ミクロ政治データ分析実習

第12回 可視化 (1)

宋(そん)  財泫(じぇひょん)

関西大学総合情報学部

2023-06-29

グラフィックの文法と{ggplot2}

グラフを作成する方法

代表的な可視化のパッケージ

• 他にもインタラクティブ・プロットに特化した{plotly}、3次元グラフのための{rgl}、インタラクティブ地図の{leaflet}など多数あり

Base R

• 別途のパッケージを使わず、R内蔵関数で作図
• 紙にペンでグラフを書くイメージ
• 図が気に入らなかったら一からやり直し
• 作成した図をオブジェクトとして保存することが出来ない
• 最も自由度が高い

{lattice}

• Deepayan Sarkarが開発
• {ggplot2}が登場する前には主流
• 関数1つで可視化ができる（ただし、関数が長くなる）

{ggplot2}

• Hadley Wickhamが大学院生の時に開発
• グラフィックの文法 (grammer of graphics)」の思想をR上で具現化
• グラフの様々な要素をそれぞれ1つの層 (layer)と捉え、積み重ねていく

Base Rの例

• コード
• 結果

library(tidyverse)
df <- read_csv("Data/Micro09.csv") # 第9回の実習用データ

plot(x = df$PPP_per_capita, y = df$HDI_2018, pch = 19, 
     col = ifelse(df$OECD == 1, "red", "blue"),
     xlab = "一人当たり購買力平価GDP (USD)", ylab = "人間開発指数")
legend("bottomright", pch = 19,
       legend = c("OECD加盟国", "OECD非加盟国"), 
       col    = c("red", "blue"))

{lattice}の例

• コード
• 結果

library(lattice)
xyplot(HDI_2018 ~ PPP_per_capita, data = df,
       group = OECD, pch = 19, grid = TRUE,
       auto.key = TRUE,
       key = list(title     = "OECD加盟有無",
                  cex.title = 1,
                  space     = "right",
                  points    = list(col = c("magenta", "cyan"),
                                   pch = 19),
                  text      = list(c("加盟国", "非加盟国"))), 
       xlab = "一人当たり購買力平価GDP (USD)", ylab = "人間開発指数")

{ggplot2}の例

• コード
• 結果

df |>
   mutate(OECD = if_else(OECD == 1, "加盟国", "非加盟国")) |>
   ggplot() +
   geom_point(aes(x = PPP_per_capita, y = HDI_2018, color = OECD), 
              size = 2) +
   labs(x = "一人あたり購買力平価GDP (USD)", y = "人間開発指数",
        color = "OECD加盟有無") +
   theme_bw(base_size = 16)

グラフィックの文法

Wilkinson, Leland. 2005. The Grammar of Graphics. Springer.

• グラフを構造化された方法で記述し、レイヤー (layer; 層)を積み重ねることによってグラフを構築するフレームワーク
• グラフの構成要素の例
  • 横軸と縦軸
    • 目盛りの間隔、ラベルの大きさ
  • 点、線、面
    • 色、太さ、形、透明度など
  • 凡例
  • 図のタイトル
• それぞれの構成要素を一つのレイヤーとして扱い、レイヤーを積み重ねていく

{ggplot2}とは

Hadley Wickhamが大学院生の時に開発した可視化パッケージ

• grammer of graphicsの思想をR上で具現化したパッケージ
• 図の構成要素それぞれに対応する関数が存在し、一つのレイヤーとして機能
  • ggplot(): キャンバスを用意
  • geom_point(): 点 / geom_line(): 線 / geom_bar(): 棒
  • scale_x_continuous(): 連続変数の横軸
  • scale_y_discrete(): 離散変数の縦軸など
• 関数を覚える必要は全くない
  • {ggplot2}の仕組みだけを覚え、後はググりながらコーディング

{ggplot2}のイメージ (1)

データの読み込み&ハンドリング

library(tidyverse)
df <- read_csv("Data/countries.csv")

df <- df |> # OECD変数をリコーディングし、OECD_Jへ
   mutate(OECD_J = if_else(OECD == 1, "加盟国", "非加盟国")) |>
   select(Country, PPP_per_capita, HDI_2018, FH_Status, OECD_J, Continent)

df

# A tibble: 186 × 6
   Country             PPP_per_capita HDI_2018 FH_Status OECD_J   Continent
   <chr>                        <dbl>    <dbl> <chr>     <chr>    <chr>    
 1 Afghanistan                  2125.    0.496 NF        非加盟国 Asia     
 2 Albania                     13781.    0.791 PF        非加盟国 Europe   
 3 Algeria                     11324.    0.759 NF        非加盟国 Africa   
 4 Andorra                        NA     0.857 F         非加盟国 Europe   
 5 Angola                       6649.    0.574 NF        非加盟国 Africa   
 6 Antigua and Barbuda         21267.    0.776 F         非加盟国 America  
 7 Argentina                   22938.    0.83  F         非加盟国 America  
 8 Armenia                     12974.    0.76  PF        非加盟国 Europe   
 9 Australia                   50001.    0.938 F         加盟国   Oceania  
10 Austria                     55824.    0.914 F         加盟国   Europe   
# ℹ 176 more rows

{ggplot2}のイメージ (2)

キャンバスの用意

df |> # データdfをggplot()関数に渡し、作図の準備をする
   ggplot()

{ggplot2}のイメージ (3)

キャンバス上に点を出力

df |>
   ggplot() +
   # 点を出力する。点の横軸上の位置はPPP_per_capita、縦軸上の位置はHDI_2018に対応
   # OECD_Jの値に応じて色分けする。
   geom_point(aes(x = PPP_per_capita, y = HDI_2018, color = OECD_J))

{ggplot2}のイメージ (4)

ラベルの修正

df |>
   ggplot() +
   geom_point(aes(x = PPP_per_capita, y = HDI_2018, color = OECD_J)) +
   labs(x = "一人当たり購買力平価基準GDP (米ドル)", y = "人間開発指数 (2018)",  
        color = "OECD")

{ggplot2}のイメージ (5)

テーマ変更

df |>
   ggplot() +
   geom_point(aes(x = PPP_per_capita, y = HDI_2018, color = OECD_J)) +
   labs(x = "一人当たり購買力平価基準GDP (米ドル)", y = "人間開発指数 (2018)",
        color = "OECD") +
   theme_bw(base_size = 12) # Black and Whiteテーマを使い、文字サイズは12

{ggplot2}のイメージ (6)

凡例の位置調整

df |>
   ggplot() +
   geom_point(aes(x = PPP_per_capita, y = HDI_2018, color = OECD_J)) +
   labs(x = "一人当たり購買力平価基準GDP (米ドル)", y = "人間開発指数 (2018)",
        color = "OECD") +
   theme_bw(base_size = 12) +
   theme(legend.position = "bottom") # 凡例を図の下段に

{ggplot2}で図が出来上がるまで

レイヤーを積み重ねるイメージ

• 図の核心部は幾何オブジェクト（geom_*()）とマッピング（aes()）
• 先に書いたコードが下に位置する。
  • コード1 + コード2はコード2の内容が上に位置する。

グラフの構成要素

{ggplot2}の必須要素

以下の要素があればグラフはとりあえず出来上がる

1. データ（Data）
2. 幾何オブジェクト（Geometry Object）: geom_*()関数
   • 散布図、棒グラフ、折れ線グラフ、…
3. マッピング（Mapping）: aes()関数
   • 散布図の場合、点の位置（横軸と縦軸）
   • 棒グラフの場合、棒の位置（横軸）と高さ（縦軸）
   • 折れ線グラフの場合、線の傾きが変化する点の位置（横軸と縦軸）
4. 座標系（Coordinate System）: coord_*()関数
   • デカルト座標系（直交座標系）、極座標系など
   • 座標系の上限の下限など
   • 座標系は{ggplot2}が自動的に設定してくれるが、カスタマイズ可

凡例の位置、フォント、点の大きさ、軸ラベルの修正などは任意

{ggplot2}の必須要素

座標系はデータ/幾何オブジェクトに応じて自動的に作成される（カスタマイズ可）

データとプロット内の要素の対応

プロット内の要素：点、線、面

• 以下の散布図の場合、各点は横軸上の位置（x）で投票率、縦軸上の位置（y）で現職の得票率を、色（color）で現職の所属政党を表している。

書き方

• 注意: レイヤーの積み重ねは|>でなく+を使用
  • オブジェクトを渡すのではなく、レイヤーを足すという意味
• 可視化はggplot()からスタート
• 幾何オブジェクトはgeom_で始まる関数
• 幾何オブジェクト内にはmapping =でマッピングが必要。
  • 第一引数であるため、mapping =は省略し、aes()からスタートでOK
• aes()の中にはグラフ上に出力される点、線、面などがデータのどの変数に対応するかを記述

ggplot(data = データ) +
   幾何オブジェクト関数(mapping = aes(マッピング))

通常の書き方

データ |> 
   ggplot() +
   幾何オブジェクト関数(aes(マッピング))

データ

使用するデータ構造はdata.frame、またはtibble

データの指定（1）

• data引数にdata.frame（tibble）オブジェクト名を指定

ggplot(data = データ名)

データの指定（2）

• data引数は第一引数であるため、省略されることも多い

ggplot(データ名)

データの指定（3）

• data引数は第一引数であるため、パイプ演算子 (|>)で渡すことも可能
• この方法を推奨

データ名 |>
   ggplot()

• データ名とggplot()の間に{dplyr}、{tidyr}などの各種関数も使用可能

データ名 |>
   {dplyr}/{tidyr}の関数 |>
   ggplot()

幾何オブジェクト

データ名 |>
   ggplot() +
   幾何オブジェクト関数()

指定されたデータを使ってどのような図を作成するか

• 散布図: geom_point()
• 棒グラフ: geom_bar()
• 折れ線グラフ: geom_line()
• ヒストグラム: geom_histogram()
• 箱ひげ図: geom_boxplot()
• その他

{ggplot2}が提供する幾何オブジェクトも数十種類があり、ユーザーが開発・公開した幾何オブジェクトなどもある

• 非巡回有向グラフ作成のための{ggdag}、ネットワークの可視化のための{ggnetwork}など

マッピング

グラフ上の点、線、面などの情報をデータと変数に対応させる

• プロット上に出力されるデータの具体的な在り方を指定する
• 散布図の例) 各点の横軸と縦軸における位置情報
• geom_*()内のaes()関数で指定
  • グラフに複数の幾何オブジェクトが存在し、マッピング情報が同じならggplot()内で指定することも可能

例) geom_point(aes(x = PPP_per_capita, y = HDI_2018, color = OECD_J))

幾何オブジェクト	マッピング情報	引数	対応する変数
geom_point()	点の横軸上の位置	x	PPP_per_capita
geom_point()	点の縦軸上の位置	y	HDI_2018
geom_point()	点の色	color	OECD_J

• 点、線、面が持てる情報は他にも色々
  • 大きさ（size）、線の種類（linetype）、透明度（alpha）、面の色（fill）、点の形（shape）、線の太さ（linewidth）、グループ（group）など

マッピング時の注意

aes()の中で指定するか、外で指定するかで挙動が変わる。

• aes()の中でcolorを指定する場合、それぞれの点が指定された変数の値に応じて色分けされる、
• aes()の外でcolorを指定する場合、全ての点に適用される。

• aes()の中（コード）
• aes()の中（結果）
• aes()の外（コード）
• aes()の外（結果）

df |>
   ggplot() +
   geom_point(aes(x = PPP_per_capita, y = HDI_2018, color = OECD_J)) +
   labs(x = "一人当たり購買力平価基準GDP (米ドル)", y = "人間開発指数 (2018)")

df |>
   ggplot() +
   geom_point(aes(x = PPP_per_capita, y = HDI_2018), color = "red") +
   labs(x = "一人当たり購買力平価基準GDP (米ドル)", y = "人間開発指数 (2018)")

座標系

• 直交座標系の拡大・縮小: coord_cartesian()
  • 最もよく使う座標系（デフォルト）
• 横軸と縦軸の交換: coord_flip()
• 横軸と縦軸比の固定: coord_fixed()
• 極座標系（polar coordinates system）へ変換: coord_polar()
  • 円グラフを作成する際に使われるが、円グラフは邪悪なる存在のケースが多いため、省略

直交座標系拡大の例

横軸を30000〜90000、縦軸を0.7〜1にする

• コード
• 結果

df |>
   ggplot() +
   geom_point(aes(x = PPP_per_capita, y = HDI_2018, color = OECD_J), 
              size = 2) +
   labs(x = "一人当たり購買力平価基準GDP", y = "人間開発指数", color = "OECD") +
   coord_cartesian(xlim = c(30000, 90000), ylim = c(0.7, 1)) +
   theme_bw()

スケール (Scale)

マッピング要素のカスタマイズ

• 横/縦軸の目盛り変更、色分けの色を指定など
• scale_*_*()関数を使用
  • scale_マッピング要素_対応する変数のタイプ()
• 詳細は次週以降

ファセット (Facet)

グラフを2つ以上の面で分割

• 例) FH_Stautsの棒グラフを大陸ごとに出力

# データの用意
# 参考) 「\n」は図内の改行を意味する。
df <- df |>
   mutate(FH_Status = case_when(FH_Status == "F"  ~ "自由",
                                FH_Status == "PF" ~ "部分的に\n自由",
                                TRUE              ~ "不自由"),
          FH_Status = factor(FH_Status,
                             levels = c("自由", "部分的に\n自由", "不自由"))) |>
   drop_na(FH_Status)

df

# A tibble: 186 × 6
   Country             PPP_per_capita HDI_2018 FH_Status        OECD_J Continent
   <chr>                        <dbl>    <dbl> <fct>            <chr>  <chr>    
 1 Afghanistan                  2125.    0.496 "不自由"         非加…  Asia     
 2 Albania                     13781.    0.791 "部分的に\n自由" 非加…  Europe   
 3 Algeria                     11324.    0.759 "不自由"         非加…  Africa   
 4 Andorra                        NA     0.857 "自由"           非加…  Europe   
 5 Angola                       6649.    0.574 "不自由"         非加…  Africa   
 6 Antigua and Barbuda         21267.    0.776 "自由"           非加…  America  
 7 Argentina                   22938.    0.83  "自由"           非加…  America  
 8 Armenia                     12974.    0.76  "部分的に\n自由" 非加…  Europe   
 9 Australia                   50001.    0.938 "自由"           加盟国 Oceania  
10 Austria                     55824.    0.914 "自由"           加盟国 Europe   
# ℹ 176 more rows

ファセット分割なし

同じ大陸内のFH_Stautsの分布を確認するには不向き

df |>
   ggplot() +
   geom_bar(aes(x = FH_Status, fill = Continent),
            position = position_dodge2(1/2)) +
   labs(x = "フリーダムハウス評価", y = "国家数", fill = "大陸") +
   theme_bw()

ファセット分割あり

df |>
   ggplot() +
   geom_bar(aes(x = FH_Status)) +
   labs(x = "フリーダムハウス評価", y = "国家数") +
   facet_wrap(~ Continent, ncol = 5) +
   theme_bw()

良いグラフとは

意識すべきところ

• データ・インク比
• カラーユニバーサルデザイン
• 円グラフは邪悪なる存在
• 3次元グラフは更に邪悪なる存在
• 3次元円グラフは概念レベルで駆逐すべき存在

参考図書 (日本語)

1と4は{ggplot2}の教科書としても優れている

1. Hadley Wickham・Garrett Grolemund(著), 黒川利明(訳). 2017. 『Rではじめるデータサイエンス』オライリージャパン.
2. 藤俊久仁・渡部良一. 2019. 『データビジュアライゼーションの教科書』秀和システム.
3. 永田ゆかり. 2020. 『データ視覚化のデザイン』SBクリエイティブ.
4. 【おすすめ】 キーラン・ヒーリー(著), 瓜生真也・江口哲史・三村喬生(訳). 2021.『データ分析のためのデータ可視化入門』講談社.

円グラフ大好き！

最も面積が広いのは?

円グラフ

 

3次元円グラフ

 

棒グラフ

それでも円グラフが描きたいです…

やめとけって

棒グラフで十分

データ・インク比 (Data-ink ratio)

Edward R. Tufte. 2001. The Visual Display of Quantitative Information (2nd Ed). Graphics Press.

\[ \textrm{データ・インク比} = \frac{\textsf{データの情報を含むインクの量}}{\textsf{グラフの出力に使用されたインクの総量}} \]

• 良いグラフとはデータ・インク比を最大化したグラフ
• グラフにおいて情報損失なしに除去できる要素が占める割合を1から引いたもの
• 色分けにも注意

色分けに注意 (1)

• インドの新規感染者数が多いことを伝えたい
• どの線がインド?

色分けに注意 (2)

• 情報の損失はあるものの、主張が伝えやすい

やり過ぎにも注意

• どの図も同じ情報量を持ち、データ・インク比は右の方が優れているが…

カラーユニバーサルデザイン

色分けを行う際には注意が必要

• P型およびD型色弱の場合、緑と赤の認識が困難
  • 日本の場合、男性の5%、女性の0.2%
  • フランス・北欧の場合、男性の約10%
• 色覚シミュレーターで確認可能
  • macOS用のSim Daltonismを使用した第二色盲 (deuteranopia)の例（Linux/WindowsならColor Oracleなど）
• 自分が好きな色でなく、誰にも見やすい色を使う

 

3次元グラフについて (1)

3次元グラフについて (2)

2001年より合格者が3倍増したようにも見えるが…

3次元グラフについて (3)

• 2次元グラフにすると…