<\/p>\n
Podobnie jak wykres s\u0142upkowy, wykres Lollipop<\/strong> jest przydatny do por\u00f3wnywania warto\u015bci ilo\u015bciowych zmiennej kategorycznej. Zamiast u\u017cywa\u0107 s\u0142upk\u00f3w, wykres Lollipop wykorzystuje linie z okr\u0119gami na ko\u0144cu, aby przedstawi\u0107 warto\u015bci ilo\u015bciowe.<\/span><\/p>\n Wykres Lollipop to \u015bwietny spos\u00f3b na por\u00f3wnanie wielu kategorii przy jednoczesnej minimalizacji ilo\u015bci kolor\u00f3w na wykresie i skupieniu uwagi czytelnika na rzeczywistych warto\u015bciach na wykresie, a nie na liniach lub innych grafikach na wykresie. Wiele os\u00f3b uwa\u017ca r\u00f3wnie\u017c, \u017ce tabliczka Lollipop jest estetyczna.<\/span><\/p>\n W tym samouczku om\u00f3wimy kroki niezb\u0119dne do utworzenia nast\u0119puj\u0105cego wykresu Lollipop:<\/span><\/p>\n W tym przyk\u0142adzie u\u017cyjemy wbudowanego zestawu danych R mtcars<\/strong> :<\/span><\/p>\n Poni\u017cszy kod ilustruje, jak to zrobi\u0107 <\/strong> aby utworzy\u0107 wykres Lollipop w celu por\u00f3wnania mpg<\/em> (mil na galon) ka\u017cdego z 32 samochod\u00f3w w zbiorze danych.<\/span><\/p>\n Nazwy samochod\u00f3w s\u0105 zdefiniowane w nazwach wierszy zbioru danych, dlatego najpierw tworzymy w zbiorze danych now\u0105 kolumn\u0119 zawieraj\u0105c\u0105 te nazwy wierszy.<\/span><\/p>\n Nast\u0119pnie \u0142adujemy bibliotek\u0119 ggplot2<\/strong> , kt\u00f3r\u0105 wykorzystamy do stworzenia wykresu Lollipop.<\/span><\/p>\n W ggplot2 u\u017cywamy geom_segment<\/strong> do tworzenia linii na wykresie. Ustawiamy pocz\u0105tkowe i ko\u0144cowe warto\u015bci x odpowiednio na 0<\/em> i mpg<\/em> . Ustawiamy pocz\u0105tkowe i ko\u0144cowe warto\u015bci y jako char<\/em> :<\/span><\/p>\n Mo\u017cemy tak\u017ce doda\u0107 etykiety do wykresu za pomoc\u0105 argument\u00f3w label<\/strong> i geom_text<\/strong> :<\/span><\/p>\n Lub zamiast umieszcza\u0107 etykiety na ko\u0144cu ka\u017cdej linii, mogliby\u015bmy umie\u015bci\u0107 je wewn\u0105trz samych okr\u0119g\u00f3w, powi\u0119kszaj\u0105c okr\u0119gi i zmieniaj\u0105c kolor czcionki etykiety na bia\u0142y:<\/span><\/p>\n Mo\u017cemy tak\u017ce skorzysta\u0107 z wykresu Lollipop, aby por\u00f3wna\u0107 warto\u015bci z konkretn\u0105 liczb\u0105. Na przyk\u0142ad mo\u017cemy znale\u017a\u0107 \u015bredni\u0105 warto\u015b\u0107 mpg<\/em> w zbiorze danych, a nast\u0119pnie por\u00f3wna\u0107 mpg<\/em> ka\u017cdego samochodu ze \u015bredni\u0105.<\/span><\/p>\n Poni\u017cszy kod wykorzystuje bibliotek\u0119 dplyr<\/strong> do znalezienia \u015bredniej warto\u015bci mpg<\/em> , a nast\u0119pnie uporz\u0105dkowania samochod\u00f3w w kolejno\u015bci rosn\u0105cej<\/em> :<\/span><\/p>\n Nast\u0119pnie poni\u017cszy kod tworzy wykres Lollipop, ustawiaj\u0105c kolor okr\u0119gu na r\u00f3wny warto\u015bci flagi<\/em> (w tym przypadku PRAWDA lub FA\u0141SZ), a pocz\u0105tkow\u0105 warto\u015b\u0107 x dla ka\u017cdego samochodu na r\u00f3wn\u0105 \u015bredniej warto\u015bci mpg<\/em> .<\/span><\/p>\n Korzystaj\u0105c z tego typu palety kolor\u00f3w, mo\u017cemy \u0142atwo okre\u015bli\u0107, kt\u00f3re samochody maj\u0105 ni\u017csze, a kt\u00f3re wy\u017csze spalanie<\/em> ni\u017c \u015brednia ze zbioru danych.<\/span><\/p>\n Domy\u015blnie R u\u017cywa koloru niebieskiego i czerwonego jako kolor\u00f3w wykresu. Mo\u017cemy jednak u\u017cy\u0107 dowolnych kolor\u00f3w, u\u017cywaj\u0105c argumentuscale_color_manual<\/strong> :<\/span><\/p>\n Wreszcie mo\u017cemy wykorzysta\u0107 szerokie mo\u017cliwo\u015bci ggplot2<\/strong> do dalszej modyfikacji estetyki wykresu i stworzenia profesjonalnie wygl\u0105daj\u0105cego produktu ko\u0144cowego:<\/span><\/p>\n Podobnie jak wykres s\u0142upkowy, wykres Lollipop jest przydatny do por\u00f3wnywania warto\u015bci ilo\u015bciowych zmiennej kategorycznej. Zamiast u\u017cywa\u0107 s\u0142upk\u00f3w, wykres Lollipop wykorzystuje linie z okr\u0119gami na ko\u0144cu, aby przedstawi\u0107 warto\u015bci ilo\u015bciowe. Wykres Lollipop to \u015bwietny spos\u00f3b na por\u00f3wnanie wielu kategorii przy jednoczesnej minimalizacji ilo\u015bci kolor\u00f3w na wykresie i skupieniu uwagi czytelnika na rzeczywistych warto\u015bciach na wykresie, a […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-479","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Przyk\u0142ad: wykres Lollipop w j\u0119zyku R<\/strong><\/span><\/h2>\n
#view first six rows of mtcars\n<\/em><\/span>head(mtcars)\n<\/strong><\/pre>\n<\/h3>\n
Podstawowy wykres Lollipop<\/strong><\/span><\/h2>\n
#create new column for car names<\/span>\nmtcars$car <- row.names(mtcars)\n\n#load ggplot2<\/em> library<\/span>\nlibrary(ggplot2)\n\n#create lollipop chart<\/span>\nggplot(mtcars, aes(x = mpg, y = car)) +\n geom_segment(aes(x = 0, y = car, xend = mpg, yend = car)) +\n geom_point()<\/strong><\/pre>\n Dodawanie etykiet<\/strong><\/span><\/h2>\n
ggplot(mtcars, aes(x = mpg, y = car, label = mpg<\/span> )) +\n geom_segment(aes(x = 0, y = car, xend = mpg, yend = car)) +\n geom_point() +\n geom_text(nudge_x = 1.5)<\/span><\/strong><\/pre>\n ggplot(mtcars, aes(x = mpg, y = car, label = mpg)) +\n geom_segment(aes(x = 0, y = car, xend = mpg, yend = car)) +\n geom_point( size = 7<\/span> ) +\n geom_text( color = 'white', size = 2<\/span> )<\/strong><\/pre>\n Por\u00f3wnaj warto\u015bci ze \u015bredni\u0105<\/strong><\/span><\/h2>\n
#load library dplyr\n<\/em><\/span>library(dplyr)\n\n#find mean value of mpg<\/em> and arrange cars in order by mpg<\/em> descending<\/span>\nmtcars_new <- mtcars %>%\n arrange(mpg) %>%\n mutate(mean_mpg = mean(mpg),\n flag = ifelse(mpg - mean_mpg > 0, TRUE, FALSE),\n car = factor(car, levels = .$car))\n\n#view first six rows of mtcars_new\n<\/em>head(mtcars_new)\n<\/span><\/span><\/strong><\/pre>\n ggplot(mtcars_new, aes(x = mpg, y = car, color = flag<\/span> )) +\n geom_segment(aes( x = mean_mpg<\/span> , y = car, xend = mpg, yend = car)) +\n geom_point()<\/strong><\/pre>\n ggplot(mtcars_new, aes(x = mpg, y = car, color = flag)) +\n geom_segment(aes(x = mean_mpg, y = car, xend = mpg, yend = car)) +\n geom_point() +\n scale_color_manual(values = c(\"purple\", \"blue\"))<\/span><\/strong><\/pre>\n Zmie\u0144 estetyk\u0119 wykresu<\/span><\/span><\/strong><\/h2>\n
ggplot(mtcars_new, aes(x = mpg, y = car, color = flag)) +\n geom_segment(aes(x = mean_mpg, y = car, xend = mpg, yend = car), color = \"grey\") +\n geom_point() +\n annotate(\"text\", x = 27, y = 20, label = \"Above Average\", color = \"#00BFC4\", size = 3, hjust = -0.1, vjust = .75) +\n annotate(\"text\", x = 27, y = 17, label = \"Below Average\", color = \"#F8766D\", size = 3, hjust = -0.1, vjust = -.1) +\n geom_segment(aes(x = 26.5, xend = 26.5, y = 19, yend = 23),\n arrow = arrow(length = unit(0.2,\"cm\")), color = \"#00BFC4\") +\n geom_segment(aes(x = 26.5, xend = 26.5, y = 18, yend = 14),\n arrow = arrow(length = unit(0.2,\"cm\")), color = \"#F8766D\") +\n labs(title = \"Miles per Gallon by Car\") +\n theme_minimal() +\n theme(axis.title = element_blank(),\n panel.grid.minor = element_blank(),\n legend.position = \"none\",\n text = element_text(family = \"Georgia\"),\n axis.text.y = element_text(size = 8),\n plot.title = element_text(size = 20, margin = margin(b = 10), hjust = 0),\n plot.subtitle = element_text(size = 12, color = \"darkslategrey\", margin = margin(b = 25, l = -25)),\n plot.caption = element_text(size = 8, margin = margin(t = 10), color = \"grey70\", hjust = 0))<\/strong><\/pre>\n","protected":false},"excerpt":{"rendered":"