Infovis 1: Demo A

library("readr")
library("lubridate")
library("dplyr")
library("ggplot2")
library("tidyr")

Als erstes laden wir den Datensatz temperature_SHA_ZER.csv ein. Es handelt sich dabei um eine leicht modifizierte Variante der Daten aus PrePro1 und PrePro2.

# Wir können den Datensatz direkt über die URL einladen oder aber ihr nutzt die
# URL um den Datensatz lokal bei euch abzuspeichern und wie gewohnt einzulesen
temperature <- read_delim("datasets/infovis/temperature_SHA_ZER.csv", ",")

time	SHA	ZER
2000-01-01 00:00:00	0.2	-8.8
2000-01-01 01:00:00	0.3	-8.7
2000-01-01 02:00:00	0.3	-9.0
2000-01-01 03:00:00	0.3	-8.7
2000-01-01 04:00:00	0.4	-8.5
2000-01-01 05:00:00	0.5	-8.4

Ggplot2

In ggplot wird durch den Befehl ggplot() initiiert. Hier wird einerseits der Datensatz festgelegt, auf dem der Plot beruht (data =), sowie die Variablen innerhalb des Datensatzes, die Einfluss auf den Plot ausüben (mapping = aes()).

# Datensatz: "temperature" | Beeinflussende Variabeln: "time" und "temp"
ggplot(data = temperature, mapping = aes(time, SHA))

Weiter braucht es mindestens ein “Layer”, der beschreibt, wie die Daten dargestellt werden sollen (z.B. geom_point()). Anders als bei “Piping” (|>) wird ein Layer mit + hinzugefügt.

ggplot(data = temperature, mapping = aes(time, SHA)) +
  # Layer: "geom_point" entspricht Punkten in einem Scatterplot
  geom_point()

Da ggplot die Eingaben in der Reihenfolge data = und dann mapping = erwartet, können wir diese Spezifizierungen auch weglassen.

ggplot(temperature, aes(time, SHA)) +
  geom_point()

Long vs. wide

Wie wir in PrePro 2 bereits erwähnt haben, ist ggplot2 auf long tables ausgelegt. Wir überführen deshalb an dieser Stelle die breite in eine lange Tabelle:

temperature_long <- pivot_longer(temperature, -time, names_to = "station", values_to = "temp")

Nun wollen wir die Stationen unterschiedlich einfärben. Da wir Variablen definieren wollen, welche Einfluss auf die Grafik haben sollen, gehört diese Information in aes().

ggplot(temperature_long, aes(time, temp, colour = station)) +
  geom_point()

Wir können noch einen Layer mit Linien hinzufügen:

ggplot(temperature_long, aes(time, temp, colour = station)) +
  geom_point() +
  geom_line()

Beschriftungen (labels)

Weiter können wir die Achsen beschriften und einen Titel hinzufügen. Zudem lasse ich die Punkte (geom_point()) nun weg, da mir diese nicht gefallen.

ggplot(temperature_long, aes(time, temp, colour = station)) +
  geom_line() +
  labs(
    x = "Zeit",
    y = "Temperatur in Grad C°",
    title = "Temperaturdaten Schweiz",
    subtitle = "2001 bis 2002",
    color = "Station"
  )

Split Apply Combine

Im obigen Plot fällt auf, dass stündliche Werte eine zu hohe Auflösung haben, wenn wir die Daten über 2 Jahre visualisieren. Mit Split Apply Combine (PrePro 3) können wir die Auflösung unserer Daten verändern:

temperature_day <- temperature_long |>
  mutate(time = as.Date(time))

temperature_day
## # A tibble: 35,088 × 3
##    time       station  temp
##    <date>     <chr>   <dbl>
##  1 2000-01-01 SHA       0.2
##  2 2000-01-01 ZER      -8.8
##  3 2000-01-01 SHA       0.3
##  4 2000-01-01 ZER      -8.7
##  5 2000-01-01 SHA       0.3
##  6 2000-01-01 ZER      -9  
##  7 2000-01-01 SHA       0.3
##  8 2000-01-01 ZER      -8.7
##  9 2000-01-01 SHA       0.4
## 10 2000-01-01 ZER      -8.5
## # ℹ 35,078 more rows

temperature_day <- temperature_day |>
  group_by(station, time) |>
  summarise(temp = mean(temp))

temperature_day
## # A tibble: 1,462 × 3
## # Groups:   station [2]
##    station time        temp
##    <chr>   <date>     <dbl>
##  1 SHA     2000-01-01  1.25
##  2 SHA     2000-01-02  1.73
##  3 SHA     2000-01-03  1.59
##  4 SHA     2000-01-04  1.78
##  5 SHA     2000-01-05  4.66
##  6 SHA     2000-01-06  3.49
##  7 SHA     2000-01-07  3.87
##  8 SHA     2000-01-08  3.28
##  9 SHA     2000-01-09  3.24
## 10 SHA     2000-01-10  3.24
## # ℹ 1,452 more rows

X/Y-Achse anpassen

Man kann auch Einfluss auf die x-/y-Achsen nehmen. Dabei muss man zuerst festlegen, was für ein Achsentyp der Plot hat (vorher hat ggplot eine Annahme auf der Basis der Daten getroffen).

Bei unserer y-Achse handelt es sich um numerische Daten, ggplot nennt diese: scale_y_continuous(). Unter ggplot2.tidyverse.org findet man noch andere x/y-Achsentypen (scale_x_irgenwas bzw. scale_y_irgendwas).

ggplot(temperature_day, aes(time, temp, colour = station)) +
  geom_line() +
  labs(
    x = "Zeit",
    y = "Temperatur in Grad C°",
    title = "Temperaturdaten Schweiz",
    subtitle = "2001 bis 2002",
    color = "Station"
  ) +
  scale_y_continuous(limits = c(-30, 30)) # y-Achsenabschnitt bestimmen

Das gleiche Spiel kann man für die x-Achse betreiben. Bei unserer x-Achse handelt es sich ja um Datumsangaben. ggplot nennt diese: scale_x_date().

ggplot(temperature_day, aes(time, temp, colour = station)) +
  geom_line() +
  labs(
    x = "Zeit",
    y = "Temperatur in Grad C°",
    title = "Temperaturdaten Schweiz",
    subtitle = "2001 bis 2002",
    color = "Station"
  ) +
  scale_y_continuous(limits = c(-30, 30)) +
  scale_x_date(
    date_breaks = "3 months",
    date_labels = "%b"
  )

Facets / Small Multiples

Sehr praktisch sind auch die Funktionen für “Small multiples”. Dies erreicht man mit facet_wrap() (oder facet_grid(), mehr dazu später). Man muss mit einem Tilde-Symbol “~” nur festlegen, welche Variable für das Aufteilen des Plots in kleinere Subplots verantwortlich sein soll.

ggplot(temperature_day, aes(time, temp, colour = station)) +
  geom_line() +
  labs(
    x = "Zeit",
    y = "Temperatur in Grad C°",
    title = "Temperaturdaten Schweiz",
    subtitle = "2001 bis 2002",
    color = "Station"
  ) +
  scale_y_continuous(limits = c(-30, 30)) +
  scale_x_date(
    date_breaks = "3 months",
    date_labels = "%b"
  ) +
  facet_wrap(~station)

Auch facet_wrap kann man auf seine Bedürfnisse anpassen: Beispielweise kann man mit ncol = die Anzahl facets pro Zeile bestimmen.

Zudem brauchen wir die Legende nicht mehr, da der Stationsnamen über jedem Facet steht. Ich setze deshalb theme(legend.position="none")

ggplot(temperature_day, aes(time, temp, colour = station)) +
  geom_line() +
  labs(
    x = "Zeit",
    y = "Temperatur in Grad C°",
    title = "Temperaturdaten Schweiz",
    subtitle = "2001 bis 2002"
  ) +
  scale_y_continuous(limits = c(-30, 30)) +
  scale_x_date(
    date_breaks = "3 months",
    date_labels = "%b"
  ) +
  facet_wrap(~station, ncol = 1) +
  theme(legend.position = "none")

Plot exportieren

Folgendermassen kann ich den letzten Plot als png-File abspeichern:

ggsave(filename = "plot.png")