Plotten mit GGPlot2 - wr.informatik.uni-hamburg.de · R vs GGPlot2 Geschichtlicher Hintergrund Einführung Geschichtlicher Hintergrund Paket zur Datenvisualisierung in R Entwickler

1/60

EnführungPreprocessing

GrundlagenGestaltungSonstiges

Plotten mit GGPlot2

Referentin: Anne Kunstmann

Betreuer: Jakob LüttgauProseminar Programmieren in R

Fachbereich InformatikFakultät für Mathematik, Informatik und Naturwissenschaften

Universität Hamburg

25. Mai 2016

Anne Kunstmann Plotten mit GGPlot2

2/60



Agenda

1 Einführung

2 Preprocessing

3 Grundlagen

4 Gestaltung

5 Sonstiges


3/60



R vs GGPlot2Geschichtlicher Hintergrund

Gegenüberstellung: R vs GGPlot2

R native Plotsgrundlegende Plot-Funktionenwortreich für komplexe Plotskeine automatische Legendenerstellungkomplexe Codeänderungen nötigverbesserungswürdige Visualisierung


4/60




GGPlot2grundlegende und fortgeschrittene Plot-Funktionenautomatische Legendenerstellungrobust bei Codeänderungfeste Schemata bei Plot-Erstellungerwartungsgemäße Visualisierung


5/60




Plot mit Rhttp://varianceexplained.org/r/why-I-

useggplot2/

Plot mit GGPlot2http://varianceexplained.org/r/why-I-

useggplot2/


6/60




Code in Rhttp://varianceexplained.org/r/why-I-

useggplot2/

Code mit GGPlot2http://varianceexplained.org/r/why-I-

useggplot2/


7/60




Einführung

Geschichtlicher HintergrundPaket zur Datenvisualisierung in REntwickler Hadley WickhamVeröffentlichung im Jahr 2005Grundlage „The Grammar of Graphics“

Buch von Leland WilkinsonJahr 1999/2005Thema statistische DatenvisualisierungFokus auf Ästhetik und Geometrie


8/60




Vorteilegroße Bandbreite an Funktionenhohe Abstraktionerweiterbar durch Pakete (Lattice,...)

Nachteilekeine 3D-Grafikenkeine Graphentheorie (Multigraphen, Kantenzüge,...)keine interaktiven Grafiken


9/60



DatenimportDatenartenDatentransformation

Datenimport

read-FunktionAufruf des Dateiformats durch „ .“-OperatorNamenszuweisung des importierten Dataframes

Parametertitle Name der zu importierenden Dateiheader = T/F Übernahme der Spaltentitel

Codebeispiel 1: Datenimport einer csv-Datei

1 a i r q u a l i t y <− read . csv ( " a i r q u a l i t y . csv " , header = T)


10/60




Datenarten

Unterscheidung stetiger und diskreter Funktionen

stetigüberabzählbar unendliche viele MerkmaleGröße von Personen, Temperatur in Grad Celsius,...z.B. geom_point(), geom_curve(),...

diskretabzählbar unendlich viele MerkmaleGeschlecht, Religion, Kundenzufriedenheit, ...z.B. geom_bar(), geom_hist(),...


11/60




Datentransformation

Auslegung auf „long format “- DatensätzePakete plyr und reshape2Schichten, Gruppieren, Zusammenfassen von DatenTransformation von „wide format “zu „long format “Erhöhen der Repräsentativität


12/60




Codebeispiel 2 : Ermitteln der Durchschnittstemperatur pro Monat

1 a i r q u a l i t y _means <− ddply ( a i r q u a l i t y , . ( Month ) , summarise ,meanTemp = mean(Temp) )

# Vereinfachen des Dataframes auf Monat und m i t t l e r e Temperatur


13/60



GrundfunktionenResgressionLabels

Grundfunktionen

qplot - Funktion„quick plot“Einstiegsfunktionkein typisches GGPlot2-Prinzipgleiche grafische Darstellung wie GGPlot2-Funktion

Codebeispiel 3: Die allgemeine qplot-Funktion

l i b r a r y ( ggp lo t2 )2 qp lo t ( x , y , data = , co l o r = , shape = , f i l l = , s i ze = , alpha = ,

geom= , method= , formula = , face ts = , x l im = , y l im = , x lab = ,4 y lab = , main= , sub=)


14/60




ggplot - Funktion„Grammar of Graphics “Daten ausschließlich als Dataframesgeom_...()- Funktion

„geometric objetcs “Implementation außerhalb ggplot()-Funktionallgemeine Darstellung der Datengeom_point(), geom_boxplot(), geom_bar(),...


15/60




aes()- Funktion„aesthetics “meist Implementation innerhalb ggplot()-Funktionauch Implementation innerhalb geom_...-FunktionenUnterteilung und Unterscheidung der DatenParameter abhängig von geom_...()-Funktionx, y, colour, fill, shape, size, ...

„+ “-Operator verbindet beide Funktionskomponenten


16/60




Codebeispiel 4 : Minimale ggplot-Funktion

i n s t a l l . packages ( " ggp lo t2 " ) #Paket i n s t a l l i e r e n2 l i b r a r y ( ggp lo t2 ) # B i b l i o t h e k einbinden

head ( a i r q u a l i t y ) # E i n b l i c k i n Dataframe4

#Frage : E x i s t i e r t i rgende ine Ar t von Re la t ion zwischen derTemperatur und der Windstä rke?

6

ggp lo t ( a i r q u a l i t y , aes ( x = Temp, y = Wind ) + geom_ po in t ( )8 # a i r q u a l i t y a l s Dataframe , Temp und Wind a ls Vektoren aus

a i r q u a l i t y , geom_smooth ( ) f ü r Streudiagramm


17/60




●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

● ●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

● ●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●●

●

●

●

●

●

●

●

●

●

●

●

●●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●●

●

●

●

●

●

●

5

10

15

20

60 70 80 90Temp

Win

d

zu Codebeispiel 4: einfaches StreudiagrammAnne Kunstmann Plotten mit GGPlot2

18/60




Regression

Verdeutlichen von Abhängigkeiten und TrendsImplementation durch geom_smooth()Regressionslinie mitsamt KonfidenzintervallErweiterung durch viele Pakete möglich

mgcv, splines, MASS,...


19/60




Codebeispiel 5: default-Regressionskurve

ggp lo t ( a i r q u a l i t y , aes ( x = Temp, y = Wind ) ) + geom_ po in t ( ) +geom_smooth ( )

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

● ●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

● ●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●●

●

●

●

●

●

●

●

●

●

●

●

●●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●●

●

●

●

●

●

●

5

10

15

20

60 70 80 90Temp

Wind


20/60




Parametermethod Regressionsarten

lineare Regression „lm“lokale Regression „loess“

se Konfidenzintervallmit Konfidenzintervall TRUEohne Konfidenzintervall FALSE

span Empfindlichkeit der RegressionWerte 0...1


21/60




Codebeispiel 6: lokale empfindliche Regressionskurve ohne Konfidenzintervall

1 ggp lo t ( a i r q u a l i t y , aes ( x = Temp, y = Wind ) ) + geom_ po in t ( ) +geom_smooth ( span = 0.2 , se = F , method = " loess " )

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

● ●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

● ●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●●

●

●

●

●

●

●

●

●

●

●

●

●●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●●

●

●

●

●

●

●

5

10

15

20

60 70 80 90Temp

Wind


22/60




Labels

Hinzufügen von punktegebundenen LabelsImplementation durch geom_text()

Textlabels überschreiben PunkteNachteil: gegenseitiges Überschreiben der Labels

Implementation durch geom_text_repel()Textlabels neben PunkteLabels ziehen Verbindungslinien zu PunktenNachteil: Einbinden des Pakets ggrepel nötig


23/60




Codebeispiel 7: geom_text()-Funktion

1 ggp lo t ( a i r q u a l i t y , aes ( x = Temp, y = Wind ) ) + geom_ po in t ( ) +geom_smooth ( ) + geom_ text ( aes ( l a b e l = Day ) )

#Nummerierung anhand der Messungstage auf den Punkten


24/60




Codebeispiel 8: geom_text_repel()

ggp lo t ( a i r q u a l i t y , aes ( x = Temp, y = Wind ) ) + geom_ po in t ( ) +geom_smooth ( ) + geom_ text _ repe l ( aes ( l a b e l = Day ) )

2 #Nummerierung anhand der Messungstage neben den Punkten


25/60



Mapping vs SettingScaling und AchsenverhältnisseFacetsStatistische Transformation

Mapping vs Setting

möglich in ggplot()- und geom()-Funktionen„Setten“ Konstanten als Werte„Mappen“ Variablen als Werte

gegenseitiges Erweiterngegenseitiges Überschreibengegenseitiges Löschen

Einsparen von CodeVerdeutlichen der Grafikstrukturautomatische Legendenerstellung


26/60




Codebeispiel 9: Mapping und Setting

ggp lo t ( a i r q u a l i t y , aes ( x = Temp, y = Wind , co lour = Ozone ) ) +geom_ po in t ( s i ze = 4) + geom_smooth ( f i l l = " ye l low " , co lour= " red " ) #Mapping : Ozone , Se t t i ng : yel low , red , 4

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

● ●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

● ●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●●

●

●

●

●●

●

●

●

●

●

●

●●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●●

●

●

●

●

●

●

5

10

15

20

60 70 80 90Temp

Wind

40

80

120

160Ozone


27/60




Codebeispiel 10: Mapping innerhalb ggplot

1 ggp lo t ( diamonds , aes ( x = carat , y = pr ice , co lour = cut ) ) + geom_ po in t ( ) + geom_smooth ( se=F) #Regression f ü r Gruppen vonPunkten mi t gleichem S c h l i f f


28/60




Codebeispiel 11: Mapping innerhalb ggplot und geom

1 ggp lo t ( diamonds , aes ( x = carat , y = p r i ce ) ) + geom_ po in t ( aes (co lour = cut ) ) + geom_smooth ( se=F) #Regression f ü rGesamtheit der Punkte


29/60




Scaling

Erstellen einer benutzerdefinierten Legende

Stetige PlotsLegendenposition theme(legend.position = ... )

„top “, „bottom“, „left “, „right “Achsenlabels

x-Achse scale_x_continuous = *y-Achse scale_y_continuous = *

* Einfügen eines Strings- Einfügen eines Zahlenwertes


30/60




Gestaltung der Legende scale_colour_continuous()Name der Legende name = *Abschnitte der Legende breaks = c(-,-,-)Abschnittsbezeichnungen labels = c(*,*,*)Farbverlauf low = *, high = *

Erweiterung scale_colour_gradient2()dreifarbige Erweiterung low, mid, high


31/60




Diskrete Plotsscale_colour_discrete()scale_x_discrete, scale_y_discreteidentische Funktionen

Codebeispiel 12: benutzerdefinierte Legende

1 g1 + theme ( legend . p o s i t i o n = " top " )+ scale_ co lour _cont inuous (name = " Ozonschicht " , breaks =

3 c (40 , 160) , labels = c ( " ger ing " , " hoch " ) , low = " green ", high = " blue " )

+ scale_x_cont inuous ( " Temperatur i n F" )5 + scale_y_cont inuous ( " Wind i n km/ h " )


32/60




●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

● ●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

● ●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●●

●

●

●

●●

●

●

●

●

●

●

●●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●●

●

●

●

●

●

●

5

10

15

20

60 70 80 90Temperatur in F

Wind

in km

/h

gering hochOzonschicht

zu Codebeispiel 12: Legendenerstellung


33/60




Achsenverhältnisse

Stetige und diskrete Plotsggtitle(*) Titel des Koordinatensystemsxlab(*), ylab(*) Achsenbeschriftungxlim =(-,-), ylim =(-,-) Achsenbegrenzungcoord_cartesian() Zoom eines Achsenabschnitts

xlim = c(-,-), ylim=c(-,-), expand = T/F

Zusammenfassung labs( list( title = *, x = *, y = *))Zusammenfassung lims(x = c(-,-), y = x(-,-))


34/60




coord_flip() Vertauschen der Achsencoord_fixed(ratio = -) Achsenlänge im Verhältnis y

x

coord_trans(*) Achsentransformationlog2, sqrt, ...

Umkehren der x-Achsenrichtung scale_x_reverse()Umkehren der y-Achsenrichtung scale_y_reverse()keine Achsenabschnittslabels

theme(axis.ticks = element_blank(), axis.ticks.y =element_blank()


35/60




Codebeispiel 13: benutzerdefiniertes Koordinatensystem

1 g1 + labs ( t i t l e = "Abhä n g i g k e i t der Windstä rke " , x =" Temperatur i n F" , y = " Windstä rke i n km/ h " )

3 + l ims ( x = c (NA, 80) , y = c (5 ,20) )+ coord_ f l i p ( )

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

● ●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

● ●

●

●

●

●

●

●

●

●

●

●

●

●

●

55

60

65

70

75

80

5 10 15 20Windstärke in km/h

Temp

eratur

in F

40

80

120

160Ozone

Abhängigkeit der Windstärke


36/60




Facets

Splitten der Visualisierung in VariablenImplementation durch facet_grid()

Unterscheidung in horizontale oder vertikale RichtungAbhängigkeit von maximal zwei weiteren VariablenNotation horizontaler Aufbau . ~ dataNotation vertikaler Aufbau data ~.

Implementation durch facet_wrap()Eingabe der Plot-Anzahl in einer Zeile/SpalteAbhängigkeit von einer VariableNotation ~data, ncol= -/nrow= -


37/60




Codebeispiel 14: horizontale Anordnung

ggp lo t ( a i r q u a l i t y , aes ( x = Temp, y = Wind ) ) + geom_ po in t ( ) +geom_smooth ( ) + face t _grid ( . ~ Month )

5 6 7 8 9

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

● ●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

● ●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●●

●

●

●

●

●

●

●

●

●

●

●

●●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●

●●

●

●

●

●●

●

●

●

●

●

●

0

5

10

15

20

25

60 70 80 90 60 70 80 90 60 70 80 90 60 70 80 90 60 70 80 90Temp

Wind


38/60




Codebeispiel 15: vertikale Anordnung

1 ggp lo t ( a i r q u a l i t y , aes ( x = Temp , y = Wind ) ) + geom_ po in t ( ) +geom_smooth ( ) + face t _grid ( Month ~ . )

●●

●●

●●

●

●

●

●

●

●●

●

●

● ●

●

●

●●

●

●

●

●

●

●

●

●

●

●

●●

●

●●

●

●

●

●

●●

●●

●

●

●

●

●

●●

●

●

●

●

● ●

●●

●

●

●

●●

●

●

●

●●●

●●

●● ●

●

●

●

●●

●

●

●

●

●●

●

●

●●●

●

●

●

● ●●

●●

●

●●

●●●

●

●●

●●

●●

●●

●

●

●

●

●

●

●

●●

●

●

●

●

●

●

●●

●●

●●

●

●●

●

●

●●

●

●

●●●

●

●

●●

●

●

0

5

10

15

20

25

0

5

10

15

20

25

0

5

10

15

20

25

0

5

10

15

20

25

0

5

10

15

20

25

56

78

9

60 70 80 90Temp

Wind


39/60




Diamanten unterteilt in Preis, Carat, Schliff und Farbe


40/60




Codebeispiel 16: 3 Plots pro Zeile

1 ggp lo t ( a i r q u a l i t y , aes ( x = Temp , y = Wind ) ) + geom_ po in t ( ) +geom_smooth ( ) + face t _wrap ( ~Month , ncol = 3)


41/60




Codebeispiel 17: 3 Plots pro Spalte

1 ggp lo t ( a i r q u a l i t y , aes ( x = Temp , y = Wind ) ) + geom_ po in t ( ) +geom_smooth ( ) + face t _wrap ( ~Month , nrow = 3)


42/60




Statistische Transformation

Überschreiben des Defaults der geom-FunktionenUmgestalten der Daten

stat_smooth(), stat_bin(),...Integrieren eigener Funktionen

stat_summary(), stat_function(),...


43/60




Codebeispiel 18: default-Balkendiagramm

1 ggp lo t ( a i r q u a l i t y , aes ( x = Month ) ) + geom_bar ( )#Balkendiagramm f o r d e r t nur Parameter f ü r x−Achse

0

10

20

30

5 6 7 8 9Month

coun

t


44/60




Codebeispiel 19: Error-Funktion

ggp lo t ( a i r q u a l i t y _means , aes ( x = Month , y = meanTemp) )2 + geom_bar ( )

#Fehler be i Übergabe eines y−Parameters

default-Parameter y = countbenutzerdefinierte Eingabe des y-Parameters führtzu Übergabe zweier Werte eines Parameters

Codebeispiel 20: Änderung der statistischen Eigenschaften

1 ggp lo t ( a i r q u a l i t y _means , aes ( x = Month , y = meanTemp) )+ geom_bar ( stat = " i d e n t i t y " )

3 # s t a t = " i d e n t i t y " ermö g l i c h t das Überschre iben des y−Parameters


45/60




0

20

40

60

80

5 6 7 8 9Month

me

an

Tem

p

zu Codebeispiel 20: Ein Balkendiagramm mit benutzerdefinierter x- und y-Achse


46/60



Export von PlotsZusammenfassungAppendix

Export von Plots

Export und Speicherung von PlotsImplementation über ggsave()

filename Auswahl des Namens und Formatsplot Auswahl des Plots

default Abspeichern des letzten Plots

device Angabe bei unbekanntem Formatpath Auswahl des Speicherpfads

default-Ordner „Dokumente“

scale, width, height Größenanpassungenunit Einheit der Größenanpassung (cm, inch,...)


47/60




Codebeispiel 21: Automatische Speicherung

1 ggp lo t ( a i r q u a l i t y , aes ( x = Temp , y = Wind ) ) + geom_ po in t ( )ggsave ( " meingraph . pdf " )

3 #Abspeichern a l s PDF unter " meingraph " im Ordner " Dokumente "

Codebeispiel 19: Speicherung mit Pfadangabe

1 g1 <− ggp lo t ( a i r q u a l i t y , aes ( x = Temp , y = Wind ) )+ geom_ po in t ( )

3 g2 <− ggp lo t ( a i r q u a l i t y , aes ( x = Ozone , y = Temp) )+ geom_ po in t ( )

5 ggsave ( " meingraph . png " , g1 , path = "C : / Users /Max Mustermann /Desktop / Graphen " )

#Abspeichern des Graphen g1 a ls PNG unter " meingraph " im Ordner" Graphen "


48/60




Zusammenfassung

essentielle FragenWelcher Art sind die Daten? stetig, diskretWomit stelle ich die Daten dar? geomWie stelle ich die Daten dar? aesPasse ich die Graphenumgebung des Plots an?coord, theme, scale, facets, ggthemeMuss ich die default-Funktion überschreiben? statWie exportiere und speichere ich Plots? ggsave


49/60




Fragen?


50/60




ggtheme

Paket ggthemezusätzliche Gestaltungs- und geom-Funktionen

Funktionengeom_rangeframe() Achsenbeginn bei erstemFunktionswert, Achsenende bei letztem Wertgeom_tufteboxplot() Boxplots nach Tufte

Punkt als MedianLücken als InterquartilabstandLinien als Whiskers


51/60




Themestheme_economist() Plots des Economist Magazinstheme_solarized() Plots der solarized Farbpalettetheme_solid() benutzerdefinierte Hintergrundfarbe

Scalesscale_colour_economist() Achsen des Economistscale_colour_solarized() Achsen der solarizedPalettescale_colour_excel() Achsen aus Excelscale_colour_colorblind() Achsen für Farbblinde


52/60




Codebeispiel 22: Tufteboxplot samt Rangeframe-Achse

l i b r a r y ( ggthemes )2 ggp lo t ( diamonds , aes ( x = cut , y = p r i ce ) ) + geom_ t u f t e b o x p l o t ( )

+ geom_rangeframe ( )

●●

●

●

●

0

5000

10000

15000

Fair Good Very Good Premium Idealcut

pri

ce


53/60




Codebeispiel 23: solarized-Theme mit Economist Legende und Parameter

ggp lo t ( diamonds , aes ( x = carat , y= pr ice , co lour = co lo r ) ) +geom_ po in t ( ) + theme_ s o l a r i z ed ( ) + scale_ co lour _economist (t i t l e =" Farben " )


54/60




Codebeispiel 24: solarized Theme mit Parameter und Legende für Farbblinde

1 ggp lo t ( diamonds , aes ( x = carat , y= pr ice , co lour = co lo r ) ) +geom_ po in t ( ) + theme_ s o l a r i z ed ( l i g h t = F) + scale_ co lour _c o l o r b l i n d ( )


55/60




Galleriecoord_polar

http://docs.ggplot2.org/current/coord_polar.html


56/60




geom_violin

http://docs.ggplot2.org/current/geom_violin.html


57/60




geom_map

http://docs.ggplot2.org/current/geom_map.html


58/60




Ein Porträt

Porträt von Hadley Wickham erstellt mit GGPlot2 von David Kahle und GarrettGrolemund

http://priceonomics.com/hadley-wickham-the-man-who-revolutionized-r/


59/60



Quellenverzeichnis

http://www.ggplot.org

http://www.statmethods.net/graphs/creating.html

http://www.tutorialspoint.com/r/r_pie_charts.htm

https://en.wikipedia.org/wiki/Ggplot2

http://www.sthda.com/english/wiki/ggplot2-histogram-plot-quick-start-guide-r-software-and-data-visualization

http://www.sthda.com/english/wiki/ggplot2-histogram-plot-quick-start-guide-r-software-and-data-visualization

http://ggplot2.org/book/qplot.pdf

http://varianceexplained.org/RData/lessons/lesson2/segment2/

http://www.aridhia.com/technical-tutorials/the-fundamentals-of-ggplot-explained/

http://varianceexplained.org/r/why-I-use-ggplot2/


60/60



https://rpubs.com/hadley/ggplot2-layers

http://www.cookbook-r.com/Graphs/Facets_%28ggplot2%29/

http://www.cookbook-r.com/Graphs/Axes_%28ggplot2%29/

http://www.cookbook-r.com/Graphs/Legends_%28ggplot2%29/

https://cran.r-project.org/web/packages/ggthemes/vignettes/ggthemes.html

http://varianceexplained.org/r/why-I-use-ggplot2/

http://tutorials.iq.harvard.edu/R/Rgraphics/Rgraphics.html

http://docs.ggplot2.org/current/coord_polar.html

http://docs.ggplot2.org/current/geom_violin.html

http://docs.ggplot2.org/current/coord_map.html


Documents

Plotten mit GGPlot2 - wr.informatik.uni-hamburg.de · R vs GGPlot2 Geschichtlicher Hintergrund Einführung Geschichtlicher Hintergrund Paket zur Datenvisualisierung in R Entwickler