tidyverseでヒストグラムを作成する（２）作図

前回の続きです。ビニングを実施したら次はヒストグラム用のデータを作成してggplot2で作図します。

Contents

ビンの中点を算出する
作図

ビンの中点を算出する

今回はgeom_barを使ってヒストグラムを作成します。この時各ビンの中点の座標が必要ですが、cut_width関数では算出されませんのでマニュアルで算出します。ここではcut_width関数から出力された文字列から中点を算出するget_midpoint関数を定義しました。

library(tidyverse)

get_midpoint <- function(txt) {
  
  gsub('\\(|\\)|\\[|\\]', "", txt) %>%
  strsplit(split=",") %>%
  unlist() %>%
  as.numeric() %>%
  mean()
}


# 4.5と出力される
print(get_midpoint("[3.5, 5.5)"))

cut_interval関数で出力される文字列は「[ビンの左側境界, ビンの右側境界]」なので、境界値を取り出してその平均を計算すればビンの中点を取得できます。

gsub関数は文字列置換を実行する関数で、かっこを削除します。正規表現も利用できるので、想定されるかっこはすべて一つの正規表現でマッチさせています。なおメタ文字を識別するバックスラッシュはRではエスケープする必要があるため、バックスラッシュを２つ重ねる必要があります。

strsplit関数は区切り文字に基づき文字列を分割する関数です。ただしリストを返すのでunlist関数を併用してベクトルの形に変換しています。後は数値に型変換して２つの境界値の平均を算出すればOK。

上記の関数を使ってビンの中点を算出できるようにしたコードは以下の通りです。SASを使っていた人だと「mid=get_midpoint(bin)」と書きたくなると思います。（私はそうでした）。それだと行単位で関数が適用されませんので、map_dbl関数を使います。

map系関数は指定したカラムを引数として、関数を適用し値を返す関数です。通常のmap関数はリストを返しますが、今回は数値として返してほしいのでmap_dbl関数を使います。

bin.wk1 <- iris %>%
  #ビニング
  dplyr::mutate(
    bin=cut_width(Petal.Width,width=0.2, center=0.1)
  ) %>%
  
  #頻度集計
  dplyr::group_by(Species, bin) %>%
  dplyr::summarise(
    count=n(), .groups="keep"
  ) %>%
  
  #分母と割合の導出
  #ビンの中点を算出
  dplyr::group_by(Species) %>%
  dplyr::mutate(
    countT=sum(count),
    pct=count / countT * 100,
    mid=map_dbl(bin, get_midpoint)
    
  ) %>%
  dplyr::ungroup()

これで作図データができました。

作図

作成して作図データからヒストグラムを作成するのですが、geom_bar関数のwidth引数にビン幅を指定するのがポイントです。

bin.wk1 %>%
  ggplot(aes(x=mid, y=pct, fill=Species)) +
  geom_bar(stat="identity", width=0.2) +
  scale_x_continuous(name="Petal.Width")+
  scale_y_continuous(name="%")