Infovis 1: Übung

Veröffentlichungsdatum

23. Oktober 2023

In dieser Übung geht es darum, die Grafiken aus dem Blog-post Kovic (2014) zu rekonstruieren. Der urspüngliche Blogpost ist nicht mehr verfügbar, wir haben deshalb eine Kopie auf folgender Website gehostet:

https://researchmethods-zhaw.github.io/blog.tagesanzeiger.ch/

Schau dir die Grafiken in dem Blogpost durch. Freundlicherweise wurden im Blogbeitrag die ggplot2 Standardeinstellungen benutzt, was die Rekonstruktion relativ einfach macht. Die Links im Text verweisen auf die Originalgrafik, die eingebetteten Plots sind meine eigenen Rekonstruktionen.

Importiere als erstes den Datensatz tagi_data_kanton.csv.

library("dplyr")
library("ggplot2")
library("readr")

kanton <- read_delim("datasets/infovis/tagi_data_kantone.csv", ",")

Aufgabe 1

Rekonstrukturiere folgenden Plot aus Kovic (2014) mithilfe von ggplot und dem tagi_data_kanton.csv Datensatz:

Tipp:

Nutze ggplot(kanton, aes(auslanderanteil, ja_anteil)) um den ggplot zu initiieren. Füge danach ein einen Punkte Layer hinzu (geom_point())
Nutze coord_fixed() um die beiden Achsen in ein fixes Verhältnis zu setzen (1:1).
Optional:
- Setze die Achsen Start- und Endwerte mittels scale_y_continuous bzw. scale_x_continuous.
- Setze analog Kovic (2014) die breaks (0.0, 0.1…0.7) manuell (innerhalb scale_*_continuous)
- Nutze labs() für die Beschriftung der Achsen

Code

# Lösung zu Aufgabe 1

plot1 <- ggplot(kanton, aes(auslanderanteil, ja_anteil)) +
  geom_point() +
  coord_fixed(1) +
  scale_y_continuous(breaks = c(0, 0.1, 0.3, 0.5, 0.7), limits = c(0, 0.7)) +
  scale_x_continuous(breaks = c(0, 0.1, 0.3, 0.5, 0.7), limits = c(0, 0.7)) +
  labs(y = "Anteil Ja-Stimmen", x = "Ausländeranteil")

plot1

Aufgabe 2

Rekonstrukturiere folgenden Plot aus Kovic (2014) mithilfe von ggplot:

Tipp:

Nutze geom_smooth

Code

# Lösung zu Aufgabe 2

plot1 +
  geom_smooth()

Aufgabe 3

Importiere die Gemeindedaten tagi_data_gemeinden.csv.

Rekonstrukturiere folgenden Plot aus Kovic (2014) mithilfe von ggplot und dem tagi_data_gemeinden.csv Datensatz:

Tipp:

Nutze geom_point()
Nutze labs()
Nutze coord_fixed()

Code

# Lösung zu Aufgabe 3

gemeinde <- read_delim("datasets/infovis/tagi_data_gemeinden.csv", ",")

plot2 <- ggplot(gemeinde, aes(anteil_ausl, anteil_ja)) +
  geom_point() +
  labs(x = "Ausländeranteil", y = "Anteil Ja-Stimmen") +
  coord_fixed(1) +
  lims(x = c(0, 1), y = c(0, 1))

plot2

Aufgabe 4

Rekonstrukturiere folgenden Plot aus Kovic (2014) mithilfe von ggplot und dem tagi_data_gemeinden.csv Datensatz:

Tipp:

Nutze geom_smooth

Code

# Lösung zu Aufgabe 4

plot2 +
  geom_smooth()

Aufgabe 5

Rekonstrukturiere folgenden Plot aus Kovic (2014) mithilfe von ggplot und dem tagi_data_gemeinden.csv Datensatz:

Tipp:

Nutze facet_wrap um einen Plot pro Kanton darzustellen.

Code

# Lösung zu Aufgabe 5

plot3 <- plot2 +
  facet_wrap(~kanton)
plot3

Aufgabe 6

Rekonstrukturiere folgenden Plot aus Kovic (2014) mithilfe von ggplot und dem tagi_data_gemeinden.csv Datensatz:

Tipp:

Nutze geom_smooth

Code

# Lösung zu Aufgabe 6

plot3 +
  geom_smooth()

Aufgabe 7

Rekonstrukturieren folgenden Plot aus Kovic (2014) mithilfe von ggplot und dem tagi_data_gemeinden.csv Datensatz:

Tipp:

Nutze facet_wrap

Code

# Lösung zu Aufgabe 7

plot4 <- plot2 +
  facet_wrap(~quantile)
plot4

Aufgabe 8

Rekonstrukturiere folgenden Plot aus Kovic (2014) mithilfe von ggplot und dem tagi_data_gemeinden.csv Datensatz:

Tipp:

Nutze geom_smooth

Code

# Lösung zu Aufgabe 8

plot4 +
  geom_smooth()