GGally::ggpairs() を見やすくする

Tokyo.R/112

shogo-ito-4423

概要

GGally::ggpairs()で散布図行列を作成するとき、離散変数が関わる関係を観察しやすくする工夫を共有します。

個々のグラフで離散変数の値が明確になるようにする
離散変数が表示される向きを揃える

::: :::

利用するパッケージ・データセット

library(tidyverse)
library(GGally)
library(palmerpenguins)

::: :::

データの読み込み

penguins_clean <- penguins %>% 
  tidyr::drop_na(everything()) %>% # naを含む行を削除
  dplyr::select(bill_length_mm, body_mass_g, sex, species)

デフォルト設定で作成

mat0 <- penguins_clean %>% 
  GGally::ggpairs()
mat0

課題1・上下どちらがどのカテゴリかわからない

3行目など、上下どちらがmaleでどちらがfemaleなのかわからない（正解は以下の通り）。

mat0[3,1]

解決策1・stripが個々のグラフに表示されるようにする

mat1 <- penguins_clean %>% 
    GGally::ggpairs(
          showStrips = TRUE
    )
mat1

課題2・離散変数の順序が変わってしまう

3行4列目も「上段がfemale、下段がmale」かと思いきや…

mat1[3,4]

なんと「上段がmale、下段がfemale」になる。

グラフによって原点が変わる

mat1[3,1]
mat1[3,4]

3行1列目のグラフ（左）は、上から下に向かって因子を並べる。
3行4列目のグラフ（右）は、下から上に向かって因子を並べる。

解決策2: グラフの種類を指定する時に、離散変数の順序を逆転させる

離散変数に関するグラフを作成するとき、上下方向の離散変数の順序を逆転させる関数を作成する。

gg_discrete_adj <- function(data, mapping, ..., fn) {
    # 離散変数が上下方向に並ぶか判定する
    horizontal <- GGally::is_horizontal(data, mapping)
    
    if (horizontal) {
        # ggplot2のmappingからy軸方向の変数名を取り出す
        yVal <- GGally::mapping_string(mapping$y)
        # 離散変数を取り出す
        yData <- data[[yVal]]
        # 離散変数の順序を取り出す
        data[[yVal]] <- factor(yData, levels = rev(levels(yData)))
    }
    
    # 指定したGGally関数で描画する
    fn(data, mapping, ...)
}

作成した関数でグラフを描画する

mat2 <- penguins_clean %>% 
    GGally::ggpairs(
          showStrips = TRUE,
          lower = list(
              combo = wrap(gg_discrete_adj, fn = GGally::ggally_facethist),
              discrete = wrap(gg_discrete_adj, fn = GGally::ggally_facetbar)
          )
    )
mat2

こんどは向きがそろっている

mat2[3,1]
mat2[3,4]

番外編・もっと見やすくする

グラフの種類と配置を工夫して、スペースを有効活用する。
- 因子ごとに複数のグラフを重ねるタイプは避ける。
- 因子の目盛りが第1列・最終行にくるようにする。

mat3 <- penguins_clean %>% 
    GGally::ggpairs(
          lower = list(combo = wrap(gg_discrete_adj, fn = GGally::ggally_dot_no_facet), discrete = "ratio")
    )
mat3

課題

どのグラフがどの向きに並ぶか、法則をつかめていない（公式ドキュメントと逆になるものもある）。
離散変数同士のグラフに作成した関数を適用すると、軸が入れ替わってしまうことがある。
散布図行列の上半分はできれば記述統計量を記載したい。
- GGally::ggally_statistic()を利用すればできそう。
- 順序変数を判定させる方法が怪しい。
もっと良い方法がありましたら、教えていただけると幸いです。