統計データ解析I

第5講 練習問題 解答例

準備

以下で利用する共通パッケージを読み込む．

library(conflicted)  # 関数名の衝突を警告
conflicts_prefer(    # 優先的に使う関数を指定
    dplyr::filter(),
    dplyr::select(),
    dplyr::lag(),
    )
library(tidyverse)

基本的なグラフの描画

問題

東京都の気候データ tokyo_weather.csv を用いて以下の問に答えよ．

• 6月の気温と湿度の折線グラフを描け．

• 1年間の気温と湿度の折線グラフを描け．

• 各月の平均気温と湿度の折線グラフを描け．

Note

CSVファイルが作業ディレクトリの下のサブディレクトリ ‘data’ にあるとすれば， 以下のようして読み込むことができる．

tw_data <- read_csv(file = "data/tokyo_weather.csv")

解答例

データの読み込みを行う．

tw_data <- read_csv(file = "data/tokyo_weather.csv")

6月の気温と湿度の折線グラフを同じグラフに描く．

tw_data |>
    filter(month == 6) |>                            # 6月を選択
    select(day, temp, humid) |>                      # 必要な列を選択
    pivot_longer(!day) |>                            # long format に変換
    ggplot(aes(x = day, y = value, colour = name)) + # 審美的属性を指定
    geom_line()                                      # 折線グラフの描画

物理的に異なる量なので facet を分ける．

tw_data |>
    filter(month == 6) |> 
    select(day, temp, humid) |> 
    pivot_longer(!day, names_to = "index") |>         # 列名を "index" に変更
    ggplot(aes(x = day, y = value, colour = index)) + # こちらも "index"
    geom_line() +                                     # 凡例も "index" になっている
    facet_grid(rows = vars(index))                    # index ごとに facet を行に並べる

値域が異なるので facet ごとにy軸を調整する．

tw_data |>
    filter(month == 6) |> 
    select(day, temp, humid) |> 
    pivot_longer(!day, names_to = "index") |> 
    ggplot(aes(x = day, y = value, colour = index)) +
    geom_line() +
    facet_grid(rows = vars(index), scales = "free_y") # y軸を個別に自動調整

不要な凡例の削除とタイトルの追加する．

tw_data |>
    filter(month == 6) |> 
    select(day, temp, humid) |> 
    pivot_longer(!day, names_to = "index") |> 
    ggplot(aes(x = day, y = value, colour = index)) +
    geom_line(show.legend = FALSE) +                    # 凡例の削除
    facet_grid(rows = vars(index), scales = "free_y") +
    labs(title = "Weather in June")                     # タイトルの追加

関数 select() を使わなくても同様な作図は可能である．

tw_data |>
    filter(month == 6) |> 
    pivot_longer(cols = c(temp, humid)) |> # 集約する列を指定(余計な列も存在)
    ggplot(aes(x = day, y = value, colour = name)) +
    geom_line(show.legend = FALSE) + 
    facet_grid(rows = vars(name), scales = "free_y") +
    labs(title = "Weather in June") 

1年間の気温と湿度の折線グラフを描く．

tw_data |>
    select(temp, humid) |>          # 必要な列を抽出
    rowid_to_column(var = "day") |> # 行番号を ID として新たに列 day を作る
    pivot_longer(!day) |> 
    ggplot(aes(x = day, y = value, colour = name)) +
    geom_line(show.legend = FALSE) +
    facet_grid(rows = vars(name), scales = "free_y") +
    labs(title = "Weather in Tokyo") 

x軸として日付を用いる．

tw_data |>
    mutate(date = as_date(paste(year, month, day, sep = "-"))) |> # 日付を追加
    select(date, temp, humid) |>                                  # 必要な列を抽出
    pivot_longer(!date) |> 
    ggplot(aes(x = date, y = value, colour = name)) +
    geom_line(show.legend = FALSE) +
    facet_grid(rows = vars(name), scales = "free_y") +
    labs(title = "Weather in Tokyo") 

各月の平均気温と湿度の折線グラフを描く．

tw_data |>
    group_by(month) |>                         # 月毎にまとめる
    summarize(across(c(temp, humid), mean)) |> # 目的の指標を集計
    pivot_longer(!month) |> 
    ggplot(aes(x = month, y = value, colour = name)) +
    geom_line(show.legend = FALSE) +
    facet_grid(vars(name), scales = "free_y") +
    labs(title = "Weather in Tokyo") 

x軸の目盛を指定する．

tw_data |>
    group_by(month) |> 
    summarize(across(c(temp, humid), mean)) |>
    pivot_longer(!month) |> 
    ggplot(aes(x = month, y = value, colour = name)) +
    geom_line(show.legend = FALSE) +
    facet_grid(vars(name), scales = "free_y") +
    scale_x_continuous(breaks = 1:12) + # 1:12 の目盛を描く
    labs(title = "Weather in Tokyo") 

散布図の描画

問題

前回配布のデータ jpdata1/3.csv を用いて以下の問に答えよ．

• 人口1000人あたりの婚姻・離婚数の散布図を描け．

• 地方別に異なる点の形状を用いた散布図を描け．

• それ以外にも様々な散布図を描画してみよう．

Note

CSVファイルが作業ディレクトリの下のサブディレクトリ ‘data’ にあるとすれば， 以下のようして読み込むことができる．

jp_data <- read_csv(file = "data/jpdata1.csv")
jp_area <- read_csv(file = "data/jpdata3.csv")

解答例

データの読み込みを行う．

jp_data <- read_csv(file = "data/jpdata1.csv")
jp_area <- read_csv(file = "data/jpdata3.csv")

Warning

日本語を用いる場合は macOS ではフォントの指定が必要となる． 例えば以下のようにすればよい．

if(Sys.info()["sysname"] == "Darwin") { # macOS か調べて日本語フォントを指定
    theme_update(text = element_text(family = "HiraginoSans-W4"))
    update_geom_defaults("text", list(family = theme_get()$text$family))
    update_geom_defaults("label", list(family = theme_get()$text$family))}

単純な散布図を描く．

jp_data |>                           # データフレームを指定
    ggplot(aes(x = 婚姻, y = 離婚)) + # xy軸を設定
    geom_point(colour = "blue",      # 表示する色
               shape = 19)           # 表示する形．'?graphics::points' を参照

軸やタイトルを変更する．

jp_data |> 
    ggplot(aes(x = 婚姻, y = 離婚)) + 
    geom_point(colour = "blue", 
               shape = 19) +    
    labs(x = "1000人あたりの婚姻数",      # x軸のラベル
         y = "1000人あたりの離婚数",      # y軸のラベル
         title = "婚姻数と離婚数の散布図") # タイトル

県名を追加する．

jp_data |> 
    ggplot(aes(x = 婚姻, y = 離婚)) + 
    geom_point(colour = "blue",
               shape = 19) + 
    geom_text(aes(label = 県名), # ラベルとして県名を指定
              size = 3,         # サイズは適宜調整
              vjust = -1) +     # ラベルに位置(縦)の調整  
    labs(x = "1000人あたりの婚姻数",
         y = "1000人あたりの離婚数",
         title = "婚姻数と離婚数の散布図")

地方ごとに色と点の形を変える．

jp_data |> 
    mutate(地方 = as_factor(jp_area[["地方"]])) |> # 地方区分を追加
    ggplot(aes(x = 婚姻, y = 離婚)) + 
    geom_point(aes(colour = 地方,                 # 地方ごとに色を変える
                   shape = 地方)) +               # 地方ごとに形を変える
    geom_text(aes(label = 県名), 
              size = 2,
              vjust = -1) +
    labs(x = "1000人あたりの婚姻数",
         y = "1000人あたりの離婚数",
         title = "婚姻数と離婚数の散布図")

Tip

shape 属性は6種類までが推奨されている． そのままでは表示されないが，手動で設定すれば表示される．

ggplot2::last_plot() +               # 最後に描いたグラフオブジェクトに追加
    scale_shape_manual(values = 1:8) # 形は '?points' を参照

Tip

図中に入れる文字を自動的に調整するパッケージもある． 重なりが多いところはラベルを削除するので注意が必要である．

library(ggrepel)
if(Sys.info()["sysname"] == "Darwin") { # maxOS のための日本語フォントの設定
    update_geom_defaults("text_repel", list(family = theme_get()$text$family))
    update_geom_defaults("label_repel", list(family = theme_get()$text$family))}
jp_data |> 
    mutate(地方 = as_factor(jp_area[["地方"]])) |>
    ggplot(aes(x = 婚姻, y = 離婚)) + 
    geom_point(aes(colour = 地方,
                   shape = 地方)) +
    geom_text_repel(aes(label = 県名), # geom_text の拡張
                    size = 2) +       # サイズは適宜調整 
    labs(x = "1000人あたりの婚姻数",
         y = "1000人あたりの離婚数",
         title = "婚姻数と離婚数の散布図")

#' 上記と同様に shape については警告が出る
ggplot2::last_plot() + 
    scale_shape_manual(values = LETTERS) # 文字を指定することもできる

いろいろなグラフの描画

問題

東京都の新型コロナの動向データ tokyo_covid19_2021.csv を用いて以下の問に答えよ．

• 陽性者数と陽性率の推移の折線グラフを描け．

• 月ごとの総検査実施件数の推移の棒グラフを描け．

• 曜日ごとの総検査実施件数の箱ひげ図を描け．

Note

CSVファイルが作業ディレクトリの下のサブディレクトリ ‘data’ にあるとすれば， 以下のようして読み込むことができる．

tc_data <- read_csv(file="data/tokyo_covid19_2021.csv")

解答例

データの読み込みを行う．

tc_data <- read_csv(file = "data/tokyo_covid19_2021.csv") |>
    rename(年月日 = ...1) # CSVファイルの1列目の名前が空白なので定義しておく

陽性患者数の推移の折れ線グラフを描く．

tc_data |>
    ggplot(aes(x = 年月日, y = 陽性者数)) +
    geom_line(colour = "red") +
    labs(title = "陽性患者数の推移")

陽性率の推移の折れ線グラフを描く．

tc_data |>
    mutate(陽性率 = 陽性者数/総検査実施件数) |>
    ggplot(aes(x = 年月日, y = 陽性率)) +
    geom_line(colour = "blue") +
    labs(title = "陽性率の推移")

両者を同時に表示する．

tc_data |>
    mutate(陽性率 = 陽性者数/総検査実施件数) |>
    pivot_longer(c(陽性者数,陽性率)) |>
    ggplot(aes(x = 年月日, y = value, colour = name)) +
    geom_line(show.legend = FALSE) +
    facet_grid(rows = vars(name), scales = "free_y") +
    labs(title = "陽性者数・陽性率の推移")

月ごとの検査実施件数の推移の棒グラフを描く．

tc_data |> 
    mutate(月 = as_factor(月)) |> group_by(月) |>
    summarize(検査実施件数合計 = sum(総検査実施件数)) |>
    ggplot(aes(x = 月, y = 検査実施件数合計)) +
    geom_bar(stat = "identity", position = "dodge",
             colour = "blue", fill = "lightblue") +
    labs(title = "月ごとの検査実施人数の推移")

曜日ごとの検査実施件数の分布の箱ひげ図を描く．

tc_data |> 
    ggplot(aes(x = 曜日, y = 総検査実施件数)) +
    geom_boxplot(colour = "blue", fill = "lightblue") +
    labs(title = "曜日ごとの検査実施件数の分布")

曜日を順序付きの因子に変換してグラフの表示順を制御する．

tc_data |> 
    mutate(曜日 = factor(曜日, # levels で順序を指定．labels で名称を変更
                         levels=c("日曜日","月曜日","火曜日","水曜日","木曜日","金曜日","土曜日"), 
                         labels=c("日曜","月曜","火曜","水曜","木曜","金曜","土曜"))) |>
    ggplot(aes(x = 曜日, y = 総検査実施件数)) +
    geom_boxplot(colour = "blue", fill = "lightblue") +
    labs(title = "曜日ごとの検査実施件数の分布")