[STARTERS 4기 TIL] #13일차(23.02.22)

---

📚 오늘 내가 배운 것

📍 ggplot2 패키지 소개 

· 데이터 시각화 패키지

· 'gg' : Grammar of graphics

· 우수한 사용성

· 통계 시각화 기능 제공

 

 

📍 ggplot2 기본 문법 

Data(데이터) layer	· 시각화를 하려는 데이터를 입력하는 층 · data frame 형식 사용
Aesthetics(미학적) layer	· 데이터 매핑하고자 하는 스케일 설정   · x축 컬럼, y축 컬럼 지정   · 색깔   · 점/선 모양   · 축에 대한 범위   · Etc.
Geometries(기하학) layer	· 데이터 사용하는 시각화 요소 정의   · 점/선   · 히스토그램   · 원 차트   · 박스그림   ·  Etc.
Facets(양상) layer	· 특정 기준에 따라 그래프 나눔 · 화면 분할
Statistics(통계) layer	· 그려진 그래프에 대한 통계적인 시각화 처리
Coordinates(좌표) layer	· 좌표계를 조작
Themes(테마) layer	· 데이터가 아닌 추가 꾸미기 요소   · 제목   · Etc.

 

📍 ggplot2 기본 함수 

함수 기능		사용 예시
qplot() · 빠르게 데이터 시각화 할 때 사용 · 그래픽 문법 요소 층의 2개 층 표현   · 1층 : data layer   · 2층 : aesthetics layer
ggplot() · 그래프 문법 요소 층 전부, 또는 일부를 직접 쌓아 데이터 시각화   · '+' 연산자를 사용하여 문법 요소 추가 · 원하는 모든 형태의 복잡한 그래프의 표현 가능

 

 

📍 ggplot2 필수 입력 layer 

데이터가 시각화 되기 위해서 반드시 정의되어야 하는 layer

Data(데이터) layer
Aesthetics(미학적) layer
Geometries(기하학) layer

 

 

📍 ggplot2 산점도 그래프 

 

 

📍 ggplot2 선 그래프 

 

 

📍 ggplot2 막대 그래프 

 

 

📍 ggplot2 히스토그램 

 

 

📍 ggplot2 상자그림 

 

 

📍 ggplot2 옵션 layer 

데이터가 시각화 완성도를 높여주는 layer

Facets(양상) layer
Statistics(통계) layer
Coordinates(좌표) layer
Themes(테마) layer

 

 

📍 ggplot2 - Facets layer 

범주형 컬럼의 변수별 서브 그래프를 각기 다른 패널에 그려주는 층 (일종의 화면 분할 기능)

facet_wrap()	facet_grid()

 

 

📍 ggplot2 - Statistics layer 

데이터에 대한 통계값을 시각화 해주는 층

stat_smooth()	stat_summary()

 

 

📍 ggplot2 - Coordinate layer 

x축 또는 y축 정보를 변형하는 시각화 층

coord_cartesian(xlim, ylim)	coord_flip()	coord_polar()
x축, y축 범위 지정	x축, y축 반전	(x,y) 좌표계를 극좌표계로 변환

 

 

📍 ggplot2 - Theme layer 

데이터와 무관한 시각화 요소를 꾸밀 수 있는 층

 

 

📍 가설검정 

모집단에 대한 가설을 모집단으로부터 추출한 표본을 사용하여 검토하는 추론 방법

① 데이터 셋 수집 

 ➡️ 20대 남성 키 데이터셋 수집

② 가설 설정(문제 설정)

 ➡️ 20대 남성 평균 신장은 175로 알려져있다. 아래 수집한 데이터셋을 보았을 때, 이는 타당한가?

귀무가설	대립가설
· 차이가 없는 경우의 가설 · 처음부터 버릴 것을 예상하는 가설 · Ex) 20대 남성 평균 키는 175가 맞다	· 차이가 있는 경우의 가설 · 검증하고 싶은 가설 · Ex)20대 남성 평균 키는 175가 아니다

③ 판단 원리

 ➡️ 통계량을 계산한 후, 유의 수준을 넘는지 비교

  · 통계량

    · 판단을 위해서 계산하여 얻는 1종 오류가 발생할 확률의 허용한계 특정 값 (보통5%) 

    · z값, t값 등 ..

    · z값을 사용한다면 z-test, t값을 사용한다면 t-test 등으로 부름

  · 유의수준

    · 1종 오류가 발생할 확률의 허용한계 (보통5%) 

	귀무가설이 참 (➡️ 평균 키 175 맞음)	귀무가설이 거짓 (➡️ 평균 키 175 아님)
귀무가설 기각 X	옳은 결정	2종 오류
귀무가설 기각 O	1종 오류 (원래 맞던 걸 틀렸다 함)	옳은 결정

 

 

📍z-검정 

가정	통계량 : Z값	특징
모집단은 정규 분포를 따른다고 가정		· 정규분포에서는 유의 수준에 따른 비교 값이 고정 · 모집단의 평균과 표준편차를 알 때 사용 · 유의 수준 값보다 z값이 크다면 귀무가설 기각

 

---

💭 오늘 기억해야 할 내용

① ggplot을 이용한 그래프 표현 방법

 편리한 방법으로 시각화 표현을 하도록 고안된 것 패키지이기 때문인지 그래프를 그리는 방법이 수월했다.

 여러 레이러를 이용하여 그래프를 그려보는 연습을 해야겠다 !

 

② 가설 검증에 관한 통계 개념

 가설 검증, z검증, t검증

 

 

 

✍🏻 회고

오늘은 R에서 ggplot2 패키지를 이용하여 그래프를 그리는 방법, 가설 검증에 관한 통계 개념에 관해 배웠다.

 

텍스트 분석에 관한 실습을 진행하지 못해 추가적으로 해봐야겠다..!!

 

내일부터는 오프라인 강의가 진행될 예정이라 너무 궁금하다 ..!!!🤩