Hướng dẫn Histogram trong R: Tạo và tùy chỉnh biểu đồ với Base R

Trong hướng dẫn này, tôi sẽ dẫn bạn qua cách tạo và tùy chỉnh biểu đồ tần suất (histogram) trong ngôn ngữ R. Chúng ta sẽ đề cập histogram là gì, cách chuẩn bị dữ liệu, cách dựng một histogram cơ bản, và cách điều chỉnh màu sắc, nhãn, số ngăn (bins) và giới hạn trục.

Chúng ta sẽ dùng base R mà không cần gói bổ sung. Cách này đặc biệt hữu ích khi bạn không thể dùng thêm gói hoặc khi cần phân tích thăm dò nhanh. Trong các trường hợp khác, bạn có thể cân nhắc dùng ggplot2, như đã đề cập trong hướng dẫn Cách tạo biểu đồ tần suất ggplot2 trong R.

Tóm tắt nhanh

• Dùng hist(x) để tạo một histogram cơ bản trong base R mà không cần gói bổ sung

• Tùy chỉnh giao diện với col (màu tô), border (viền), main (tiêu đề), xlab và ylab

• Kiểm soát cách chia ngăn bằng đối số breaks: truyền một số, một vector mốc chia, hoặc tên phương pháp ("Sturges", "Scott", "Freedman-Diaconis")

• Chồng các thống kê mô tả bằng abline() cho giá trị trung bình và lines(density()) cho đường mật độ

• Với histogram theo nhóm hoặc chất lượng xuất bản, hãy chuyển sang ggplot2

Histogram là gì?

Histogram là một biểu đồ cho thấy phân bố tần suất của các biến liên tục (số). Histogram cho phép chúng ta thấy số quan sát trong dữ liệu rơi vào các khoảng giá trị mà biến bao phủ.

Histogram trông giống biểu đồ cột. Khác biệt chính là biểu đồ cột gắn giá trị với một danh mục cụ thể hoặc biến rời rạc, trong khi histogram trực quan hóa tần suất cho các biến liên tục.

Chuẩn bị dữ liệu cho histogram

Chúng ta sẽ dùng bộ dữ liệu nhà ở bao gồm thông tin về các tin rao bán nhà, như diện tích, số phòng, giá và vị trí. Ta có thể đọc dữ liệu bằng hàm read.csv(), trực tiếp từ URL hoặc tải tệp csv về một thư mục rồi đọc từ bộ nhớ cục bộ. Ta cũng có thể chỉ định chỉ lưu các cột dùng trong hướng dẫn này: price và condition.

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

Hãy xem vài dòng đầu của dữ liệu bằng hàm head().

head(home_data, 5)

Tạo histogram với Base R

Tiếp theo, chúng ta sẽ tạo một histogram bằng hàm hist() để xem phân bố giá trong bộ dữ liệu.

hist(home_data$price)

Histogram cơ bản của giá nhà. Ảnh: Tác giả.

Thêm thống kê mô tả

Chúng ta có thể thêm các thống kê mô tả vào histogram bằng hàm abline(). Hàm này thêm một đường thẳng đứng vào biểu đồ.

• Đặt đối số v bằng vị trí trên trục x cho đường thẳng đứng. Ở đây, ta lấy giá nhà trung bình bằng mean().

• Đối số col đặt màu đường, ở đây là đỏ.

• Đối số lwd đặt độ dày đường. Giá trị 3 làm đường dày hơn để dễ thấy.

hist(home_data$price)

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

Vẽ đường mật độ xác suất

Để thêm đường mật độ xác suất vào histogram, trước hết ta đổi trục y sang tỉ lệ mật độ. Trong lời gọi hist(), đặt đối số probability thành TRUE.

Đường mật độ xác suất được tạo bằng kết hợp density(), hàm tính vị trí đường cong mật độ, và lines(), hàm thêm đường vào biểu đồ hiện có.

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)

Histogram giá nhà với giá trị trung bình được làm nổi bật. Ảnh: Tác giả.

Lưu ý rằng các con số trên trục y đã thay đổi.

Tùy chỉnh màu sắc

Tham số col của hist() đặt màu tô của các cột, và border đặt màu viền. Ở đây tôi sẽ đặt màu tô là xanh dương và viền là trắng.

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

Histogram giá nhà với màu sắc. Ảnh: Tác giả.

Thêm nhãn và tiêu đề

Chúng ta có thể thay đổi nhãn trên biểu đồ để dễ đọc và trình bày hơn. Điều này hữu ích khi bạn chia sẻ biểu đồ với người khác.

• xlab đặt nhãn trục x

• ylab đặt nhãn trục y

• main đặt tiêu đề biểu đồ

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