2 분 소요

연속형 변수에 따른 발언수를 범주별로 비교해 보겠습니다. 점과 선으로 표현해 보았습니다.

미션 이해

분석이 많아지고 다양해지다보면 그에 따른 패키지가 많아집니다. 여러 줄에 걸쳐서 작성할 수도 있지만 코드 작성하기도 불편하고 관리도 쉽지 않습니다. 어떻게 하면 쉽게 표현하고 관려할 수 있는지 살펴볼께요.

시간이나 날짜처럼 연속된 변수에 따른 발언 수는 선 그래프로 그리는 것이 좋습니다. 선 그래프는 어떻게 표현하는지 살펴봅시다.

최종 결과 확인

시간에 따른 발언수

pacman::p_load(scales, ggthemes,              # 시각화 관련 패키지
               tidyverse, lubridate)          # 데이터 전처리 관련 패키지

data %>% group_by(hour) %>% summarise(n=n()) %>% 
    ggplot(aes(hour, n)) +
    geom_point() + geom_line() +
    geom_smooth(formula=y~x, method=loess) +
    scale_y_continuous(label=comma) +
    theme_few() +
    labs(x = "시간", y = "발언수", title = "시간에 따른 대화량 비교")

년도별 시간에 따른 발언수

data %>% filter(year %in% 2020:2021) %>% 
    mutate(year=factor(year)) %>% 
    group_by(year, hour) %>% summarise(n=n()) %>% 
    ggplot(aes(hour, n, color=year)) +
    geom_point() + geom_line() +
    geom_smooth(aes(group=year, fill=year), formula=y~x, method=loess, alpha=0.2) +
    scale_y_continuous(label=comma) +
    theme_few() +
    labs(x = "시간", y = "발언수", title = "년도별 시간에 따른 대화량 비교")

년도별 월에 따른 발언수

data %>% filter(year %in% 2020:2021) %>% 
    group_by(year, month) %>% summarise(n=n()) %>% 
    mutate(year=factor(year)) %>% 
    ggplot(aes(month, n, color=year)) +
    geom_point() + geom_line() +
    geom_smooth(aes(group=year, fill=year), formula=y~x, method=loess, alpha=0.2) +
    scale_y_continuous(label=comma) +
    scale_x_continuous(breaks=seq(1, 12, 1)) +
    theme_few() +
    theme(legend.position = c(0.2, 0.8)) +
    labs(x = "월", y = "발언수", title = "년도별 월에 따른 대화량 비교")

연속된 월에 따른 발언수

data %>% filter(year %in% 2020:2021) %>% 
    group_by(year, month) %>% summarise(n=n()) %>% 
    mutate(date=ym(paste0(year, "-", month))) %>% 
    ggplot(aes(date, n)) +
    geom_point() + geom_line() +
    geom_smooth(formula=y~x, method=loess, alpha=0.2) +
    scale_y_continuous(label=comma) +
    theme_few() +
    labs(x = "년 월", y = "발언수", title = "연속된 월에 따른 대화량 비교")

코드 설명

패키지 관리

여러 개의 패키지를 실행시킬 경우 library() 함수를 반복적으로 사용해야 합니다. 이를 반복하지 않고 한꺼번에 불러올 수 있도록 도와주는 패키지가 있습니다. pacman이라는 패키지인데 p_load() 함수를 통해 관련 패키지가 없는 경우 자동으로 설치해주는 기능까지 있어서 매우 유용합니다. p_load() 함수를 사용하기 위해서는 library(pacman)을 실행시켜 주어야 합니다. 그런데 이 부분도 불편할 수 있습니다. 그 경우 pacman::p_load() 와 같이 함수 앞에 패키지 이름과 콜론 2개를 붙여주면 library() 함수를 사용하지 않고 1회용으로 해당 패키지에서 제공하는 함수를 사용할 수 있습니다. 그리고 시각화를 위한 패키지나 데이터 전처리 과정에서 필요한 패키지 등으로 구분해서 표시하면 실행과 관리 모든 측면에서 매우 유용합니다.

년도와 월별 빈도수 통계내기

group_by() 함수에 year, month 두 변수를 입력하면 년도와 월을 구분해서 통계를 낼 수 있습니다.

년도와 월로 date 만들기

lubridate 패키지에서 제공하는 ym() 함수를 이용하면 년도와 월을 “-”로 묶어준 문자를 날짜로 바꿀 수 있습니다. paste0() 함수는 띄어쓰기 없이 데이터와 문자 등을 붙여줍니다.

선 그래프 그리기

geom_point() 함수는 점을 찍어줍니다. geom_line() 함수는 선을 그어줍니다. 보통은 두 가지 모두 실행시켜주어야 보기 좋아집니다.

geom_smooth() 함수는 데이터의 경향성을 시각화해줍니다. method 파라미터에 “lm”을 입력하면 선형으로 추세선을 그려주고, “loess”를 입력하면 곡선으로 된 경향성을 시각화 해줍니다. method가 lm인 경우 formula 파라미터를 이용해서 y절편의 값이 0이 아닌 추세선 혹은 y절편이 0인 추세선을 그릴 수 있습니다. formula에 “y~x”로 입력하면 y절편이 0이 아닐 수 있습니다. 하지만 formula 파라미터에 “y~0+x”를 입력하면 강제로 y절편을 0으로 맞춰서 추세선을 그려줍니다. alpha는 투명한 정도를 나타냅니다. aes()로 그래프의 축과 함께 group을 통해 범주별로 구분하여 경향성을 표현할 수 있습니다. aes() 속 fill은 색을 구별해서 표현해 줄 변수를 입력하면 범주별 연속형 변수에 따른 연속병 변수의 값을 시각화할 수 있습니다.

scale_x_continuous() 함수에 label 파라미터를 이용해서 1000 단위로 콤마를 붙일 수도 있지만 breaks 파라미터를 이용해서 축의 값 범위와 간격을 조정할 수 있습니다.

범례 위치 조정

theme() 함수 속 legend.position 파라미터를 이용해서 위치를 조정할 수 있습니다. 그래프의 가로와 세로가 각각 1에 해당하기 때문에 0.2, 0.8이면 왼쪽에서 20% 오른쪽, 위쪽으로 80% 위치에 범례를 표시한다는 의미입니다.

예고

다음 글에서는 밀도함수를 통해 더 깊이 있게 분석해 보겠습니다.

댓글남기기

참고