Die 5 meistbesuchten Diagramm-Themen der R Graph Gallery

1. The Grammar of Graphics: ggplot2

Wenig überraschend ist die ggplot2-Kategorie mit Abstand das beliebteste Thema: Sie steht für rund 15% des für diesen Beitrag berücksichtigten Traffics (dies entsprach, wie oben erwähnt, 45% des gesamten Traffics).

Das liegt nicht nur an der großen Beliebtheit des Pakets in der R-Community, sondern auch daran, dass die Kategorie alle möglichen Diagrammtypen abdeckt, die sich damit erstellen lassen – etwa Boxplots, Scatterplots, Flächendiagramme usw. Außerdem gibt es Unterrubriken zu Annotationen, Farbgestaltung oder Data Art. Kurz: Diese Kategorie bietet sehr viele Infos rund um dieses R-Paket.

Die Library ist ein „Plotting-System für R, basierend auf der Grammar of Graphics“ und ein Standard für R-Grafiken. Es gibt zahlreiche Ressourcen, um die Syntax zu lernen, etwa den DataCamp-Kurs Data Visualization with ggplot2 und das ggplot2-Buch von ggplot2-Erfinder Hadley Wickham.

ggplot2 setzt die Grammar of Graphics um. Dahinter steckt eine Grundgrammatik für Grafiken: Du brauchst Daten und grafische Elemente, um Plots zu bauen – so wie du für Sätze Personalpronomen und ein konjugiertes Verb benötigst.

Konkret bedeutet das: Du übergibst einem Plot Daten als x- und y-Elemente und steuerst Details wie Farben oder Marker als grafische Eigenschaften. ggplot2 unterscheidet das ebenfalls klar. In ggplot2-Grafiken lassen sich meist ein paar Basiselemente erkennen: Daten, Geometrien, Ästhetiken und Skalen.

Daneben gibt es fortgeschrittene Teile der ggplot2-Grammatik wie statistische Transformationen und Facets, die wir hier nicht behandeln. Für mehr Tiefe nutze die Ressourcen oben.

In der Gallery findest du aktuell rund 40 Beispiele mit dem Paket – darunter die wichtigsten Diagrammtypen wie zum Beispiel das Balkendiagramm, das du unten siehst:

Du siehst, dass der Plot unten drei der vier genannten Elemente nutzt: Daten, Ästhetiken und Geometrien. Schau dir das Ergebnis im Detail an – oder vergrößere das Fenster im „Plots“-Tab neben deiner R-Konsole im DataCamp-Light-Block oben:

Wenn du mehr Themes, Skalen und Geoms für deine ggplot2-Plots brauchst, findest du sie in zusätzlichen Paketen wie ggthemes oder dem ggthemr-Paket.

2. Interaktive Diagramme

Die Kategorie Interaktive Diagramme steht für etwa 11% des für diesen Beitrag berücksichtigten Traffics. Ähnlich wie bei ggplot2 lässt sich vermuten, dass der große Anteil auch daran liegt, dass es sich um eine Sammelkategorie für viele verschiedene interaktive Diagrammtypen handelt.

Aber was sind interaktive Diagramme?

Es sind natürlich Diagramme – aber das Besondere ist, dass du hinein- und herauszoomen, mit Achsen spielen, Elemente für Zusatzinfos hovern, ins png-Format exportieren, bestimmte Daten filtern usw. kannst. Nutzerinnen und Nutzer können mit den Daten spielen und gezielt Antworten finden.

In der Analyse helfen interaktive Plots, Daten effizienter zu explorieren. In Berichten für Kundinnen, Kollegen oder Leser binden sie das Publikum ein und erleichtern das Verständnis. Interaktive Diagramme ermöglichen also einen echten Dialog zwischen Mensch und Grafik – ein Gewinn für beide Seiten.

Kein Wunder, dass interaktive Grafiken heute in Zeitungen wie der New York Times und in Fachmagazinen wie Science eingesetzt werden!

In R ist ihre Erstellung mit htmlwidgets beeindruckend einfach.

Neben Beispielen zu diesem Paket zeigt die Gallery auch mehrere Beispiele mit Plotly. Plotly ist ein R-Paket für webbasierte Grafiken auf Basis der Open-Source-JavaScript-Bibliothek plotly.js. Die Syntax ist der von ggplot2 sehr ähnlich – dein erster interaktiver Plot gelingt also in wenigen Minuten! Für den Einstieg empfiehlt sich dieses Plotly-Tutorial.

Natürlich kannst du auch mit Shiny interaktive Diagramme bauen – einer R-Library, mit der du Analysen in interaktive Web-Apps verwandelst. Und über die hier genannten Libraries hinaus gibt es viele weitere, die statische Visualisierungen interaktiv machen!

3. Boxplots

Die Boxplot-Kategorie macht rund 8% des für diesen Beitrag berücksichtigten Traffics aus. Sie ist die drittbeliebteste Kategorie der Seite – vermutlich, weil sie konkreter ist als die beiden vorherigen und sich einem einzigen Plot-Typ widmet.

Boxplots müssen kaum erklärt werden. Sie sind ein gängiges Werkzeug, um die Beziehung einer numerischen zu einer diskreten Variablen zu visualisieren. Aber Vorsicht: Manchmal verbergen sich hinter einem Boxplot Informationen (z. B. eine bimodale Verteilung), die du sonst übersiehst!

Die R Graph Gallery zeigt spannende Alternativen zu Boxplots, etwa Violin Plots oder Boxplots mit Jitter. Du wirst sehen: Obwohl ggplot2 eine eigene Rubrik hat, ist das Paket hier weiterhin sehr gefragt – genauso wie Base-R-Funktionen wie jitter()!

4. Spider Plots

Überraschend beliebt ist die Kategorie Spider Plots bzw. Netzdiagramme: Sie erreicht 6% der hier analysierten 45% Traffic.

Radardiagramme vergleichen mehrere quantitative Variablen. Ein Beispiel: der Bau solcher Diagramme mit der fmsb-Library, die Hilfsfunktionen für das Buch „Practices of Medical and Health Data Analysis using R“ enthält.

Der Code im DataCamp-Light-Block liefert folgendes Ergebnis (oder vergrößere einfach das Fenster im „Plots“-Tab neben deiner R-Konsole):

Tipp: Stell nicht zu viele Gruppen im selben Diagramm dar – es wird sonst sehr schnell unlesbar!

Das fmsb-Paket ist nicht die einzige Möglichkeit: Du kannst Radardiagramme auch mit ggplot bauen, obwohl es nicht Teil des Pakets ist. Ein Tutorial findest du hier, oder du nutzt die ggplot2-Erweiterung ggradar.

Spannend ist auch das Paket radarchart – eine gute Wahl, wenn du interaktive Radardiagramme erstellen willst.

5. Data Art

Neugier? Spaß? Interesse? Überraschung?

Was die Leute dorthin führt, ist unklar – aber die Data-Art-Sektion ist mit rund 5% des hier berücksichtigten Traffics das fünftbeliebteste Thema unter den Nutzerinnen und Nutzern der R Graph Gallery.

Das siehst du definitiv nicht jeden Tag!

Die Seite zeigt einen Ausschnitt der Arbeiten von 10 Data aRtists aus aller Welt. Data Art ist ein neuer Trend, bei dem – wie der Name schon andeutet – aus Daten Kunst entsteht. Das kann viele Formen annehmen, mit echten oder fiktiven Daten, gegenständlich oder rein abstrakt.

Neugierig geworden? Dann wirf einen Blick in diese Sektion – und reiche gerne eigene Arbeiten ein!

Du willst zur R Graph Gallery beitragen, ein Diagramm vorschlagen oder eines anfragen, das fehlt? Gehe hier.