(lubridate)
theme_set(theme_bw())
df = filter(economics_long, variable %in% c("psavert", "uempmed"))
df = filter(df, year(date) %in% c(1967:1981))
# oznake i podeoci na x osi
brks = df$date[seq(1, length(df$date), 12)]
lbls = year(brks)
ggplot(df, aes(x=date)) +
geom_line(aes(y=value, col=variable)) +
labs(title="Time Series of Returns Percentage",
subtitle="Drawn from Long Data format",
caption="Source: Economics",
y="Returns %",
color=NULL) +
scale_x_date(labels = lbls, breaks = brks) + # menjamo na mesecne ticks i oznake
scale_color_manual(labels = c("psavert", "uempmed"),
values = c("psavert"="#00ba38", "uempmed"="#f8766d")) + # boja linija
theme(axis.text.x = element_text(angle = 90, vjust=0.5, size = 8), # rotiramo tekst na x osi
panel.grid.minor = element_blank()) # iskljucujemo manju mrezu
Grafik višestrukih vremenskih serija za “široki” format podataka: Podaci u više kolona u bazi
Iako ispod prikazana slika izgleda kao prethodna, pristup za konstruisanje je drugačiji. Ako prikazujemo vremenske serije iz “široko” formatiranih podataka, moramo da crtamo svaku liniju ručno, pozivajući geom_line() jednom za svaku liniju.
library(lubridate)
theme_set(theme_bw())
df = select(economics, date, psavert, uempmed)
df = filter(df, year(date) %in% c(1967:1981))
brks = df$date[seq(1, length(df$date), 12)]
lbls = year(brks)
ggplot(df, aes(x=date)) +
geom_line(aes(y=psavert, col="psavert")) +
geom_line(aes(y=uempmed, col="uempmed")) +
labs(title="Time Series of Returns Percentage",
subtitle="Drawn From Wide Data format",
caption="Source: Economics", y="Returns %") +
scale_x_date(labels = lbls, breaks = brks) +
scale_color_manual(name="",
values = c("psavert"="#00ba38", "uempmed"="#f8766d")) +
theme(panel.grid.minor = element_blank()) 
Stacked Area Chart
Area Chart se obično koristi kada:
Želimo da opišemo kako se veličina ili zapremina (a ne nešto kao cena) menja tokom vremena.
Imamo mnogo tačaka (podataka). Za veoma malo tačaka, bolje je crtanje bar chart-a.
Želimo da prikažemo doprinos pojedinačnih komponenti. Ovo se može iscrtati pomoću
geom_areakoja radi veoma slično kaogeom_line. Ali postoji jedna važna stvar koju treba napomenuti. Podrazumevano, svakigeom_area()počinje od dna y ose (sto je obicno 0), međutim, ako želimo da prikažemo doprinos pojedinačnih komponenti, želimo da segeom_area()slaže iznad prethodne komponente, a ne na dnu samog grafika. Dakle, moramo dodati donje slojeve kada podešavamo y ugeom_area().
U donjem primeru, postavili smo y = psavert + uempmed za najvišu geom_area().
Koliko god se čini da grafik lepo izgleda, treba voditi računa da lako može postati komplikovano i neinterpretabilno ako ima previše komponenti.
library(lubridate)
theme_set(theme_bw())
df = select(economics, date, psavert, uempmed)
df = filter(df, year(date) %in% c(1967:1981))
brks = df$date[seq(1, length(df$date), 12)]
lbls = year(brks)
ggplot(df, aes(x=date)) +
geom_area(aes(y=psavert+uempmed, fill="psavert")) +
geom_area(aes(y=uempmed, fill="uempmed")) +
labs(title="Area Chart of Returns Percentage",
subtitle="From Wide Data format",
caption="Source: Economics",
y="Returns %") + # title and caption
scale_x_date(labels = lbls, breaks = brks) + # menjamo na mesecno
scale_fill_manual(name="",
values = c("psavert"="#00ba38", "uempmed"="#f8766d")) + # boja linija
theme(panel.grid.minor = element_blank()) # iskljucujemo manju mrezu
Calendar Heatmap
Kada želimo da vidimo varijacije, posebno uspone i padove, vrednosti kao što npr. je cena akcija, na samom kalendaru, koristimo Calendar heatmap. Ona vizuelno naglašava varijaciju tokom vremena umesto samih vrednosti.
Ovo se može implementirati korišćenjem geom_tile. Međutim, dobijanje u pravom formatu ima više veze sa pripremom podataka, nego sa samim crtanjem grafika.
library(scales)
library(zoo)##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numericdf = read.csv("https://raw.githubusercontent.com/selva86/datasets/master/yahoo.csv")
df$date = as.Date(df$date) # format datum
df = filter(df, year >= 2012) # filtriramo godine
df = mutate(df, yearmonth = as.yearmon(date))
df = mutate(df, yearmonthf = factor(yearmonth))
df = ddply(df,.(yearmonthf), transform, monthweek=1+week-min(week)) # racunamo redni broj nedelje u mesecu
df = select(df, year, yearmonthf, monthf, week, monthweek, weekdayf, VIX.Close)
head(df)## year yearmonthf monthf week monthweek weekdayf VIX.Close
## 1 2012 Jan 2012 Jan 1 1 Tue 22.97
## 2 2012 Jan 2012 Jan 1 1 Wed 22.22
## 3 2012 Jan 2012 Jan 1 1 Thu 21.48
## 4 2012 Jan 2012 Jan 1 1 Fri 20.63
## 5 2012 Jan 2012 Jan 2 2 Mon 21.07
## 6 2012 Jan 2012 Jan 2 2 Tue 20.69ggplot(df, aes(monthweek, weekdayf, fill = VIX.Close)) +
geom_tile(colour = "white") +
facet_grid(year~monthf) +
scale_fill_gradient(low="red", high="green") +
labs(x="Week of Month",
y="",
title = "Time-Series Calendar Heatmap",
subtitle="Yahoo Closing Price",
fill="Close")
Seasonal plot
Kada radimo sa vremenskim serijama klase ts ili xts, možemo videti sezonske komponente crtanjem sezonskog grafika, koristeći ggseasonplot iz paketaforecast . U nastavku je prikazan primer u kome koristimo serije AirPassengers i nottem.
library(forecast)
theme_set(theme_classic())
# Izdvajamo prvih 5 godina
nottem_small = window(nottem, start=c(1920, 1), end=c(1925, 12))
ggseasonplot(nottem_small) + labs(title="Seasonal plot: Air temperatures at Nottingham Castle")
ggseasonplot(AirPassengers) + labs(title="Seasonal plot: International Airline Passengers")
Možemo videti rastući trend (povećanje saobraćaja tokom godina) u AirPassengers sa sezonskim obrascem koji se ponavlja, dok Nottingham ne pokazuje porast temperature tokom godina, ali definitvno prati sezonski obrazac.
7. Klasteri
Hierarchical Dendrogram
library(ggdendro)
theme_set(theme_bw())
hc = hclust(dist(USArrests), "ave") # hijerarhijsko klasterovanje
ggdendrogram(hc, rotate = TRUE, size = 2)
Klasteri
Možemo izračunati glavne komponente i nacrtati scatterplot koristeći PC1 i PC2 kao x i y ose.
Funkcija geom_encircle() se koristi za zaokruživanje željenih grupa, i to tako što se podskup podataka koji sadrži samo opservacije (redove) navede kao data argument.
library(ggalt)
library(ggfortify)
theme_set(theme_classic())
# Racunamo glavne komponente
df = iris[c(1, 2, 3, 4)]
pca_mod = prcomp(df) # izdvajanje glavnih komponenti
# Baza glavnih komponenti
df_pc = data.frame(pca_mod$x, Species=iris$Species) # baza glavnih komponenti
df_pc_vir = df_pc[df_pc$Species == "virginica", ] # vrsta 'virginica'
df_pc_set = df_pc[df_pc$Species == "setosa", ] # vrsta 'setosa'
df_pc_ver = df_pc[df_pc$Species == "versicolor", ] # vrsta 'versicolor'
ggplot(df_pc, aes(PC1, PC2, col=Species)) +
geom_point(aes(shape=Species), size=2) + # draw points
labs(title="Iris Clustering",
subtitle="With principal components PC1 and PC2 as X and Y axis",
caption="Source: Iris") +
coord_cartesian(xlim = 1.2 * c(min(df_pc$PC1), max(df_pc$PC1)),
ylim = 1.2 * c(min(df_pc$PC2), max(df_pc$PC2))) + # menjamo granice osa
geom_encircle(data = df_pc_vir, aes(x=PC1, y=PC2)) +
geom_encircle(data = df_pc_set, aes(x=PC1, y=PC2)) +
geom_encircle(data = df_pc_ver, aes(x=PC1, y=PC2))
8. Prostorni
Paket ggmap pruža mogućnosti za interakciju sa Google Maps api-jem i dobijanje koordinata (geografske dužine i širine) za mesta koja želimo da iscrtamo. Primer koji sledi prikazuje razne karte za grad Čenaj (Indija), zaokružujući neka od mesta. Koristili smo funkciju geocode() da dobijemo kooridnate ovih mesta i qmap() da dobijemo mape. Tip mape je određen vrednošću koja je postavljena u maptype.
Takođe, možemo zumirati mapu korišćenjem argumenta zoom. Podrazumevano je 10 (pogodno za velike gradove). Smanjujemo ovaj broj (do 3), ako želimo da smanjimo, a povećavamo do 21, što je pogodno ako želimo da vidimo zgrade.
library(ggmap)
library(ggalt)
# Koordinate Cenaja
chennai = geocode("Chennai") # geografske sirine i duzine
# Mapa
# Google Satellite Map
chennai_ggl_sat_map = qmap("chennai", zoom=12, source = "google", maptype="satellite")
# Google Road Map
chennai_ggl_road_map = qmap("chennai", zoom=12, source = "google", maptype="roadmap")
# Google Hybrid Map
chennai_ggl_hybrid_map = qmap("chennai", zoom=12, source = "google", maptype="hybrid")
# Open Street Map
chennai_osm_map = qmap("chennai", zoom=12, source = "osm")
# Koordinate mesta u Cenaju
chennai_places = c("Kolathur",
"Washermanpet",
"Royapettah",
"Adyar",
"Guindy")
places_loc = geocode(chennai_places) # geografske sirine i duzine
# Open Street Map
chennai_osm_map + geom_point(aes(x=lon, y=lat),
data = places_loc,
alpha = 0.7,
size = 7,
color = "tomato") +
geom_encircle(aes(x=lon, y=lat),
data = places_loc, size = 2, color = "blue")
# Google Road Map
chennai_ggl_road_map + geom_point(aes(x=lon, y=lat),
data = places_loc,
alpha = 0.7,
size = 7,
color = "tomato") +
geom_encircle(aes(x=lon, y=lat),
data = places_loc, size = 2, color = "blue")
# Google Hybrid Map
chennai_ggl_hybrid_map + geom_point(aes(x=lon, y=lat),
data = places_loc,
alpha = 0.7,
size = 7,
color = "tomato") +
geom_encircle(aes(x=lon, y=lat),
data = places_loc, size = 2, color = "blue")