📌 Data Visualiztion

Tasks

• 1. 기본 탐색 데이터 분석
• 2. 연구 질문에 대한 데이터 분석
• 3. 데이터 정리(전처리)
• 4. 프로토타입 모델(시험 모델링)
• 5. 시각화

---

8 Best Data Visualization Tools and Libraries to Learn in 2022

• 1. Tableau
• 2. Microsoft Power BI
• 3. QlikView
• 4. QlikSense
• 5. Excel
• 6. Matplotlib - Python
• 7. ggplot2 - R
• 8. D3.js - Javascript

📌 기본적인 그래프 함수

• barplot(범주형)
  막대그래프
• pie(범주형)
  원그래프
• hist(연속형)
  히스토그램
• boxplot(연속형)
  상자그림
• plot()
  기본적으로는 산점도
  자료의 형태에 따라 유동적
  

---

📌 막대그래프 - barplot()

barplot()

• cyl의 빈도표(table)을 구하고, 이를 막대그래프로

• col은 사각형 색상 지정

• border는 테두리 색상 지정

• 그룹 별로 다른 색상 지정 가능

• col=c( , , )

📌 수직, 수평 누적 막대그래프

• 변수 cyl의 각 값에 대하여 gear의 비율만큼 다른 색상으로

• table(변수1, 변수2)와 같이 2차원 교차표를 생성하여 막대그래프

• 변수 cyl의 각 값에 대하여 gear의 비율만큼 다른 색상으로

• beside=T 옵션으로 수평으로

📌 가공된 데이터 막대그래프 그리기

-1차 가공된 데이터를 입력할 때는 벡터로 입력

• names()로 그룹 이름 부여하고, 이를 막대그래프로

정리된 데이터 입력하기 – 2차원

• 2차원 데이터를 입력할 때는 행렬 형태로 입력

• 열이름 -> colnames

• 행이름 -> rownames

• 행렬로 입력된 데이터를 이용하여 수직누적 막대그래프를 그릴 수 있다.

• legend 추가 가능

• 행과 열 바꾸기

• t(matrix) 전치행렬(행과 열을 바꾸는 기능)

그룹별 평균을 높이로

• tapply()를 적용하여 각 그룹별 평균을 구하고
• 그 결과를 barplot()을 이용하여 그린다.

---

📌 원그래프 - pie()

pie() - 원그래프

• 색상은 난수로 생성

• pie(벡터, labels=표시내용)

• 벡터 pct는 비율(%) 계산

• label: 이름(비율%) 만들기

• 옵션 labels 이용

그룹별 합계를 높이로

• csv 파일의 인코딩 주의

• tapply()를 적용하여 각 그룹별 합계를 구하고

• 그 결과를 barplot()을 이용하여 그린다.

• tapply()를 적용하여 각 그룹별 평균을 구하고

• 그 결과를 barplot()을 이용하여 그린다.

• paste0를 이용하여 가로축의 이름 변경

data <- read.csv("../mydata/도로교통공단_시군구별 월별 교통사고 통계_20231231.csv", fileEncoding = "CP949")
head(data)

---

📌 히스토그램 - hist()

명령어	설명
hist(연속형)	default 히스토그램
hist(x, prob=T)	y축을 상대도수로
hist(x, breaks=c())	지정한 숫자를 계급의 양끝으로
hist(x, breaks=10*(0:4))	구간 [0,10], (10,20], (20,30], (30,40]
hist(x, breaks=10*(0:4), right=FALSE)	구간 [0,10], [10,20), [20,30), [30,40)

hist(연속형)- 디폴트

• 자동으로 계급 설정

• breaks로 계급 직접 입력 가능

---

📌 상자그림 - boxplot()

boxplot(연속형)

• 아래/위는 최솟값/ 최댓값을 나타낸다.

• 상자의 가운데 굵은 선은 중앙값(median)

• 상자의 아래/위는 사분위수의 Q1과 Q3를 나타낸다.

boxplot(연속형 ~ 범주형)

• cyl의 값에 따라 3그룹으로 분리하고, 각 그룹의 상자그림을 그린다.

• 색상을 1개만 지정하면 모두 같은 색

• 그룹별로 다르게 지정 가능

• 아래 동그라미는 이상점(outlier)

---

📌 산점도 - plot()

plot(x, y)

• x, y는 모두 연속형 자료
• 데이터 cars
• speed: 속력
• dist: 제동거리
• x, y 순서로 인식
  

data <- read.csv("../mydata/도로교통공단_시군구별 월별 교통사고 통계_20231231.csv", fileEncoding = "CP949")
jongro <- subset(data, 시군구 =='종로구')
jongro

시계열 그래프

• plot(시간, 연속형)
• type=‘o’에서 ‘o'는 소문자 오(o)
  

---

📌 그래프 옵션

📌 (1) 그래프 옵션 – 제목/축

인수	설명
main="메인 제목"	제목 설정
xlab="제목", ylab="제목"	x, y축 제목
xlim=c(-10,10), ylim=c(-10,10)	x, y축 범위
axes=F	x, y축을 표시하지 않음

데이터 cars: speed vs dist

• 데이터 cars는 속력(speed)에 따른 제동 거리(dist)
• 기본 그래프
• main=전체 그래프의 제목

제목붙이기

• xlab=x축 제목
• ylab=y축 제목

x, y축의 범위

• x축의 범위는xlim=c(start, end)
• y축의 범위는ylim=c(start, end)

x, y 축의 눈금

• x, y축 눈금은 별도의 명령어 axis() 사용
• side=1: 아래쪽
• side=2: 왼쪽
• at: 표시할 위치
• labels: 표시할 내용

축지우기

• axes=F으로 축표시 제거
  

---

📌 (2) 그래프 옵션 - 그래프타입

인수	설명
type="p"	점 모양 그래프 (기본값)
type="l"	선 모양 그래프 (꺾은선 그래프) - 소문자 l(엘)
type="b"	점과 선 모양 그래프
type="c"	"b"에서 점을 생략한 모양
type="o"	점과 선을 중첩해서 그린 그래프
type="h"	각 점에서 x축까지의 수직선 그래프
type="s"	왼쪽 값을 기초로 계단 모양으로 연결한 그래프
type="S"	오른쪽 값을 기초로 계단 모양으로 연결한 그래프
type="n"	축만 그리고 그래프는 그리지 않는다

---

📌 (3) 그래프 옵션 - 색/선//기호

인수	설명
col=1, col="blue"	기호의 색 지정, 숫자로도 지정 가능 1-검정, 2-빨강, 3-초록, 4-파랑, 5-연파랑, 6-보라, 7-노랑, 8-회색
lty=숫자, lty="문자"	선 종류
pch=0, pch="문자"	점의 모양
bg="blue"	그래프의 배경색
lwd=숫자	선의 굵기
cex=숫자	점이나 문자의 크기

📌 (3-1) 그래프 옵션 – 선 모양

인수	설명
lty=0, lty="blank"	투명선
lty=1, lty="solid"	실선
lty=2, lty="dashed"	대쉬선
lty=3, lty="dotted"	점선
lty=4, lty="dotdash"	점선과 대쉬선
lty=5, lty="longdash"	긴 대쉬선
lty=6, lty="twodash"	2개의 대쉬선

📌 (3-2) 그래프 옵션 - 점 모양

pch = 번호