[R語言圖表]用ggplot畫直方圖 histogram

2023-10-07
R語言教學, 資料視覺化

Last Updated on 2023-10-31

Home » R語言教學 » 資料視覺化 » [R語言圖表]用ggplot畫直方圖 histogram

你想畫直方圖（histogram）嗎？用 ggplot2 帶你畫！

想畫折線圖（histogram），但是不知道怎麼在R語言中使用相關函數嗎？什麼時候該用直方圖？想調整直方圖的寬度怎麼辦？

我會在這篇文章介紹如何活用R語言的套件ggplot2，配上實際程式碼，帶你畫直方圖。

文章目錄

直方圖 histogram 是什麼？

直方圖（histogram）是一種用來展示變數分布（distribution）的簡單但非常強大的圖表工具。與直方圖（density plot）不同，直方圖的焦點在於將數據分組成特定的區間或「箱」（bins），接著計算每個區間內有多少資料點。例如，如果我們看人口年齡分布，我們可能會將年齡分為0-9歲、10-19歲、20-29歲等等，然後數算每個年齡組有多少人。

直方圖因為計算簡單和易於理解而受到廣泛的使用。實際上，你只需要一張紙和一支筆就能快速地畫出一個直方圖。這使得它成為初步數據分析和探索的理想工具。在電腦普及的今天，直方圖提供了更平滑的曲線來表示變量分布，但直方圖仍有其獨特的優勢。它的簡單性使得人們可以快速瞭解數據集的「形狀」，並且容易識別出數據中的異常值或模式。

直方圖範例

畫直方圖時，我們通常會將想要了解的變數映射到 x 軸，而 y 軸則表示每個「箱」中的數據點數量。不同於直方圖，直方圖需要我們指定「箱」的大小和數量，這個參數叫做「bin width」。「箱」的大小和數量會影響最終圖形的解釋性；選擇太多或太少的「箱」都可能會模糊真實的資料分布。

總結一下，直方圖是一個簡單但功能強大的工具，適用於各種不同的資料分析場景。它提供了一個直觀的方式來理解單一變量的分布，並且是初步資料探索的好選擇。

在 R 語言中，我們可以快速地利用 ggplot2 套件輕鬆簡單的畫出直方圖。底下會一步一步帶大家實作。

實作篇

資料長相

我們先來匯入資料。從底下的表格可以看到，這份資料2022年九合一選舉中議員候選人的基本資料，欄位有選區、姓名、政黨、性別、生日、年齡、年齡組等。

library(tidyverse)
df_council_candidate_age <- read_csv("../data/ggplot-density-plot.csv")
df_council_candidate_age
#> # A tibble: 1,018 × 7
#>    areaName        name   party      gender birth        age age_group
#>    <chr>           <chr>  <chr>      <chr>  <date>     <dbl>     <dbl>
#>  1 連江縣第1選舉區 曹丞君 中國國民黨 女     1976-07-23  46.3        40
#>  2 連江縣第1選舉區 劉浩晨 民主進步黨 男     1991-08-21  31.3        30
#>  3 連江縣第1選舉區 陳書建 中國國民黨 男     1957-12-20  64.9        60
#>  4 連江縣第1選舉區 林明揚 中國國民黨 男     1963-10-31  59.1        50
#>  5 連江縣第1選舉區 楊清宇 中國國民黨 男     1974-06-16  48.4        40
#>  6 連江縣第2選舉區 周瑞國 中國國民黨 男     1969-04-05  53.6        50
#>  7 連江縣第2選舉區 陳如嵐 中國國民黨 男     1970-12-01  52.0        50
#>  8 連江縣第2選舉區 陳玉發 中國國民黨 男     1960-11-05  62.1        60
#>  9 連江縣第3選舉區 陳貽斌 中國國民黨 男     1969-11-16  53.0        50
#> 10 連江縣第4選舉區 張永江 中國國民黨 男     1960-06-23  62.4        60
#> # &#x2139; 1,008 more rows

從直方圖開始

接著，我們利用library(ggplot2)開始畫圖。這張圖想呈現的是台灣議員候選人的年齡分布，年齡映射到 x 軸，分布密度或者次數則映射到 y 軸，所以我們在 ggplot() 裡面代表美學（aesthetics）的aes()中放入年齡（age）作為 x 軸即可。

df_council_candidate_age %>% 
  ggplot(aes(x = age)) + 
  geom_histogram()

最基礎的直方圖長相就是這樣。我們可以調整 binwidth、變換顏色，同時也可以加上外框，讓 bin 看起來更加明顯些。

調整顏色

我們先從調整顏色開始。fill代表要填入直條的顏色，color則是外框的顏色。

df_council_candidate_age %>% 
  ggplot(aes(x = age)) + 
  geom_histogram(fill = "darkred", color = "black")

調整箱寬

接著，我們來試試看不同的 binwidth。首先來試試看把 binwitdh 調整到 3。

df_council_candidate_age %>% 
  ggplot(aes(x = age)) + 
  geom_histogram(fill = "darkred", color = "black", binwidth = 3)

下一步，則是調得更細，變成 binwidth 為 1 就好。

df_council_candidate_age %>% 
  ggplot(aes(x = age)) + 
  geom_histogram(fill = "darkred", color = "black", binwidth = 1)

輔助線

為了讓圖表更有意義，不只有密度曲線而已，我們額外補上四分位數（quartile）的輔助線，讓讀者可以知道年齡的第一四分位數、第二四分位數（也就是中位數）、第三四分位數位置落在哪裡。

vector_quartile <- unname(quantile(df_council_candidate_age$age))
vector_quartile
#> [1] 24.44384 40.37740 49.54247 59.07466 79.84384

得到四分位數的值以後，我們利用 geom_vline() 加上垂直線，vline 的 v 就是指 vertical，因此需要加上參數 xintercept。大家應該可以想像，若要加上水平線，則使用的函數與參數分別為 geom_vline() 和 yintercept。不過，這樣看起來不是很好看，要再想辦法調整。

df_council_candidate_age %>% 
  ggplot(aes(x = age)) + 
  geom_histogram(fill = "darkred", color = "black", binwidth = 3) +
  geom_vline(aes(xintercept = vector_quartile[3]), color = "blue", linetype = "dashed") +
  geom_vline(aes(xintercept = vector_quartile[2]), color = "darkblue", linetype = "dashed") +
  geom_vline(aes(xintercept = vector_quartile[4]), color = "darkblue", linetype = "dashed")

df_council_candidate_age %>% 
  ggplot(aes(x = age)) + 
  geom_histogram(fill = "darkred", color = "black", binwidth = 3) +
  geom_vline(aes(xintercept = vector_quartile[3]), color = "grey", linetype = "dashed") +
  geom_vline(aes(xintercept = vector_quartile[2]), color = "white", linetype = "dashed") +
  geom_vline(aes(xintercept = vector_quartile[4]), color = "white", linetype = "dashed")

細部繪圖調整

我們再利用 theme_clean() 調整繪圖上的細節，將背景變成白色、修改座標軸顏色，讓結果變得更加清晰。

df_council_candidate_age %>% 
  ggplot(aes(x = age)) + 
  geom_histogram(fill = "darkred", color = "black", binwidth = 3) +
  geom_vline(aes(xintercept = vector_quartile[3]), color = "grey", linetype = "dashed") +
  geom_vline(aes(xintercept = vector_quartile[2]), color = "white", linetype = "dashed") +
  geom_vline(aes(xintercept = vector_quartile[4]), color = "white", linetype = "dashed") +
  ggthemes::theme_clean()

加上座標軸名稱

最後，我們再利用 labs() 補上 x 軸與 y 軸的名稱，就大功告成！

df_council_candidate_age %>% 
  ggplot(aes(x = age)) + 
  geom_histogram(fill = "darkred", color = "black", binwidth = 3) +
  geom_vline(aes(xintercept = vector_quartile[3]), color = "grey", linetype = "dashed") +
  geom_vline(aes(xintercept = vector_quartile[2]), color = "white", linetype = "dashed") +
  geom_vline(aes(xintercept = vector_quartile[4]), color = "white", linetype = "dashed") +
  ggthemes::theme_clean() +
  labs(x = "議員年齡", y = "人數") +
  theme(axis.title = element_text(family = "Noto Sans TC Regular"))

小結

在這篇文章中，我們嘗試畫了一張直方圖（histogram），逐步加上顏色、輔助線、調整帶寬等。希望你喜歡這篇文章，也能夠增添對於 ggplot2 的認識，並且學到東西。

Post Views: 480