R Graph Gallery’nin En Çok Ziyaret Edilen 5 Grafik Teması

1. Grafik Dili: ggplot2

Şaşırtıcı değil, ggplot2 kategorisi açık ara en çok ziyaret edilen tema: bu yazı için dikkate alınan trafiğin yaklaşık %15’ini temsil ediyor (yukarıda belirtildiği gibi bu, toplam trafiğin %45’iydi).

Bu trafik miktarı yalnızca bu paketin R topluluğundaki büyük popülerliğiyle değil, aynı zamanda bu kategorinin kutu grafikleri, saçılım grafikleri, alan grafikleri vb. gibi bu paketle yapılabilecek her tür grafiği bir araya getirmesi ve ayrıca açıklama ekleme, grafiğinizin renklerini yönetme ve veri sanatı yapma gibi konuları gösteren alt bölümler içermesiyle de açıklanabilir. Kısacası, bu kategori bu R paketi hakkında çok fazla bilgi içerir.

“Grafik dili temelli bir R çizim sistemi” olan bu kütüphane, R grafiklerinde bir referanstır ve sözdizimini öğrenmek için DataCamp’in ggplot2 ile Veri Görselleştirme kursu ve ggplot2’nin yaratıcısı Hadley Wickham’ın ggplot2 kitabı gibi pek çok kaynak mevcuttur.

ggplot2, grafik dilinin bir uygulamasıdır; bu da grafik üretmenin temel bir dilbilgisinin olduğu anlamına gelir: nasıl ki cümle kurmak için şahıs zamirlerine ve çekimli bir fiile ihtiyaç varsa, grafik oluşturmak için de veriye ve grafik öğelerine ihtiyaç vardır.

Grafikler için bu, veriyi bir grafiğe x ve y ögeleri olarak beslemek ve renkler, işaretleyiciler vb. gibi bazı ayrıntıları grafik öğeleri olarak ayarlamak demektir. ggplot2’nin de bu ayrımı yaptığını ve ggplot2 grafiklerinde sıklıkla ayırt edebileceğiniz bazı temel öğelerin olduğunu göreceksiniz: veri, geometriler, estetikler ve ölçekler.

Elbette, ggplot2 dilbilgisinin istatistiksel dönüşümler ve fasetler gibi daha ileri parçaları da vardır; ancak bunlar bu blog yazısında ele alınmayacaktır. ggplot2 ve sunduğu olanaklar hakkında daha derinlemesine bilgi için yukarıda belirtilen kaynaklara göz atın.

Galeriye dönersek, paketi kullanan yaklaşık 40 grafiğin sergilendiğini göreceksiniz; bunlar, aşağıda bulacağınız çubuk grafik gibi başlıca grafik türlerini üretmenizi sağlar:

# Load `ggplot2`
................

# Create a dataset
# Height of 10 sorgho and poacee samles 
species <- c(rep("sorgho",3), 
             rep("poacee",3), 
             rep("banana",3), 
             rep("triticum",3))

# Three environmental conditions
condition <- rep(c("normal","stress","Nitrogen"),4)
value <- abs(rnorm(12,0,15))

# Create the data frame with `species`, `condition` and `value`
data <- data.frame(........,..........,............)

# Plot the data
ggplot(data, aes(fill=condition, y=value, x=species)) + geom_bar(position="dodge", stat="identity")

Aşağıdaki grafiğin, yukarıda anılan dört öğeden üçünü kullandığını görüyorsunuz: veri, estetikler ve geometriler. Şimdi, sonucu daha yakından inceleyelim ya da yukarıdaki DataCamp Light bloğunda R konsolunuzun yanında beliren “Plots” sekmesindeki pencereyi genişletin:

ggplot2 grafikleriniz için daha fazla tema, ölçek ve geom’a ihtiyaç duyarsanız, her zaman ggthemes veya ggthemr paketi gibi ek paketlerden edinebilirsiniz.

2. Etkileşimli Grafikler

İkinci olarak, etkileşimli grafikler kategorisi, bu blog yazısı için dikkate alınan trafiğin yaklaşık %11’ini oluşturuyor. tıpkı ggplot2 gibi, bu kategoriye gelen trafiğin büyük bölümünün, farklı etkileşimli grafiklere dair pek çok bilgiyi kapsayan daha genel bir kategori olmasından kaynaklandığını düşünebilirsiniz.

Peki etkileşimli grafikler nedir?

Elbette grafiktirler; ancak onları özel kılan, grafiklerde yakınlaştırma/uzaklaştırma yapabilmeniz, eksenlerle oynayabilmeniz, ek bilgiler almak için öğelerin üzerine gelebilmeniz, png biçiminde dışa aktarabilmeniz, belirli verileri filtreleyebilmeniz vb. olanaklardır… Kullanıcıların verilerle etkileşime girerek ihtiyaç duydukları bilgiyi bulmalarını sağlarlar.

Analiz sırasında kullanıldığında, etkileşimli grafikler verinizi daha verimli keşfetmenizi sağlar. Müşterilere, çalışma arkadaşlarınıza veya okurlara raporlama için kullanıldığında ise kitlenin dikkatini çeker ve veriyi anlamalarına yardımcı olur; etkileşimli grafikler, kullanıcı ile grafikleri arasında çift yönlü bir iletişim sunar ve bu da iki taraf için de kazançlıdır.

Etkileşimli grafiklerin artık New York Times gibi gazeteler ve Science gibi bilimsel yayınlar tarafından kullanılması tesadüf değildir!

R’de bunları htmlwidgets kullanarak yapmak şaşırtıcı derecede kolaydır.

Bu paketin örneklerini göstermenin yanı sıra, galeride Plotly ile yapılmış çeşitli örnekler de bulunur. Plotly, açık kaynak JavaScript grafik kütüphanesi plotly.js aracılığıyla web tabanlı grafikler oluşturmak için bir R paketidir. Kod sözdizimi ggplot2’ye oldukça yakındır; bu nedenle, ilk etkileşimli grafiğinizi birkaç dakika içinde yapabilirsiniz! Bu paketle başlamayı düşünüyorsanız, şu Plotly Eğitimine göz atın.

Elbette, analizlerinizi etkileşimli web uygulamalarına dönüştürmenizi sağlayan bir R kütüphanesi olan Shiny ile de etkileşimli grafikler yapabilirsiniz ve bu bölümde gördüğünüz kütüphanelerin dışında, statik görselleştirmelerinizi etkileşimli hale getirmenize olanak tanıyan daha birçok kütüphane vardır!

3. Kutu Grafikler (Boxplot)

boxplot kategorisi, bu yazı için dikkate alınan trafiğin yaklaşık %8’ini oluşturuyor. Sitedeki üçüncü en popüler kategori; muhtemelen önceki iki kategoriden daha spesifik olması, yani tek bir grafik türünü ele alması nedeniyle.

Kutu grafikleri artık tanıtmaya gerek yok. Sayısal bir değişken ile ayrık bir değişken arasındaki ilişkiyi görselleştirmekte kullanılan yaygın bir araçtır. Ancak, bir kutu grafiğinin arkasında gizlenebilecek (örneğin iki tepeli bir dağılım gibi) bilgileri kaçırmamaya dikkat edin!

R grafik galerisi, keman grafikleri veya dağıtılmış noktalarla zenginleştirilmiş kutu grafikleri gibi kutu grafiklerine ilginç alternatifler sunar. ggplot2’nin kendi bölümü bulunmasına rağmen bu paketin hâlâ çok popüler olduğunu ve jitter() gibi temel R fonksiyonlarıyla birlikte sıkça kullanıldığını göreceksiniz!

# Library `ggplot2`
library(.......)

# First type of color
ggplot(mtcars, aes(factor(cyl), mpg)) + geom_violin(aes(fill = cyl))

4. Örümcek (Radar) Grafikler

Şaşırtıcı biçimde, örümcek grafikleri veya ağ grafikleri kategorisi, bu blog yazısı için analiz edilen %45’lik trafiğin %6’sını alarak galeride büyük bir başarı yakalıyor.

Radar grafikleri, birden çok nicel değişkeni karşılaştırmanın bir yoludur. Örneklerden biri, bu grafikleri, “Practices of Medical and Health Data Analysis using R” kitabı için yardımcı işlevler içeren fmsb kütüphanesi ile oluşturmaktır.

# Library
library(fmsb)

# Create data: note in High school for several students
set.seed(99)
data <- as.data.frame(matrix( sample( 0:20 , 15 , replace=F) , ncol=5))

# Set the row and column names 
colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding" )
rownames(data) <- paste("mister" , letters[1:3] , sep="-")

# To use the fmsb package, add 2 lines to the dataframe: the max and min of each topic to show on the plot!
data <- rbind(rep(20,5) , rep(0,5) , data)

# Radar chart
colors_border <- c( rgb(0.2,0.5,0.5,0.9), rgb(0.8,0.2,0.5,0.9), rgb(0.7,0.5,0.1,0.9))
colors_in <- c( rgb(0.2,0.5,0.5,0.4), rgb(0.8,0.2,0.5,0.4), rgb(0.7,0.5,0.1,0.4))

radarchart(data, 
           axistype=1 , 
          #customize the polygons
          psol=colors_border, 
          pfcol=colors_in, 
           plwd=4, 
           plty=1,
           #customize the grid
           cglcol="grey", 
           cglty=1, 
           axislabcol="grey", 
           caxislabels=seq(0,20,5), 
           cglwd=0.8,
           #custom labels
           vlcex=0.8)

# Add a legend
legend(x=0.7, y=1, legend=rownames(data[-c(1,2),]), bty="n", pch=20 , col=colors_in , text.col="grey", cex=1.2, pt.cex=3)

DataCamp Light bloğundaki kod aşağıdaki sonucu verir (ya da DataCamp Light bloğunda R Console sekmenizin yanında beliren “Plots” sekmesindeki pencereyi genişletin):

İpucu: tahmin edebileceğiniz gibi, aynı grafikte çok fazla grubu göstermemeye dikkat edin! Çok hızlı bir şekilde okunamaz hale gelebilir!

Ancak fmsb paketi tek seçenek değildir: pakette yer almasa bile ggplot ile de radar grafikleri oluşturabilirsiniz. Bir öğreticiye buradan ulaşabilir veya ggplot2 uzantısı ggradarı inceleyebilirsiniz.

İlginizi çekebilecek bir diğer seçenek de radarchart paketi. Etkileşimli radar grafikleri oluşturmak istiyorsanız akılda tutulmaya değer.

5. Veri Sanatı

Merak? Eğlence? İlgi? Sürpriz?

İnsanları oraya götüren şeyin ne olduğunu bilmiyorum; ancak Veri Sanatı bölümü, bu yazı için dikkate alınan trafiğin yaklaşık %5’iyle, R Graph Gallery kullanıcıları tarafından en çok ziyaret edilen beşinci tema.

Kesinlikle her gün karşınıza çıkacak bir şey değil!

Bu sayfa, dünyanın dört bir yanından 10 veri sanatçısının çalışmalarından bir seçki sunar. Veri Sanatı, adından da anlaşılacağı gibi, veriden sanat ürettiğiniz yeni bir eğilimdir. Gerçek veri kullanarak veya kullanmadan, bir şeyi temsil ederek ya da yalnızca soyut şekiller oluşturarak çeşitli biçimler alabilir.

İlgileniyor ve daha fazlasını mı öğrenmek istiyorsunuz? bu bölüme göz atın ve elbette, kendi çalışmalarınızı önermekten çekinmeyin!

R Graph Gallery’ye katkıda bulunmak, bir grafik önermek veya eksik olan bir grafiği talep etmek mi istiyorsunuz? Buraya gidin.