ch05 - Log Scale Visualisation

공지

본 포스트는 데이터 시각화 교과서 내용의 일부를 요약하였다.

본 포스트를 읽고 가급적 전체 내용 숙지를 위해 구매하는 것을 권유한다.

개요

수치형 자료를 Y축으로 놓는 그래프는 언제나 힘들었다.
log Scale을 통해 값의 크기를 줄이기는 하지만, Y축을 어떻게 표현하는 것이 좋을지에 대한 고민은 늘 있어왔다.
시각화 이론 중심의 포스팅이기에 코드 리뷰 및 해석은 생략한다.

문제점

log Scale을 적용했을 때와 그렇지 않을 때의 그래프를 비교해본다.

(1) 패키지 불러오기

각각의 패키지를 불러온다.
이 때, 데이터는 dviz.supp 저자인 Claus O. Wilke의 Github Repo에서 가져와야 한다.
- 경고: 이 부분이 초급자 분들에게는 쉽지가 않다.
우선, 사전에 설치해야 할 패키지가 존재한다.
현재 필자 개발환경 Spec은 다음과 같다.

> sessionInfo()
R version 4.0.2 (2020-06-22)
Platform: x86_64-apple-darwin17.0 (64-bit)
Running under: macOS Catalina 10.15.6

아래는 추가적으로 설치한 파일이다.
- 깃허브 Issues에서 좀 더 구체적으로 확인하는 것을 추천한다.
- 참조: installation instructions? #2

install.packages("devtools")

devtools::install_github("wilkelab/cowplot")
library(cowplot)

install.packages("colorspace")
library(colorspace)

devtools::install_github("clauswilke/colorblindr")
library(colorblindr)

devtools::install_github("clauswilke/dviz.supp")
library(dviz.supp)

위 패키지들을 설치하는데 꽤 시간이 걸렸다.

library(lubridate) # 날짜 관련 패키지
library(forcats)   # 시계열 관련 패키지
library(tidyr)     # 데이터 핸들링 패키지
library(ggrepel)   # 시각화 관련 패키지
library(dviz.supp) # 저자의 개인 Repo 패키지: 교재 있는 데이터 활용 및 그래프를 구현하려면 필수적으로 설치 되어야 함.
library(kableExtra) # 데이터 출력 Table을 HTML로 변환하기 위한 패키지

(2) 데이터 확인

데이터는 US_Census 데이터를 기반으로 한다.
- 자료 출처: 2010년도 미국 10개년 인구조사
주의: 한글 폰트는 일단 생략했다.

소스코드 참조: https://github.com/clauswilke/dataviz/blob/master/coordinate_systems_axes.Rmd

set.seed(3878)

US_census %>% filter(state == "Texas") %>%
  select(name, pop2010) %>%
  extract(name, "county", regex = "(.+) County") %>%
  mutate(popratio = pop2010/median(pop2010)) %>%
  arrange(desc(popratio)) %>%
  mutate(index = 1:n(),
         label = ifelse(index <= 3 | index > n()-3 | runif(n()) < .04, county, ""),
         label_large = ifelse(index <= 6, county, "")) -> tx_counties

kable(tx_counties) %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>% 
  scroll_box(width = "500px", height = "200px")

county	pop2010	popratio	index	label	label_large
Harris	4092459	222.6461564	1	Harris	Harris
Dallas	2368139	128.8362439	2	Dallas	Dallas
Tarrant	1809034	98.4186932	3	Tarrant	Tarrant
Bexar	1714773	93.2905174	4		Bexar
Travis	1024266	55.7241717	5		Travis
El Paso	800647	43.5584027	6		El Paso
Collin	782341	42.5624830	7
Hidalgo	774769	42.1505359	8
Denton	662614	36.0488548	9
Fort Bend	585375	31.8467439	10
Montgomery	455746	24.7944073	11
Williamson	422679	22.9954301	12
Cameron	406220	22.0999946	13
Nueces	340223	18.5094935	14
Brazoria	313166	17.0374844	15
Bell	310235	16.8780262	16
Galveston	291309	15.8483760	17	Galveston
Lubbock	278831	15.1695229	18	Lubbock
Jefferson	252273	13.7246613	19
Webb	250304	13.6175399	20
McLennan	234906	12.7798270	21
Smith	209714	11.4092813	22
Brazos	194851	10.6006746	23
Hays	157107	8.5472499	24
Johnson	150934	8.2114140	25
Ellis	149610	8.1393831	26
Ector	137130	7.4604211	27
Midland	136872	7.4463849	28
Guadalupe	131533	7.1559219	29
Taylor	131506	7.1544530	30
Wichita	131500	7.1541265	31
Gregg	121730	6.6225994	32
Potter	121073	6.5868560	33
Grayson	120877	6.5761928	34
Randall	120725	6.5679234	35
Parker	116927	6.3612970	36
Tom Green	110224	5.9966270	37
Comal	108472	5.9013111	38	Comal
Kaufman	103350	5.6226538	39
Bowie	92565	5.0359066	40	Bowie
Victoria	86793	4.7218867	41
Angelina	86771	4.7206898	42
Hunt	86129	4.6857625	43
Orange	81837	4.4522605	44
Henderson	78532	4.2724553	45
Rockwall	78337	4.2618465	46
Liberty	75643	4.1152821	47
Coryell	75388	4.1014091	48
Bastrop	74171	4.0351994	49
Walker	67861	3.6919101	50
Harrison	65631	3.5705892	51
San Patricio	64804	3.5255971	52
Nacogdoches	64524	3.5103640	53
Starr	60968	3.3169033	54
Wise	59127	3.2167456	55
Anderson	58458	3.1803493	56
Hardin	54635	2.9723628	57
Maverick	54258	2.9518525	58
Rusk	53330	2.9013655	59
Van Zandt	52579	2.8605081	60
Hood	51182	2.7845057	61
Cherokee	50845	2.7661716	62
Lamar	49793	2.7089386	63
Kerr	49625	2.6997987	64
Val Verde	48879	2.6592133	65
Navarro	47735	2.5969751	66
Medina	46006	2.5029106	67
Polk	45413	2.4706490	68
Atascosa	44911	2.4433382	69
Waller	43205	2.3505250	70	Waller
Wilson	42918	2.3349110	71
Burnet	42750	2.3257712	72
Wood	41964	2.2830096	73
Wharton	41280	2.2457973	74
Jim Wells	40838	2.2217507	75
Upshur	39309	2.1385670	76
Cooke	38437	2.0911267	77
Brown	38106	2.0731190	78
Caldwell	38066	2.0709428	79
Erath	37890	2.0613677	80
Matagorda	36702	1.9967358	81
Hale	36273	1.9733964	82
Jasper	35710	1.9427670	83
Hopkins	35161	1.9128992	84
Chambers	35096	1.9093629	85
Hill	35089	1.9089821	86
Howard	35012	1.9047930	87
Fannin	33915	1.8451118	88
Washington	33718	1.8343942	89
Kendall	33410	1.8176378	90
Titus	32334	1.7590991	91
Kleberg	32061	1.7442468	92
Bee	31861	1.7333660	93
Cass	30464	1.6573636	94
Austin	28417	1.5459986	95
Palo Pinto	28111	1.5293510	96
Grimes	26604	1.4473641	97
Uvalde	26405	1.4365377	98
San Jacinto	26384	1.4353952	99	San Jacinto
Shelby	25448	1.3844731	100
Gillespie	24837	1.3512323	101
Milam	24757	1.3468799	102
Fayette	24554	1.3358359	103
Panola	23796	1.2945977	104
Houston	23732	1.2911158	105
Limestone	23384	1.2721832	106
Aransas	23158	1.2598879	107
Hockley	22935	1.2477558	108
Gray	22535	1.2259942	109
Hutchinson	22150	1.2050487	110
Willacy	22134	1.2041782	111
Moore	21904	1.1916653	112
Tyler	21766	1.1841576	113
Calhoun	21381	1.1632120	114
Colorado	20874	1.1356292	115
Bandera	20485	1.1144660	116
Jones	20202	1.0990697	117
DeWitt	20097	1.0933573	118
Freestone	19816	1.0780697	119
Gonzales	19807	1.0775801	120
Montague	19719	1.0727926	121
Lampasas	19677	1.0705076	122
Deaf Smith	19372	1.0539144	123
Llano	19301	1.0500517	124
Lavaca	19263	1.0479843	125
Eastland	18583	1.0109896	126
Young	18550	1.0091943	127
Bosque	18212	0.9908057	128
Falls	17866	0.9719819	129
Gaines	17526	0.9534846	130
Frio	17217	0.9366737	131
Burleson	17187	0.9350416	132
Scurry	16921	0.9205702	133
Leon	16801	0.9140417	134
Robertson	16622	0.9043034	135
Lee	16612	0.9037593	136
Pecos	15507	0.8436429	137
Nolan	15216	0.8278113	138
Karnes	14824	0.8064850	139
Andrews	14786	0.8044176	140
Trinity	14585	0.7934824	141
Newton	14445	0.7858658	142
Jackson	14075	0.7657364	143
Zapata	14018	0.7626353	144
Lamb	13977	0.7604048	145
Comanche	13974	0.7602416	146
Dawson	13833	0.7525706	147
Reeves	13783	0.7498504	148
Madison	13664	0.7433763	149
Callahan	13544	0.7368478	150
Wilbarger	13535	0.7363582	151
Morris	12934	0.7036614	152
Red River	12860	0.6996355	153
Terry	12651	0.6882651	154
Camp	12401	0.6746641	155
Duval	11782	0.6409880	156
Zavala	11677	0.6352756	157
Live Oak	11531	0.6273326	158
Rains	10914	0.5937653	159
Sabine	10834	0.5894130	160
Clay	10752	0.5849519	161
Ward	10658	0.5798379	162
Franklin	10605	0.5769545	163
Marion	10546	0.5737446	164
Runnels	10501	0.5712964	165
Blanco	10497	0.5710788	166
Parmer	10269	0.5586747	167
Ochiltree	10223	0.5561721	168
Dimmit	9996	0.5438224	169
Stephens	9630	0.5239106	170
Mitchell	9403	0.5115609	171	Mitchell
Brewster	9232	0.5022578	172
Archer	9054	0.4925739	173
Jack	9044	0.4920298	174
Coleman	8895	0.4839236	175
San Augustine	8865	0.4822915	176
Hamilton	8517	0.4633589	177
Somervell	8490	0.4618900	178
McCulloch	8283	0.4506284	179
Castro	8062	0.4386051	180
Yoakum	7879	0.4286491	181
Swisher	7854	0.4272890	182
Presidio	7818	0.4253305	183
Refugio	7383	0.4016648	184
Brooks	7223	0.3929601	185
Goliad	7210	0.3922529	186	Goliad
Bailey	7165	0.3898047	187
Winkler	7110	0.3868125	188
Childress	7041	0.3830586	189
La Salle	6886	0.3746260	190
Dallam	6703	0.3646700	191
Garza	6461	0.3515043	192
Floyd	6446	0.3506882	193
Carson	6182	0.3363256	194
San Saba	6131	0.3335509	195
Hartley	6062	0.3297971	196
Crosby	6059	0.3296339	197
Lynn	5915	0.3217997	198
Haskell	5899	0.3209292	199
Hansford	5613	0.3053697	200
Wheeler	5410	0.2943257	201
Jim Hogg	5300	0.2883412	202
Delta	5231	0.2845873	203
Mills	4936	0.2685382	204
Martin	4799	0.2610848	205
Kimble	4607	0.2506392	206
Crane	4375	0.2380175	207
Hardeman	4139	0.2251782	208
Sutton	4128	0.2245797	209
Concho	4087	0.2223492	210
Mason	4012	0.2182689	211
Fisher	3974	0.2162015	212
Hemphill	3807	0.2071160	213
Baylor	3726	0.2027093	214
Crockett	3719	0.2023285	215
Knox	3719	0.2023285	216
Donley	3677	0.2000435	217
Kinney	3598	0.1957456	218
Hudspeth	3476	0.1891083	219
Schleicher	3461	0.1882923	220
Shackelford	3378	0.1837767	221
Reagan	3367	0.1831783	222
Upton	3355	0.1825254	223
Hall	3353	0.1824166	224
Coke	3320	0.1806213	225
Real	3309	0.1800228	226	Real
Lipscomb	3302	0.1796420	227	Lipscomb
Cochran	3127	0.1701213	228
Collingsworth	3057	0.1663130	229
Sherman	3034	0.1650617	230
Dickens	2444	0.1329634	231
Culberson	2398	0.1304608	232
Jeff Davis	2342	0.1274142	233
Menard	2242	0.1219738	234
Oldham	2052	0.1116370	235
Edwards	2002	0.1089168	236
Armstrong	1901	0.1034220	237
Throckmorton	1641	0.0892770	238
Briscoe	1637	0.0890594	239
Irion	1599	0.0869920	240
Cottle	1505	0.0818780	241
Stonewall	1490	0.0810620	242
Foard	1336	0.0726837	243
Glasscock	1226	0.0666993	244
Motley	1210	0.0658288	245
Sterling	1143	0.0621838	246
Terrell	984	0.0535335	247
Roberts	929	0.0505413	248
Kent	808	0.0439584	249
McMullen	707	0.0384636	250
Borden	641	0.0348730	251
Kenedy	416	0.0226321	252	Kenedy
King	286	0.0155595	253	King
Loving	82	0.0044611	254	Loving

(3) 모호한 시각화

주어진 데이터를 가지고 시각화를 작성한다.

temp_font <- "Times New Roman"

counties_lin <- ggplot(tx_counties, aes(x = index, y = popratio)) +
  geom_point(size = 0.5, color = "#0072B2") +
  geom_text_repel(aes(label = label_large), point.padding = .4, color = "black",
                  min.segment.length = 0, family = temp_font) +
  scale_y_continuous(name = "population number / median") +
  scale_x_continuous(limits = c(.5, nrow(tx_counties) + .5), expand = c(0, 0),
                     breaks = NULL, #c(1, 50*(1:5)),
                     name = "Texas counties, from most to least populous") +
  theme_dviz_hgrid(font_family = temp_font) +
  theme(axis.line = element_blank(),
        plot.margin = margin(3, 7, 3, 1.5)) 

ggdraw(counties_lin, clip = "on") + 
  draw_text(paste0("bad", "  "), x=1, y=1, vjust=1.1, hjust=1, size=14, angle = 0,
              color="#d02138", alpha=1, family = temp_font, fontface = "plain") +
  draw_line(c(1, 1), c(0, 1), size=2.8, color="#d02138", alpha=1)

위 그래프는 전형적인 선형 스케일을 옮겨 담은 것이다.
- 선형(linear)스케일은 대개 데이터를 정확하게 보여주기도 하지만, 독자에게 보다 강한 메시지를 주기 위해서는 비선형 스케일이 더 좋을 때가 있다.
- 위 데이터에서 인구 수가 중간값이 카운티와 중간 값에 훨씬 못 미치는 카운티 사이의 인구 차이가 잘 드러나지 않으면, 전달력이 그만큼 떨어진다는 얘기다.

로그 스케일 적용

로그 변환을 적용한 그래프를 작성한다.
그래프를 먼저 본 후, 추가적인 이론 설명을 진행한다.

(1) 보정된 시각화

시각화 코드는 아래와 같다.

ggplot(tx_counties, aes(x = index, y = popratio)) +
  geom_hline(yintercept = 1, linetype = 2, color = "grey40") +
  geom_point(size = 0.5, color = "#0072B2") +
  geom_text_repel(aes(label = label), point.padding = .4, color = "black",
                  min.segment.length = 0, family = temp_font) +
  scale_y_log10(breaks = c(.01, .1, 1, 10, 100),
                name = "population number / median",
                labels = label_log10) +
  scale_x_continuous(limits = c(.5, nrow(tx_counties) + .5), expand = c(0, 0),
                     breaks = NULL, #c(1, 50*(1:5)),
                     name = "Texas counties, from most to least populous") +
  theme_dviz_hgrid(font_family = temp_font) +
  theme(axis.line = element_blank(),
        plot.margin = margin(3, 7, 3, 1.5))

(2) 그래프 해석

위 그래프는 비율 값을 로그 스케일로 사용할 때의 예시이다. - 텍사스의 카운티별 인구를 텍사스 전체 인구의 중간 값으로 나눈다고 생각할 때, 이 계산으로 얻은 비율 값은 1보다 크거나 작다.
- 다시 말하면, 비율 값이 정확하게 1이면 그 카운티는 텍사즈 주 전체의 중간 값과 똑같다고 볼 수 있다.
대칭 형태의 그래프를 보여주면서, 인구가 많은 지역과 그렇지 못한 지역의 편차를 보여주는 매우 훌륭한 그래프가 완성 되었다.
지역별로 편차가 심하게 큰 데이터에는 로그스케일 변환 그래프가 유용할 수 있다.
해리스의 카운티는 4,092,459명이지만, 가장 적은 카운티는 82명일 수도 있다.
이러한 경우에 로그 스케일은 매우 적정할 수 있다.

(3) 제곱근 스케일

만약 특정지역의 인구수가 0명으로 기록되었다면 어떻게 할까?
0은 로그 스케일에 표시할 수 없기 때문에, 이럴 경우 제곱근 스케일을 사용한다.
그러나, 다루기가 쉽지 않다.
- 이 부분은 교재 또는 추후에 별도로 포스팅 하는 것으로 남겨둔다.

소결론

시각화를 그릴 때, 표준점수로 환산해서 그래프를 작성한 적은 몇번 있다.
- 막대 그래프를 사용했지만, 거리감까지 드는 그래프는 아니었다.
- 위 그래프는 line + point의 조합으로 나타냈다는 데 의의가 있다.
선형 스케일, 로그 스케일, 그리고 제곱근 스케일의 차이점이 있음을 알게 되었다.

자세한 건 교재를 구매하자.

V. Reference (원서)

Wilke, C. (2019). Fundamentals of Data Visualization. Retrieved July 28, 2020, from https://serialmentor.com/dataviz/

ch05 - Log Scale Visualisation

2020-07-29T00:10:39+09:00

공지

개요

문제점

(1) 패키지 불러오기

(2) 데이터 확인

(3) 모호한 시각화

로그 스케일 적용

(1) 보정된 시각화

(2) 그래프 해석

(3) 제곱근 스케일

소결론

V. Reference (원서)