정보의 시각화: 첫인상
* {{:info.vis.01.xlsx}}
====== Charts ======
{{what.is.stats.jpg?600}}
* 모은 데이터를 분석하는 한 방법
* 상황을 파악하고 결론을 내려 결정을 (decision making) 할 수 있도록 한다.
* 그러나, 데이터의 시각화에는 많은 허점이 따른다.
{{mis.presentation.vis.jpg?500}}
{{what.is.wrong.vis.jpg?500}}
* the same data
* different axis
====== Pie Chart ======
{{good.pie.chart.jpg}}
Good to go with
* frequency data for categories which should add up to 100 percent
----
Better
{{better.pie.chart.jpg}}
* side note for actual numbers and
* table
----
Bad
{{bad.pie.chart.jpg?350}}
* 각 게임 장르별 사용자의 만족도 퍼센티지를 모아 놓은 파이차트는 유용하지 않다.
====== Bar chart ======
{{good.bar.chart.jpg?600}}
* region 별 sales
* 대륙 별 sales
* 분기 별 수익률
* 카테고리화한 종류 별 숫자기록 (일반화)
{{good.bar.chart.2.png?600}}
* 장르 별 만족도
* (우리 회사) 부서별 성취도
====== Histogram ======
^ ser ^ freq ^
| 1 | 100 |
| 2 | 88 |
| 3 | 159 |
| 4 | 201 |
| 5 | 250 |
| 6 | 250 |
| 7 | 254 |
| 8 | 288 |
| 9 | 356 |
| 10 | 380 |
| 11 | 430 |
| 12 | 450 |
| 13 | 433 |
| 14 | 543 |
| 15 | 540 |
| 16 | 570 |
| 17 | 450 |
| 18 | 433 |
| 19 | 543 |
| 20 | 690 |
| 21 | 640 |
| 22 | 720 |
| 23 | 777 |
| 24 | 720 |
| 25 | 880 |
| 26 | 900 |
Excel에서의 histogram
| Bin | Frequency |
| 199 | 3 |
| 399 | 7 |
| 599 | 9 |
| 799 | 5 |
| 999 | 2 |
in R . . . .
dat <- c(100, 88, 159, 201, 250, 250, 254, 288, 356, 380,
430, 450, 433, 543, 540, 570, 450, 433, 543, 690,
640, 720, 777, 720, 880, 900)
dat
hist(dat)
hist(dat, breaks=5)
====== Scatter plot ======
hist(mtcars$hp)
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
{{:c:ps1-1:2019:pasted:20190909-103341.png}}
# Simple Scatterplot
attach(mtcars)
plot(wt, mpg, main="Scatterplot Example",
xlab="Car Weight ", ylab="Miles Per Gallon ",
pch=19)
{{:c:ps1-1:2019:pasted:20190909-075028.png}}
explanatory (설명) variable at x axis
response (반응) at y axis
But, it does mean __no causal relationship__ between the two variables. Association between two does not guarantee a causal relationship.
Drawing a line among the data.
# Add fit lines
abline(lm(mpg~wt), col="red") # regression line (y~x)
lines(lowess(wt,mpg), col="blue") # lowess line (x,y)
{{:c:ps1-1:2019:pasted:20190909-075639.png}}
A bit more fancy line
# Enhanced Scatterplot of MPG vs. Weight
# by Number of Car Cylinders
library(car)
scatterplot(mpg ~ wt | cyl, data=mtcars,
xlab="Weight of Car", ylab="Miles Per Gallon",
main="Enhanced Scatter Plot",
labels=row.names(mtcars))
{{:c:ps1-1:2019:pasted:20190909-080032.png}}
Line can be:
**__관계의 방향 (direction)__**
^ 관계의 방향 ^^
| {{:r.positive.png}} | {{:r.negative.png}} |
**__관계의 모양 (shape)__**
^ 관계의 모양 ^^
| {{:r.positive.png}} | {{:r.curvepositive.png}} |
**__관계의 정도 (힘)__**
^ 관계의 정도 (힘) ^^
| [{{:r.StrengthA.png|Figure_4-1}}] | [{{:r.StrengthB.png|Figure 4-2}}] |
| [{{:r.StrengthC.png|Figure_4-3}}] | [{{:r.StrengthD.png|Figure 4-4}}] |
Pearson's r 의 의미
__Relations, not cause-effect__
[{{:r_eg.15.6.png?250 |Figure 6. Correlation And Causation}}] 상관관계 계수는 단순히 두 변인 (x, y) 간의 관계가 있다는 것을 알려줄 뿐, 왜 그 관계가 있는지는 설명하지 않는다. 바꿔 말하면, 충분한 r 값을 구했다고 해서 이 값이 두 변인 간의 '''원인'''과 '''결과'''의 관계를 말한다고 이야기 하면 __안된다__. 예를 들면 아이스크림의 판매량과 성범죄가 서로 상관관계에 있다고 해서, 전자가 후자의 원인이라고 단정할 수 있는 근거는 없다. 이는 연구자의 논리적인 판단 혹은 이론적인 판단에 따른다.
__Interpretation with limited range__
[{{:r_eg.15.71.png?250 |Figure_7._Correlation_And_Range}}]
[{{:r_eg.15.7b1.png?250 |Figure_7._Correlation_And_Range}}]
데이터의 [[Range]]에 대한 판단에 신중해야 한다. 왜냐 하면, 데이터의 어느 곳을 자르느냐에 따라서 r 값이 심하게 변하기 때문이다.
__Outliers__
[{{:r_eg.15.8a.png?250 |Figure_7._Correlation_And_Extreme_Data}}]
[{{:r_eg.15.8b.png?250 |Figure_7._Correlation_And_Extreme_Data}}]
위의 설명과 관련하여, 만약에 아주 심한 Outlier가 존재한다면 두 변인 간의 상관관계에 심한 영향을 준다.
[{{:pearson-6.png?300 |}}]
make it sure that there is __no data entry error__.
{{:r.crime.scatterplot.for.single.by.state.jpg}}
see
https://www.gapminder.org/answers/how-does-income-relate-to-life-expectancy/
* Life expectancy data: {{:life.exp.csv}}
le <- as.data.frame(read.csv("http://commres.net/wiki/_media/life.exp.csv", header=T))
colnames(le)[1] <- "c.code" # not really necessary. But, sometimes imported first characters are broken.
lea <- le$X2017
leb <- lea[complete.cases(lea)]
hist(leb, color="grey")
[{{:c:ps1-1:2019:pasted:20190909-110252.png|Life expectancy in 2017}}]
.
[{{:c:ps1-1:2019:pasted:20190909-104759.png|Distribution of temperature}}]
.
[{{:c:ps1-1:2019:pasted:20190909-111117.png|skewness}}]
.
[{{:c:ps1-1:2019:pasted:20190909-111001.png|modality}}]
.
box plot
# Boxplot of MPG by Car Cylinders
boxplot(mpg~cyl,data=mtcars,
main="Car Milage Data",
xlab="Number of Cylinders",
ylab="Miles Per Gallon")
{{:c:ps1-1:2019:pasted:20190909-111438.png}}