LEC05: グラフの実践（ggplot2）
Kenri Kodaka
2026-10-28
1. 準備：データフレームをインポート
◯◯◯ 使用するライブラリ
ggplot2ライブラリ（グラフ描画パッケージ）およびdplyr（データ操作）を使用するために、tidyverseパッケージを、また、複数グラフ配置のためにpatchworkライブラリを使います。
📌 本資料は ggplot2 4.0 に対応しています（動作確認：R 4.4.2、ggplot2 4.0.0）。
線の太さにはsizeではなくlinewidth、棒グラフ上の個数表示には..count..ではなくafter_stat(count)を使っています。古い書き方は、警告が出たり、将来の更新で動かなくなったりします。
手元のバージョンはpackageVersion("ggplot2")で確認できます（3.4 未満の場合はinstall.packages("ggplot2")で更新してください）。
install.packages("tidyverse")
install.packages("patchwork")library(ggplot2)
library(dplyr)
library(patchwork)
packageVersion("ggplot2") # 4.0.0以上であることを確認## [1] '4.0.0'
◯◯◯ データフレームをインポート
以下から、奇数偶数の好み実験結果の架空（N=3543）のデータをインポートしてください。
url = "https://lab.kenrikodaka.com/_download/csv/oddeven_3543.csv"
source = read.csv(url)誕生日と奇数偶数の好みに関するアンケートの架空のデータ（3543人分）です。
- month（誕生月）
- day（誕生日）
- preference（奇数が好き：ODD, 偶数が好き：EVEN）
- gender（男性：MALE, 女性：FEMALE）
- domhand（利き手が左：LEFT, 利き手が右：RIGHT）
- age（年齢）
#最初の6行をちょっと出し
source[1:6,]## month day preference gender age domhand ## 1 4 11 ODD MALE 19 RIGHT ## 2 7 18 EVEN FEMALE 18 RIGHT ## 3 11 7 ODD MALE 20 RIGHT ## 4 2 6 ODD MALE 66 RIGHT ## 5 5 21 EVEN MALE 20 RIGHT ## 6 2 2 EVEN MALE 19 RIGHT
NAは「回答なし（未定）」です（ageとdomhandに492件ずつあります）。 また、ageには「-1」など、明らかに不自然な値も少数含まれます。
翻訳すると以下の様になります。
- 04月11日、奇数好き、男性、19歳、右利き
- 07月18日、偶数好き、女性、18歳、右利き
- 11月07日、奇数好き、男性、20歳、右利き
- 02月06日、奇数好き、男性、66歳、右利き
- 05月21日、偶数好き、男性、20歳、右利き
- 02月02日、偶数好き、男性、19歳、右利き
# 全部で3543人分のデータがあることが確認できます。
dim(source)## [1] 3543 6
◯◯◯ mutateの復習
mutate（要dplyr）を使うと データフレームの属性を簡単に追加/更新できます。
# sourceをdatにコピーします。
dat = source
head(dat,3)## month day preference gender age domhand ## 1 4 11 ODD MALE 19 RIGHT ## 2 7 18 EVEN FEMALE 18 RIGHT ## 3 11 7 ODD MALE 20 RIGHT
datに月日の奇数/偶数のラベル(mtype)を新たに追加します。
# 2で割った余りを変数mtypeに登録
dat2 = dat %>%
mutate(mtype=month%%2)
head(dat2,4) ## month day preference gender age domhand mtype ## 1 4 11 ODD MALE 19 RIGHT 0 ## 2 7 18 EVEN FEMALE 18 RIGHT 1 ## 3 11 7 ODD MALE 20 RIGHT 1 ## 4 2 6 ODD MALE 66 RIGHT 0
# characterに変換
dat2 = dat2 %>%
mutate(mtype = if_else(mtype==0,"EVEN","ODD"))
head(dat2,4) ## month day preference gender age domhand mtype ## 1 4 11 ODD MALE 19 RIGHT EVEN ## 2 7 18 EVEN FEMALE 18 RIGHT ODD ## 3 11 7 ODD MALE 20 RIGHT ODD ## 4 2 6 ODD MALE 66 RIGHT EVEN
# 同様にdtypeも追加
dat2 = dat2 %>%
mutate(dtype = if_else(day%%2==0,"EVEN","ODD"))
head(dat2,4)## month day preference gender age domhand mtype dtype ## 1 4 11 ODD MALE 19 RIGHT EVEN ODD ## 2 7 18 EVEN FEMALE 18 RIGHT ODD EVEN ## 3 11 7 ODD MALE 20 RIGHT ODD ODD ## 4 2 6 ODD MALE 66 RIGHT EVEN EVEN
3つ以上の分岐はcase_whenを使います。
dat2 = dat2 %>%
mutate(combo =
case_when(mtype=="EVEN" & dtype=="EVEN" ~ "EE",
mtype=="ODD" & dtype=="ODD" ~ "OO",
mtype=="EVEN" & dtype=="ODD" ~ "EO",
TRUE ~ "OE"));
head(dat2,4)## month day preference gender age domhand mtype dtype combo ## 1 4 11 ODD MALE 19 RIGHT EVEN ODD EO ## 2 7 18 EVEN FEMALE 18 RIGHT ODD EVEN OE ## 3 11 7 ODD MALE 20 RIGHT ODD ODD OO ## 4 2 6 ODD MALE 66 RIGHT EVEN EVEN EE
グラフを作成します。
## 4つのcomboごとに、偶数好きと奇数好きの人数を数え上げます。
g = ggplot(dat2, aes(x=combo, fill=preference))
g = g + geom_bar(position = position_dodge()) #fillを横に並べる
g = g + scale_fill_brewer(palette = "Dark2")
g = g + ggtitle("Graph0_Mutate") #グラフのタイトル
g | plot_spacer()
◯◯◯ pivot_longer
今回の演習では、グラフ化に先立って、 特定の変数に関して、「偶数」「奇数」「奇素数」ごとの特性を比較集計する 場面が多くなります。 この場合、比較する条件に重複がない場合は（たとえば「奇数」と「偶数」）、集計は容易です。
例えば、月の属性ごとの偶数好き割合は、以下で一気に出せますね。
dat = source
dat %>%
mutate(month.type = if_else(month%%2 == 0,"EVEN","ODD")) %>%
group_by(month.type) %>%
summarize(
erate = mean(preference == 'EVEN')
)## # A tibble: 2 × 2 ## month.type erate ## <chr> <dbl> ## 1 EVEN 0.628 ## 2 ODD 0.545
他方で、「偶数」「奇数」「奇素数」で分けたい場合、 「奇素数」は「奇数」に含まれるので、一つの変数で綺麗に分けることができなくなります。
このようなケースでは、
pivot_longerを使った集計が便利です。pivot_longerは、簡単にいうと、「列を減らした分を行で表現する」手続きとなります。
わかりやすく、最初の8行の「月」と「好み」を抽出したデータフレーム（
dat2）を使って説明します。
# select関数がconflictする場合は、以下を実行してください。
# detach("package:MASS", unload = TRUE)
dat = source
dat2 = dat %>%
filter(row_number() <=8) %>%
select(month, preference)
dat2## month preference ## 1 4 ODD ## 2 7 EVEN ## 3 11 ODD ## 4 2 ODD ## 5 5 EVEN ## 6 2 EVEN ## 7 10 EVEN ## 8 5 EVEN
dat2について、各行の月の属性を属性ごとの変数（EVEN,ODD,PRIME）を用意して、論理値で整形します。
dat2 = dat2 %>%
mutate(EVEN = month%%2==0,
ODD = month%%2==1,
PRIME = month %in% c(3,5,7,11)
)
dat2## month preference EVEN ODD PRIME ## 1 4 ODD TRUE FALSE FALSE ## 2 7 EVEN FALSE TRUE TRUE ## 3 11 ODD FALSE TRUE TRUE ## 4 2 ODD TRUE FALSE FALSE ## 5 5 EVEN FALSE TRUE TRUE ## 6 2 EVEN TRUE FALSE FALSE ## 7 10 EVEN TRUE FALSE FALSE ## 8 5 EVEN FALSE TRUE TRUE
ここで
pivot_longerを用いて 変数名を新たな変数「group」の値として、 元々の値を、新たな変数「belongs」の値にスライドします。
library(tidyr)
dat3 = dat2 %>%
pivot_longer(
cols = c(EVEN, ODD, PRIME),
names_to = "group",
values_to = "belongs"
)
dat3## # A tibble: 24 × 4 ## month preference group belongs ## <int> <chr> <chr> <lgl> ## 1 4 ODD EVEN TRUE ## 2 4 ODD ODD FALSE ## 3 4 ODD PRIME FALSE ## 4 7 EVEN EVEN FALSE ## 5 7 EVEN ODD TRUE ## 6 7 EVEN PRIME TRUE ## 7 11 ODD EVEN FALSE ## 8 11 ODD ODD TRUE ## 9 11 ODD PRIME TRUE ## 10 2 ODD EVEN TRUE ## # ℹ 14 more rows
# ここからbelongsがTRUEのものだけを抽出する。
dat3 = dat3 %>%
filter(belongs) %>%
select(month,group,preference)
dat3## # A tibble: 12 × 3 ## month group preference ## <int> <chr> <chr> ## 1 4 EVEN ODD ## 2 7 ODD EVEN ## 3 7 PRIME EVEN ## 4 11 ODD ODD ## 5 11 PRIME ODD ## 6 2 EVEN ODD ## 7 5 ODD EVEN ## 8 5 PRIME EVEN ## 9 2 EVEN EVEN ## 10 10 EVEN EVEN ## 11 5 ODD EVEN ## 12 5 PRIME EVEN
結果として、奇素数の月のみ （上の例では、67と910行目）が 重複してエントリーされていることがわかります。
これを使って、最初の8行に、 3つの属性に適合する月の数字がいくつあるかを 以下で算出することができます。
dat3 %>%
group_by(group) %>%
summarize(
n=n()
)## # A tibble: 3 × 2 ## group n ## <chr> <int> ## 1 EVEN 4 ## 2 ODD 4 ## 3 PRIME 4
以上を応用して、全てのデータについて、 月属性が「偶数」「奇数」「奇素数」ごとの 偶数好きの割合を一気に算出します。
dat = source
dat2 = dat %>%
# 月と好みに注目し、月の数字の3属性を変数に付加
select(month,preference) %>%
mutate(EVEN = month%%2==0,
ODD = month%%2==1,
PRIME = month %in% c(3,5,7,11)
) %>%
# 変数を行に展開し、
# もともとの値がTRUEのもののみをfilterで抽出します。
pivot_longer(
cols = c(EVEN, ODD, PRIME),
names_to = "group",
values_to = "belongs"
) %>%
filter(belongs == TRUE) %>%
group_by(group) %>%
# 各属性の数（n）と偶数好き割合を算出します。
summarize(
n = n(),
erate = sum(preference=="EVEN") / n
# erate = mean(preference=="EVEN") ##同じ
)
dat2## # A tibble: 3 × 3 ## group n erate ## <chr> <int> <dbl> ## 1 EVEN 1722 0.628 ## 2 ODD 1821 0.545 ## 3 PRIME 1208 0.534
2. Graph1：男女別の奇数偶数の好み
# sourceをそのままdatに移します。
dat = source
# [ggplot]
## x軸をgenderに、枠線と塗りつぶしをpreferenceに設定
g = ggplot(dat,aes(x=gender, fill=preference))
# [geom_bar] genderごとにpreferenceを数え上げ
## position_dodge：横並び, width：グラフの幅, alpha：透明度
g = g + geom_bar(position=position_dodge(width=0.9),alpha=0.9)
g1 = g + ggtitle("g1") #出力用
# X軸は離散値、Y軸は連続値
g = g + scale_x_discrete(limits = c("FEMALE", "MALE"))
g = g + scale_y_continuous(limits = c(-100, 1400),breaks=c(0,250,500,750,1000,1250))
# 塗りつぶしのパレットをDark2（brewer）
g = g + scale_fill_brewer(palette = "Dark2")
g2 = g + ggtitle("g2") #出力用
# 90度回転
g = g + coord_flip()
# [geom_text]
## geom_barの数え上げの量を表示
## just=0（左揃え）, 0.5（中央揃え）, 1（右揃え）
g = g + geom_text(stat = "count",
aes(label = paste("(",after_stat(count),")",sep=""),
y=after_stat(count)*0.95, hjust=1),
position = position_dodge(width=0.9),
color="white", size=3)
# [labs]
## グラフのタイトル、XY軸のタイトル
g = g + labs(x = "Gender", y = "Population")(g1 | g2) / g +ggtitle("Graph1_Gender")
3. Graph2：女性の月の数字の影響
グラフ化までは、
pivot_longerの解説の復習となります。
まずは準備として、奇素数（2を除く素数）を判定する関数を作成します（月と日にちの数字を想定としています。）。
# returnはあってもなくてもよい。
oddprime = function(n){
n %in% c(3,5,7,11,13,17,19,23,29,31)
}
# 使用例
oddprime(1:31)## [1] FALSE FALSE TRUE FALSE TRUE FALSE TRUE FALSE FALSE FALSE TRUE FALSE ## [13] TRUE FALSE FALSE FALSE TRUE FALSE TRUE FALSE FALSE FALSE TRUE FALSE ## [25] FALSE FALSE FALSE FALSE TRUE FALSE TRUE
月の数字の属性のみに注目し、重複を許すかたちで 各行で、月の属性（奇数・偶数・奇素数）と数字の好みが出力されるようなデータフレームに整形します。
dat = source
dat_ = dat %>%
# 女性のみの行、月と好みの列だけを取り出す。
filter(gender=="FEMALE") %>%
select(month,preference) %>%
# 偶数・奇数・奇素数の変数を追加（値は論理値）
mutate(EVEN = (month %% 2==0),
ODD = (month %% 2 == 1),
PRIME = oddprime(month)
) %>%
# 月の数字属性を行に展開
pivot_longer(
cols = c(EVEN,ODD,PRIME),
names_to = "group", #数字属性の変数名
values_to = "belongs" #論理値の変数名
) %>%
# belongs=TRUEのみを抽出し、
# month,group,preference変数のみを取り出す
filter(belongs) %>%
select(month,group,preference)
#ここで一旦、dat_の内容を確認しましょう。
## 素数の数字のみ、2回のエントリーがあることを確認してください。
head(dat_,10) ## # A tibble: 10 × 3 ## month group preference ## <int> <chr> <chr> ## 1 7 ODD EVEN ## 2 7 PRIME EVEN ## 3 11 ODD ODD ## 4 11 PRIME ODD ## 5 3 ODD ODD ## 6 3 PRIME ODD ## 7 10 EVEN EVEN ## 8 3 ODD ODD ## 9 3 PRIME ODD ## 10 6 EVEN EVEN
最後に3つのグループのうち、 preferenceがEVENの割合を算出したデータフレームをxとして出力します。
x = dat_ %>%
group_by(group) %>%
summarize(
n = n(),
erate = sum(preference=="EVEN") / n
) %>%
select(group,n,erate)
# データフレームの内容を確認します。
## groupは月の数字の属性、
## nはサンプル数
## erateは偶数が好きな割合
x## # A tibble: 3 × 3 ## group n erate ## <chr> <int> <dbl> ## 1 EVEN 923 0.687 ## 2 ODD 981 0.599 ## 3 PRIME 646 0.590
◯◯◯ 棒グラフの作成
# ベースラインからの偏り（100分率）をweightとします。
x = x %>%
mutate(weight = 100*(erate-0.5))
# [ggplot]
g = ggplot(x, aes(x = group, y = weight, fill = group, colour = group))
# [geom_bar]
## 個数（stat="count"）でなく数値（stat="identity）を描画
g = g + geom_bar(stat = "identity",alpha=4/5)
# yは連続値
g = g + scale_y_continuous(limits=c(-10,30))
# 縦線（hline）と横線（vline）の描画
g = g + geom_hline(yintercept = 0, linetype = "solid", linewidth=0.5,colour="black")
g = g + geom_vline(xintercept = 1.5, linetype = "dotted", linewidth=0.5,colour="black")
g = g + geom_vline(xintercept = 2.5, linetype = "dotted", linewidth=0.5,colour="black")
# 色の設定
col1 = rgb(174/255,69/255,50/255) #for even
col2 = rgb(58/255,128/255,77/255) #for odd
col3 = rgb(48/255,112/255,176/255) #for prime
g = g + scale_fill_manual(values = c(col1,col2,col3), name="number type")
g = g + scale_colour_manual(values = c(col1,col2,col3), name = "number type")
# 90度回転
g = g + coord_flip()
# [labs]
## グラフのタイトル、XY軸のタイトル
g = g + labs(x = "Month Number type", y = "Even number preference (%)")
g = g + theme_minimal()g + ggtitle("Graph2_FemaleMonth")
4. Graph3：女性の月x日の数字の影響
女性に限って、月 x 日が同じ属性だった場合の好みの違いを検証します。 奇素数 x 奇素数は奇数 x 奇数を含むため、 Graph2と同様に、
pivot_longerをうまく使う必要があります。
dat = source
dat_ = dat %>%
# 女性のみの行、月と好みの列だけを取り出す。
filter(gender=="FEMALE") %>%
select(month,day,preference) %>%
# 偶数・奇数・奇素数の変数を追加（値は論理値）
mutate(EVEN2 = (month%%2==0) & (day%%2==0),
ODD2 = (month%%2==1) & (day%%2==1),
PRIME2 = oddprime(month) & oddprime(day)
) %>%
# 月の数字属性を行に展開
pivot_longer(
cols = c(EVEN2,ODD2,PRIME2),
names_to = "group", #数字属性の変数名
values_to = "belongs" #論理値の変数名
) %>%
# belongs=TRUEのみを抽出し、
# month,daygroup,preference変数のみを取り出す
filter(belongs) %>%
select(month,day,group,preference)
#ここで一旦、dat_の内容を確認しましょう。
head(dat_,10) ## # A tibble: 10 × 4 ## month day group preference ## <int> <int> <chr> <chr> ## 1 11 5 ODD2 ODD ## 2 11 5 PRIME2 ODD ## 3 3 15 ODD2 ODD ## 4 10 10 EVEN2 EVEN ## 5 3 27 ODD2 ODD ## 6 11 11 ODD2 EVEN ## 7 11 11 PRIME2 EVEN ## 8 10 4 EVEN2 ODD ## 9 1 13 ODD2 ODD ## 10 10 24 EVEN2 ODD
最後に3つのグループのうち、 preferenceがEVENの割合を算出したデータフレームをxとして出力します。
x = dat_ %>%
group_by(group) %>%
summarize(
n = n(),
erate = sum(preference=="EVEN") / n
) %>%
select(group,n,erate)
# データフレームの内容を確認します。
## groupは月の数字の属性、
## nはサンプル数
## erateは偶数が好きな割合
x## # A tibble: 3 × 3 ## group n erate ## <chr> <int> <dbl> ## 1 EVEN2 438 0.737 ## 2 ODD2 514 0.564 ## 3 PRIME2 202 0.579
◯◯◯ 棒グラフの作成
# 準備としてベースラインからの偏り（100分率）をweightとします。
x = x %>%
mutate(weight = 100*(erate-0.5))
x ## # A tibble: 3 × 4 ## group n erate weight ## <chr> <int> <dbl> <dbl> ## 1 EVEN2 438 0.737 23.7 ## 2 ODD2 514 0.564 6.42 ## 3 PRIME2 202 0.579 7.92
g = ggplot(x, aes(x = group, y = weight, fill = group, colour = group))
g = g + geom_bar(stat = "identity",alpha=4/5)
g = g + scale_y_continuous(limits=c(-10,30))
# x軸（離散値）のラベルを変更
g = g + scale_x_discrete(limits=c("EVEN2","ODD2","PRIME2"),
labels=c("EVENxEVEN","ODDxODD","PRIMExPRIME"))
g = g + geom_hline(yintercept = 0, linetype = "solid", linewidth=0.5,colour="black")
g = g + geom_vline(xintercept = 1.5, linetype = "dotted", linewidth=0.5,colour="black")
g = g + geom_vline(xintercept = 2.5, linetype = "dotted", linewidth=0.5,colour="black")
g = g + scale_fill_manual(values = c(col1,col2,col3), name="number type")
g = g + scale_colour_manual(values = c(col1,col2,col3), name = "number type")
g = g + coord_flip()
g = g + labs(x = "Number type", y = "Even number preference (%)")
g = g + theme_minimal()g + ggtitle("Graph3_FemaleMonthDay")
5. Graph4：誕生日の日にちランキング（男女分けない）
dat_ = source
head(dat_)## month day preference gender age domhand ## 1 4 11 ODD MALE 19 RIGHT ## 2 7 18 EVEN FEMALE 18 RIGHT ## 3 11 7 ODD MALE 20 RIGHT ## 4 2 6 ODD MALE 66 RIGHT ## 5 5 21 EVEN MALE 20 RIGHT ## 6 2 2 EVEN MALE 19 RIGHT
dayPref = dat_ %>%
group_by(day) %>%
summarize(
even= sum(preference=="EVEN"),
odd = sum(preference=="ODD"),
erate = mean(preference=="EVEN"),
) %>%
arrange(desc(erate))
dayPref = dayPref %>%
mutate(type = case_when(
day%%2==0 ~ "EVEN",
oddprime(day) ~ "PRIME",
TRUE ~ "ODD"),
order = row_number(), #行番号を挿入
)
dayPref## # A tibble: 31 × 6 ## day even odd erate type order ## <int> <int> <int> <dbl> <chr> <int> ## 1 22 68 29 0.701 EVEN 1 ## 2 2 73 34 0.682 EVEN 2 ## 3 3 69 37 0.651 PRIME 3 ## 4 4 70 38 0.648 EVEN 4 ## 5 21 83 46 0.643 ODD 5 ## 6 12 78 45 0.634 EVEN 6 ## 7 30 60 36 0.625 EVEN 7 ## 8 16 85 52 0.620 EVEN 8 ## 9 26 75 46 0.620 EVEN 9 ## 10 17 60 37 0.619 PRIME 10 ## # ℹ 21 more rows
g = ggplot(dayPref,aes(x=order,y=100*erate,fill=type))
g = g + geom_bar(stat = "identity", colour="black")
#geom_bar(stat="identity")とgeom_colは同じなので、こちらでも同じ結果です。
#g = g + geom_col(colour ="black")
g = g + scale_x_continuous(limits=c(0.5,31.5),breaks=c(1,10,20,30))
g = g + scale_y_continuous(limits=c(0,87),breaks=c(0,25,50,75))
# 50%のところに線を引く
g = g + geom_hline(yintercept = 50, linetype = "dotted", linewidth=1,colour="black")
# 各順位に対応する数字をバーの上端より1.5文字分下に描画する
g = g + geom_text(aes(label = day), colour = "white", size = 3, vjust = 1.5)
# 凡例の色をマニュアルで指定する
g = g + scale_fill_manual(values = c(col1,col2,col3),name="Number type")
g = g + scale_colour_manual(values = c(col1,col2,col3),name="Number type")
g = g + labs(x="ORDER",y="EVEN-PREF RATE")
g = g + theme_minimal() +
theme(legend.position = "bottom")g + ggtitle("Graph4_DayRank")
6. Graph5：年齢の影響（男女分けない）
dat_ = source;
# 年齢ごとのpreferenceを集計する
# 行番号があると混乱するので消します。
print(dat_ %>% count(age),row.names = FALSE)## age n ## -1 7 ## 12 2 ## 13 3 ## 14 1 ## 15 33 ## 16 57 ## 17 36 ## 18 1183 ## 19 1076 ## 20 327 ## 21 84 ## 22 27 ## 23 29 ## 24 17 ## 25 13 ## 26 9 ## 27 7 ## 28 6 ## 29 7 ## 30 6 ## 31 3 ## 32 3 ## 33 3 ## 34 2 ## 35 5 ## 36 4 ## 37 5 ## 38 2 ## 39 2 ## 40 3 ## 41 2 ## 42 6 ## 44 5 ## 45 3 ## 46 3 ## 47 4 ## 48 5 ## 49 4 ## 50 3 ## 51 6 ## 52 5 ## 53 4 ## 54 3 ## 55 3 ## 56 1 ## 57 5 ## 58 2 ## 59 4 ## 61 4 ## 62 3 ## 63 2 ## 64 2 ## 65 2 ## 66 3 ## 67 1 ## 68 1 ## 69 1 ## 71 1 ## 73 1 ## NA 492
# 比較的サンプルの多い、15〜22歳をとりあげます。
head(dat_) ## month day preference gender age domhand ## 1 4 11 ODD MALE 19 RIGHT ## 2 7 18 EVEN FEMALE 18 RIGHT ## 3 11 7 ODD MALE 20 RIGHT ## 4 2 6 ODD MALE 66 RIGHT ## 5 5 21 EVEN MALE 20 RIGHT ## 6 2 2 EVEN MALE 19 RIGHT
agePref = dat_ %>%
filter(age>14 & age<23) %>%
group_by(age) %>%
summarize(
even = sum(preference=="EVEN"),
odd = sum(preference=="ODD"),
erate = mean(preference=="EVEN") ## even / (even + odd)と同じ
) %>%
arrange(age)
agePref## # A tibble: 8 × 4 ## age even odd erate ## <int> <int> <int> <dbl> ## 1 15 27 6 0.818 ## 2 16 37 20 0.649 ## 3 17 30 6 0.833 ## 4 18 722 461 0.610 ## 5 19 643 433 0.598 ## 6 20 180 147 0.550 ## 7 21 44 40 0.524 ## 8 22 13 14 0.481
◯◯◯ 折れ線グラフの作成
15歳から22歳までの偶数好きの割合の遷移を 折れ線グラフで視覚化します。
g = ggplot(agePref,aes(x=age,y=erate))
g = g + geom_line(colour = "black",linewidth=1.5)
g = g + geom_point(size=5)
g = g + scale_x_continuous(limits=c(14.5,22.5),breaks=15:22)
g = g + scale_y_continuous(limits=c(0,1.0),breaks=c(0,0.25,0.50,0.75,1.0))
g = g + labs(x="AGE",y="EVEN-PREF RATE")
g = g + theme_minimal() +
theme(legend.position = "bottom")g + ggtitle("Graph5_AgeEffect")
7. 確認課題
ApMedia05_Work
- 男女別の月の偶数好きの数字ランキングのグラフを作成してください。
- 締切は11月中とします.
- ファイル名は「2450xx_work5.R」としてください。
- 提出用のファイルリクエストは授業用ページに示します。