1 분 소요

연속형 변수에 따른 발언수를 확률밀도함수 그래프로 살펴보았습니다.

미션 이해

예를 들어 시간에 따른 발언량의 경우 선 그래프는 절대적인 값을 기준으로 그래프를 그립니다. 범주별로 비교할 때 그 값이 1000과 100으로 다르다고 할 때 절대적인 값의 차이가 그래프로 나타납니다. 이 경우 100의 경우 상대적으로 매우 작아서 변화량이 눈에 잘 띄지 않습니다. 하지만 확률밀도함수의 경우 발언수가 1000개이든 100개이든 똑같이 확률 1이 되기 때문에 변화량을 동일한 스케일로 확인할 수 있습니다. 장단점이 분명하기 때문에 목적에 맞게 잘 사용하는 것이 중요합니다.

최종 결과 확인

시간(hour)에 따른 발언수

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

data %>% ggplot(aes(x=hour)) + geom_density(adjust=3, fill="lightblue", alpha=0.5)

년도별 시간에 따른 발언수

data %>% ggplot(aes(x=hour, fill=factor(year))) + 
    geom_density(adjust=3, alpha=0.3) +
    scale_x_continuous(breaks=seq(1, 24, 3)) +
    theme_few() +
    theme(legend.position = c(0.15, 0.8)) +
    labs(x = "시간", y = "density", title = "년도별 시간에 따른 대화 밀도 비교", fill="year")

2019년도의 경우 데이터 수가 많지 않아서 절대적인 양이 2020년이나 2021년에 비해 작은 편에 속합니다. 2022년은 더 심해서 몇 일 안 되기 때문에 선 그래프로 분석할 때는 2019년, 2022년 데이터는 제외하고 분석했어야 했습니다. 하지만 확률밀도함수로 그린다면 큰 문제없이 서로 비교할 수 있습니다.

요일별 시간에 따른 발언수1

data %>% ggplot(aes(x=hour, fill=wday)) + geom_density(adjust=3, alpha=0.3)

요일이 너무 많다보니 제대로 비교가 안되는 문제가 있습니다. ggridges 패키지를 이용해서 요일을 분리해서 보면 한결 보기 편합니다. 그 결과는 다음과 같습니다.

요일별 시간에 따른 발언수2

data %>% 
    # mutate(wday=factor(wday, levels=c("일요일","토요일","금요일","목요일","수요일","화요일","월요일"))) %>% 
    mutate(wday=factor(wday, levels=c("Sunday","Saturday","Friday","Thursday","Wednesday","Tuesday","Monday"))) %>% 
    ggplot(aes(x=hour, y=wday, fill=wday)) + 
    geom_density_ridges(show.legend=F, bandwidth=1) +     # 확률밀도함수 그래프를 펼치기
    theme_ridges() +                                      # 그래프 테마 적용
    scale_fill_brewer(palette = "Pastel2") +    
    labs(x="시간", y="", title="시간대별 대화량")

요일이 영문으로 표시되는 경우의 코드가 위와 같고 요일이 한글일 경우 한글 요일에 해당하는 코드의 주석(#)을 없애주고 영어로 된 요일과 관련된 코드에 주석처리를 해주어야 합니다.

코드 설명

확률밀도 함수 그리기

확률밀도함수 그래프의 경우 x축의 변수만 지정합니다. aes(x=hour)의 경우 hour 변수를 x축으로 놓고 전체 대화량을 1로 놓고 각 시간대별 상대적인 대화량을 그래프로 나타내줍니다. geom_density() 함수에서 adjust값에 따라 뾰족 뾰족하게, 혹은 완만하게 보여지게 만들 수 있습니다. 숫자가 작을수록 값의 변동이 명확하게 나타나고 값이 클수록 완만하게 보여줍니다.

축의 눈금 간격 조정

scale_x_continuous() 함수에서 breaks 파라미터를 통해 x축의 눈금 간격을 조정할 수 있습니다. seq(1, 24, 3)는 1에서 24까지의 값을 3의 간격으로 눈금을 만들라는 뜻이 된다.

ggridges

ggridges 패키지에서 지원하는 geom_density_ridges() 함수는 범주별 확률밀도함수 그래프를 펼쳐서 보여주는 기능을 합니다. theme_ridges() 테마를 통해 배경을 없애줌으로써 선명하게 보이게 만들어 줄 수 있습니다. scale_fill_brewer() 함수를 이용해서 palette를 Pastel2로 지정해서 색을 부드럽게 만들면 한결 보기 좋아집니다.

예고

다음 글에서는 월별 대화량이라는 시계열 데이터를 바탕으로 카톡방 대화를 다운 받은 시점 이후의 발언량을 예측해 보도록 하겠습니다.

댓글남기기

참고