Wie man ein Histogramm in Base R erstellt

In diesem Lernprogramm werden wir Verteilungen von Daten visualisieren, indem wir mit der Programmiersprache R Histogramme erstellen. Wir werden uns damit beschäftigen, was ein Histogramm ist, wie man Daten in R liest, wie man ein Histogramm erstellt und wie man die Darstellung anpasst. 

Wir werden die Basisprogrammiersprache R ohne zusätzliche Pakete verwenden. Dieser Ansatz ist besonders nützlich, wenn zusätzliche Pakete nicht verwendet werden können oder wenn du schnelle explorative Analysen suchst. In anderen Fällen kannst du ggplot2 verwenden, wie in unserem Tutorial How to Make a ggplot2 Histogram in R beschrieben.

Um den gesamten Beispielcode in diesem Tutorial einfach selbst auszuführen, kannst du eine kostenlose DataLab-Arbeitsmappe erstellen, auf der R vorinstalliert ist und die alle Codebeispiele enthält. Wenn du mehr darüber erfahren möchtest, wie du ein Histogramm in R erstellst, schau dir diese praktische DataCamp-Übung an.

Was ist ein Histogramm?

Ein Histogramm ist ein sehr beliebtes Diagramm, das verwendet wird, um Häufigkeitsverteilungen über kontinuierliche (numerische) Variablen darzustellen. Mit Histogrammen kannst du die Anzahl der Beobachtungen in den Daten innerhalb der Bereiche sehen, die die Variable umfasst.

Histogramme sehen ähnlich aus wie Balkendiagramme. Ein wichtiger Unterschied zwischen den beiden ist, dass Balkendiagramme einen Wert haben, der mit einer bestimmten Kategorie oder diskreten Variable verbunden ist, während ein Histogramm Häufigkeiten für kontinuierliche Variablen visualisiert. 

Einrichten von Daten für Histogramme

Wir werden diesen Wohnungsdatensatz verwenden, der Details zu verschiedenen Wohnungsangeboten enthält, einschließlich der Größe des Hauses, der Anzahl der Zimmer, des Preises und der Standortinformationen. Wir können die Daten mit der Funktion read.csv() lesen, entweder direkt von der URL oder indem wir die csv-Datei in ein Verzeichnis herunterladen und sie von unserem lokalen Speicher lesen. Wir können auch angeben, dass wir nur die Spalten speichern wollen, die uns in diesem Tutorial interessieren: Preis und Bedingung.

home_data <- read.csv("https://raw.githubusercontent.com/rashida048/Datasets/master/home_data.csv")[ ,c('price', 'condition')]

Schauen wir uns die ersten Zeilen der Daten mit der Funktion head() an

head(home_data, 5)

Histogramme mit Base R erstellen

Als Nächstes werden wir mit der Funktion hist() ein Histogramm erstellen, um die Verteilung der Preise in unserem Datensatz zu betrachten.

hist(home_data$price)

Grundlegendes Histogramm der Hauspreise. Bild vom Autor.

Hinzufügen von deskriptiven Statistiken

Mit der Funktion abline() können wir dem Histogramm eine deskriptive Statistik hinzufügen. Dies fügt dem Diagramm eine vertikale Linie hinzu.

• Setze das Argument v auf die Position auf der x-Achse für die vertikale Linie. Hier erhalten wir den durchschnittlichen Hauspreis mit mean().
• Das Argument col legt die Linienfarbe fest, in diesem Fall rot.
• Das Argument lwd legt die Linienbreite fest. Ein Wert von 3 erhöht die Dicke der Linie, damit sie besser zu sehen ist.

hist(home_data$price)

abline(v = mean(home_data$price), col='red', lwd = 3)

Wahrscheinlichkeitsdichten aufzeichnen

Um dem Histogramm eine Wahrscheinlichkeitsdichte-Linie hinzuzufügen, ändern wir zunächst die y-Achse so, dass sie auf die Dichte skaliert wird. Bei dem Aufruf von hist() setzen wir das Argument probability auf TRUE.

Die Wahrscheinlichkeitsdichtelinie wird mit einer Kombination aus density(), das die Position der Wahrscheinlichkeitsdichtekurve berechnet, und lines(), das die Linie zum bestehenden Diagramm hinzufügt, erstellt.

hist(home_data$price, probability = TRUE)
abline(v = mean(home_data$price), col='red', lwd = 3)
lines(density(home_data$price), col = 'green', lwd = 3)

Histogramm der Eigenheimpreise, bei dem der Durchschnitt hervorgehoben ist. Bild vom Autor.

Beachte, dass sich die Zahlen auf der y-Achse verändert haben.

Anpassen der Farbe

Wir können die Farben innerhalb der Bins im Histogramm ändern, indem wir den Parameter col der Funktion hist() verwenden. Wir ändern die Füllung in Blau. Wir können auch die Farbe der Umrandung der Balken mit dem Parameter border ändern. Wir ändern die Farbe der Umrisse in Weiß.

hist(home_data$price, col = 'blue', border = "white")

Histogramm der Hauspreise mit hinzugefügter Farbe. Bild vom Autor.

Hinzufügen von Etiketten und Titeln

Wir können die Beschriftungen auf dem Plot ändern, um ihn lesbarer und präsentabler zu machen. Das ist nützlich, wenn du das Grundstück mit anderen teilst.

• xlab setzt die Beschriftung der x-Achse
• ylab setzt die Beschriftung der y-Achse
• main setzt den Titel der Handlung

hist(home_data$price, xlab = 'Price (USD)', ylab = 'Number of Listings', main = 'Distribution of House Prices')