{"id":3983,"date":"2023-07-14T08:46:03","date_gmt":"2023-07-14T08:46:03","guid":{"rendered":"https:\/\/statorials.org\/pl\/srednia-wykresu-slupkowego-ggplot2-geom\/"},"modified":"2023-07-14T08:46:03","modified_gmt":"2023-07-14T08:46:03","slug":"srednia-wykresu-slupkowego-ggplot2-geom","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/srednia-wykresu-slupkowego-ggplot2-geom\/","title":{"rendered":"Jak wykre\u015bli\u0107 \u015bredni\u0105 za pomoc\u0105 geom_bar() w ggplot2"},"content":{"rendered":"

<\/p>\n

\n

Mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni, aby wykre\u015bli\u0107 \u015brednie warto\u015bci wed\u0142ug grupy za pomoc\u0105 funkcji geom_bar()<\/strong> w ggplot2:<\/span><\/p>\n

 library<\/span> (ggplot2)\n\nggplot(df, aes(group_var, values_var)) +\n  geom_bar(position=' dodge<\/span> ', stat=' summary<\/span> ', fun=' mean<\/span> ')\n<\/strong><\/pre>\n
 Poni\u017cszy przyk\u0142ad pokazuje, jak zastosowa\u0107 t\u0119 sk\u0142adni\u0119 w praktyce.<\/span><\/p>\n
 Uwaga<\/strong> : Argument fun<\/strong> w geom_bar()<\/strong> informuje ggplot2, kt\u00f3ra statystyka opisowa ma by\u0107 wy\u015bwietlana za pomoc\u0105 s\u0142upk\u00f3w. Do tego argumentu mo\u017cna tak\u017ce przekaza\u0107 inn\u0105 statystyk\u0119 opisow\u0105, tak\u0105 jak \u201emediana\u201d, aby wykre\u015bli\u0107 warto\u015b\u0107 mediany wed\u0142ug grup.<\/span><\/p>\n
 Przyk\u0142ad: wykre\u015blanie \u015brednich warto\u015bci za pomoc\u0105 geom_bar() w ggplot2<\/strong><\/span><\/h2>\n
 Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 danych zawieraj\u0105c\u0105 informacj\u0119 o liczbie punkt\u00f3w zdobytych przez koszykarzy z r\u00f3\u017cnych dru\u017cyn:<\/span><\/p>\n
 #create data frame\n<\/span>df <- data. frame<\/span> (team=rep(c(' A<\/span> ', ' B<\/span> ', ' C<\/span> '), each= 4<\/span> ),\n                 points=c(3, 5, 5, 6, 5, 7, 7, 8, 9, 9, 9, 8))\n\n#view data frame\n<\/span>df\n\n   team points\n1 to 3\n2 to 5\n3 to 5\n4 to 6\n5 B 5\n6 B 7\n7 B 7\n8 B 8\n9 C 9\n10 C 9\n11 C 9\n12 C 8\n<\/strong><\/pre>\n
 Mo\u017cemy u\u017cy\u0107 nast\u0119puj\u0105cej sk\u0142adni, aby utworzy\u0107 wykres s\u0142upkowy, na kt\u00f3rym ka\u017cdy s\u0142upek reprezentuje \u015bredni\u0105 warto\u015b\u0107 punktow\u0105<\/strong> , pogrupowan\u0105 wed\u0142ug zespo\u0142u<\/strong> :<\/span> <\/p>\n
 library<\/span> (ggplot2)\n\n#create bar plot to visualize mean points value by team\n<\/span>ggplot(df, aes(team, points)) +\n  geom_bar(position=' dodge<\/span> ', stat=' summary<\/span> ', fun=' mean<\/span> ')<\/strong> <\/pre>\n
\"wykre\u015bl<\/p>\n
 Wysoko\u015b\u0107 ka\u017cdego s\u0142upka reprezentuje \u015bredni\u0105 warto\u015b\u0107 punktow\u0105<\/strong> ka\u017cdej dru\u017cyny<\/strong> .<\/span><\/p>\n
 Aby wy\u015bwietli\u0107 rzeczywist\u0105 \u015bredni\u0105 warto\u015b\u0107 punktow\u0105 ka\u017cdej dru\u017cyny, mo\u017cemy skorzysta\u0107 z funkcji podsumowania()<\/strong> z pakietu dplyr<\/strong> :<\/span><\/p>\n
 library<\/span> (dplyr)\n\n#calculate mean value of points, grouped by team\n<\/span>df %>%\n  group_by(team) %>%\n  summarise(mean_pts = mean(points, na. rm<\/span> = TRUE<\/span> ))\n\n# A tibble: 3 x 2\n  team mean_pts\n      \n1 to 4.75\n2 B 6.75\n3 C 8.75\n<\/strong><\/pre>\n
 Z wyniku mo\u017cemy zobaczy\u0107 \u015bredni\u0105 warto\u015b\u0107 punktow\u0105 dla ka\u017cdej dru\u017cyny:<\/span><\/p>\n