ミクロ政治データ分析実習

第14回可視化 (3)

宋(そん) 財泫(じぇひょん)

関西大学総合情報学部

2023-07-13

授業開始前に

すぐに実習できるように準備しておきましょう。

JDCat分析ツールを起動しておいてください。
本日授業用のプロジェクトを作成してください。
LMSから実習用データ（2つ）をダウンロードしておいてください。
ダウンロードしてデータをプロジェクト・フォルダーにアップロードしてください。
- プロジェクト・フォルダー内にDataフォルダーを作成し、そこにアップロードしましょう。
実習用コードを入力するスクリプトファイル、またはQuartoファイルを開き、以下のコードを入力&実行してください。

library(tidyverse)

# csvファイルののアップロード先に応じて、パスを適宜修正すること
df <- read_csv("Data/countries.csv")
COVID_df <- read_csv("Data/covid_2022_06.csv")

トラブルが生じた場合、速やかにTAを呼んでください。
時間に余裕があれば、スライド内のコードも書いておきましょう。

期末テスト

2023年7月20日14時40分〜16時10分
指定席に着席すること
通常の課題と同じ手順
16時10分まで出来たところまでLMSに提出（.html形式）
- 16時10分を過ぎると、提出窓口ページを開いていても提出できない。
- 残りは持ち帰って2023年7月20日23時59分まで再提出
採点
- 持ち帰り分は5割減点
- 4限中に7問以上回答して提出すること（全て正解である必要はない）
- 各問題の配点は履修者の正解率に応じて調整する。
詳細はサポートページ > 課題 > 期末テスト実施要領を参照
不正行為禁止

授業アンケート（任意）

https://ctl.jm.kansai-u.ac.jp/q/Ans?ms&cd=13400_23sから回答可能

よくある質問

この授業のシラバスは?
- https://www.jaysong.net/r4ps/syllabus/syllabus_micro.html
本講義の到達目標が分かりません…
- 以下の一つでも達成できたらOK
  1. Rがある程度、使えるようになった。
  2. 今は苦手だけど、もっとRを勉強してみたいと思うようになった。
  3. Rは使えないし、使う予定は（多分）ないけど、Rで何が出来るかが分かった。
  4. 自分にRは無理だということが分かった。
- つまり、履修前と比べ「何かが分かった」のであれば達成

代表的な5種類のグラフ

5 Named Graphs (5NG)

棒グラフ (bar plot)
- geom_col()
ヒストグラム (histogram)
- geom_histogram()
箱ひげ図 (box plot / box-and-whisker plot)
- geom_boxplot()
散布図 (scatter plot)
- geom_point()
折れ線グラフ (line plot)
- geom_line()

散布図

散布図の必須要素

散布図を作成する際に必要な最低限の情報

データにフリーダムハウス・スコアと人間開発指数の列が必要

x: 点の横軸上の位置
- フリーダムハウス・スコア
y: 点の縦軸上の位置
- 人間開発指数
原因と結果の関係（因果関係）が考えられる2変数の場合、原因を横軸、結果を縦軸にする。

データの読み込み

第9回実習用データ（countries.csv）を使用

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

散布図の作成 (1)

幾何オブジェクトはgeom_point()を使用

df |>
   ggplot() +
   geom_point(aes(x = FH_Total, y = HDI_2018))

散布図の作成 (2)

ラベル修正 / 必要に応じてカスタマイズ

df |>
   ggplot() +
   geom_point(aes(x = FH_Total, y = HDI_2018), color = "royalblue") +
   labs(x = "フリーダムハウス・スコア", y = "人間開発指数 (2018)")

次元の追加

散布図における次元の追加

それぞれの点は各国の (1) フリーダムハウス・スコアと (2) 人間開発指数の情報を持つ
- = 2次元
更に情報を持たせるためには…
- 色分け: color
- 大きさ: size
- 形: shape
- 透明度(非推奨): alpha
- ファセット分割
5次元以上のグラフも可能だが、3次元までを推奨
- 一つのグラフの情報が多すぎると読みにくくなる
- 4次元以上になりそうならファセット分割で対応
- 3次元の場合、色分け（color）を推奨するが、白黒の図を作成する場合は形（shape）を使う。

5次元の散布図

各点はフリーダムハウス・スコア、人間開発指数、人口（対数変換）、大陸、OECD加盟有無の情報を持つ

コード
結果

df |>
   mutate(OECD = if_else(OECD == 1, "Member", "Non-member")) |>
   ggplot() +
   geom_point(aes(x = FH_Total, y = HDI_2018, color = Continent,
                  size = Population, shape = OECD), alpha = 0.65) +
   scale_size_continuous(trans = "log10") +
   labs(x = "Freedom House Score", y = "Human Development Index (2018)",
        size = "Population (log)") +
   theme_gray()

色分けの例

aes()の内部にcolor = 色分けする変数を指定

コード
結果

HighIncome変数を作成し、PPP_per_capitaが2万以上なら"高"、未満なら"低"
HighIncome値に応じて点の色分けを行う（color = HighIncome）
点の大きさは2とする（全体に適用させるため、aes()の外側に指定）
labs()内で凡例タイトルを修正; 凡例を下側へ移動

scatter_plot1 <- df |>
   drop_na(FH_Total, HDI_2018, PPP_per_capita) |>
   mutate(HighIncome = if_else(PPP_per_capita >= 20000, "高", "低")) |>
   ggplot() +
   geom_point(aes(x = FH_Total, y = HDI_2018, color = HighIncome), 
              size = 2) +
   labs(x = "フリーダムハウス・スコア", y = "人間開発指数 (2018)",
        color = "一人当たりPPP GDP") +
   theme(legend.position = "bottom")

scatter_plot1

色のカスタマイズ

colorにマッピングされている変数（HighIncome）が離散変数

scale_color_manual()を使用（引数はvalues = c("値1" = "色1", "値2" = "色2", ...)）

scatter_plot1 +
   scale_color_manual(values = c("低" = "orange", "高" = "royalblue"))

{ggplot2}で使える色

文字列で指定
- "red"、"blue"、"royalblue"など（全657種類）
- Googleなどで「ggplot2 color」で検索（例）
RGBカラー（HEXコード）で指定
- 細かく調整可能（16,777,216種類の色）
- 例) "#FF0000": 赤、"#4169E1": ロイヤルブルー

色の見本 (一部)

`shape`の見本

shapeで指定（デフォルトはshape = 19）

黒の部分はcolor、グレーの部分はfill（またはbg）で調整
- 21と22の場合、枠線はcolor、内側の色塗りはfill
0〜14の場合、中身が透明

折れ線グラフ

折れ線グラフの必須要素

折れ線グラフを作成する際に必要な最低限の情報

データに日と新規感染者数の列が必要

x: 線の傾きが変化し得る点の横軸上の位置
- 日
y: 線の傾きが変化し得る点の縦軸上の位置
- 100万人当たり新規感染者数
散布図とほぼ同じ
ただし、線が2つ以上の場合groupsが必要
- 点をグループ化しないと、どの点を繋げば良いかが分からないため

データの用意

授業サポートページから実習用データ（covid_2022_06.csv）をダウンロード

整然データとして加工済み
Day: 日付（2022年6月）; NewCases: 100万人当りCOVID-19新規感染者数

COVID_df <- read_csv("Data/covid_2022_06.csv")
COVID_df

# A tibble: 15 × 3
   Country   Day NewCases
   <chr>   <dbl>    <dbl>
 1 Japan      23    132. 
 2 Japan      24    127. 
 3 Japan      25    132. 
 4 Japan      26    113. 
 5 Japan      27     76.0
 6 Korea      23    140. 
 7 Korea      24    132. 
 8 Korea      25    122. 
 9 Korea      26     66.8
10 Korea      27    192. 
11 Taiwan     23   2022. 
12 Taiwan     24   1913. 
13 Taiwan     25   1689. 
14 Taiwan     26   1658. 
15 Taiwan     27   1196.

線が一本の場合

geom_line()幾何オブジェクトを使用

x: 点の傾きが変化し得る点の横軸上の位置
y: 点の傾きが変化し得る点の縦軸上の位置
日本の行のみを抽出し、横軸を日、縦軸を100万人当たり新規感染者数とした折れ線グラフを作成

コード
結果

COVID_df |>
   filter(Country == "Japan") |>
   ggplot() +
   geom_line(aes(x = Day, y = NewCases)) +
   labs(x = "日 (2022年6月)", y = "100万人当たり新規感染者数 (人)")

よく出るメッセージ

折れ線グラフを作成する際、以下のようなエラーメッセージが表示され、グラフが出力されない場合がある。

原因は不明

geom_path: Each group consists of only one observation. Do you need to adjust the group aesthetic?

【解決策】 このようなメッセージが出た場合は、aes()の中にgroup = 1を追加すると解決できる。

普段から付けておく習慣を付けた方が良い。

COVID_df |>
   filter(Country == "Japan") |>
   ggplot() +
   geom_line(aes(x = Day, y = NewCases, group = 1)) +
   labs(x = "日 (2022年6月)", y = "100万人当たり新規感染者数 (人)")

線が二本以上の場合

groupに線のグループ変数を指定

国別の折れ線グラフの場合、国変数を指定

コード
結果

COVID_df <- COVID_df |>
   mutate(Country = case_when(Country == "Japan" ~ "日本",
                              Country == "Korea" ~ "韓国",
                              TRUE               ~ "台湾"),
          Country = factor(Country, levels = c("日本", "韓国", "台湾")))

COVID_df |>
   ggplot() +
   geom_line(aes(x = Day, y = NewCases, group = Country)) +
   labs(x = "日 (2022年6月)", y = "100万人当たり新規感染者数 (人)")

各線がどの国を示すのかが分からない…

線が二本以上の場合

colorで色分け: 国別の折れ線グラフの場合、国変数を指定

コード
結果

線をやや太め（1.5）にする
- linewidth: 全線に適用させるためにaes()の外側に
- 線が細すぎると色が区別しにくい

COVID_df |>
   ggplot() +
   geom_line(aes(x = Day, y = NewCases, group = Country, 
                 color = Country), linewidth = 1.5) +
   labs(x = "日 (2022年6月)", y = "100万人当たり新規感染者数 (人)", 
        color = "国")

次元の追加

多くの折れ線グラフは既に3次元

日（x）、新規感染者数（y）、国（group or color）
これ以上次元を増やすならファセット分割で対応するのが賢明
ファセット分割せずに次元を増やすなら…
- linewidth: 線の太さ
- linetype: 線のタイプ（1 = 実線、2 = 破線、3 = 点線、…）
  - 白黒図の場合、colorでなく、linetype
- alpha: 透明度

線のタイプ

主に白黒図で使用

コード
結果

COVID_df |>
   ggplot() +
   geom_line(aes(x = Day, y = NewCases, group = Country, linetype = Country),
             linewidth = 1) +
   labs(x = "日 (2022年6月)", y = "100万人当たり新規感染者数 (人)", 
        linetype = "国")

自分で線のタイプを指定したい場合は

データ |>
  ggplot() +
  ... +
  scale_linetype_manual(values = c("日本" = 1, "韓国" = 2, "台湾" = 3))

`linetype`の見本

種類が多くなると区別しにくいため、最大3つ程度

実線（1）、破線（2）、点線（3）
一つ面に登場する線は3〜4本程度まで（色分けも同様）

折れ線グラフ + 散布図（コード）

geom_point()とgeom_line()を重ねる

後（先）に書いたレイヤーが前面（背面）に
傾きの変化が激しくない場合に有効
点は線より大きめに
白黒印刷に備え、点の形分けも可能

COVID_df |>
   ggplot(aes(x = Day, y = NewCases, color = Country)) +
   geom_point(aes(shape = Country), size = 3) +
   geom_line(aes(group = Country), linewidth = 1) +
   labs(x = "日 (2022年6月)", y = "100万人当たり新規感染者数 (人)", 
        color = "国", shape = "国") +
   theme_bw()

折れ線グラフ + 散布図（図）

箱ひげ図

箱ひげ図とは

変数の分布を示す方法の一つ

最小値、最大値
- ひげの両端
第一四分位数、第三四分位数
- 箱の上限と下限
中央値（第二四分位数）
- 箱内の線
外れ値がある場合、点

変数の分布をグループごとに見る時に有効

箱ひげ図の作成

人間開発指数 (HDI_2018) の箱ひげ図

x、またはyに分布を確認した変数をマッピングする
- xにマッピングするか、yにするかによって箱の向きが変わる

df |>
   ggplot() +
   geom_boxplot(aes(y = HDI_2018)) +
   labs(x = "", y = "人間開発指数 (2018)") +
   theme_bw()

次元の追加

yにしかマッピングされているため、まだ次元追加の余地が残っている

xにマッピング（大陸ごとのHDI_2018の箱ひげ図）
更に次元を追加したい場合は、ファセット分割

コード
結果

df |>
   ggplot() +
   geom_boxplot(aes(y = HDI_2018, x = Continent)) +
   labs(x = "大陸", y = "人間開発指数 (2018)") +
   theme_bw()

カスタマイズ（色）

箱の色を変える

すべての色を変える場合、aes()の外側にfill
箱ごとにの色を変える場合、aes()の内側にfill

コード (1)
結果 (1)
コード (2)
結果 (2)

df |>
   ggplot() +
   geom_boxplot(aes(y = HDI_2018, x = Continent), fill = "cornsilk") +
   labs(x = "大陸", y = "人間開発指数 (2018)") +
   theme_bw()

df |>
   ggplot() +
   geom_boxplot(aes(y = HDI_2018, x = Continent, fill = Continent)) +
   labs(x = "大陸", y = "人間開発指数 (2018)") +
   theme_bw() +
   theme(legend.position = "none") # 凡例の削除

カスタマイズ（箱の幅）

aes()の外側にwidthを指定

コード
結果

df |>
   ggplot() +
   geom_boxplot(aes(y = HDI_2018, x = Continent), width = 0.5) +
   labs(x = "大陸", y = "人間開発指数 (2018)") +
   theme_bw() +
   theme(legend.position = "none")

横軸と縦軸の交換

箱が多すぎて読みにくい場合、xとyを交換も良い

コード
結果

df |>
   ggplot() +
   geom_boxplot(aes(x = HDI_2018, y = Continent)) +
   labs(x = "人間開発指数 (2018)", y = "大陸") +
   theme_bw(base_size = 14) +
   theme(legend.position = "none")

最後に

散布図の作成: 教科書第20.6章
折れ線グラフの作成: 教科書第20.7章
箱ひげ図: 教科書第20.5章
グラフのカスタマイズ: 教科書第21章

ミクロ政治データ分析実習

授業開始前に

期末テスト

授業アンケート（任意）

よくある質問

代表的な5種類のグラフ

5 Named Graphs (5NG)

散布図

散布図の必須要素

データの読み込み

散布図の作成 (1)

散布図の作成 (2)

次元の追加

5次元の散布図

色分けの例

色のカスタマイズ

{ggplot2}で使える色

色の見本 (一部)

shapeの見本

折れ線グラフ

折れ線グラフの必須要素

データの用意

線が一本の場合

よく出るメッセージ

線が二本以上の場合

線が二本以上の場合

次元の追加

線のタイプ

linetypeの見本

折れ線グラフ + 散布図（コード）

折れ線グラフ + 散布図（図）

箱ひげ図

箱ひげ図とは

箱ひげ図の作成

次元の追加

カスタマイズ（色）

カスタマイズ（箱の幅）

横軸と縦軸の交換

最後に

その他のグラフ

`shape`の見本

`linetype`の見本