R でのデータ視覚化: 概要と例

データは私たちの周りのいたるところにあり、それを理解することが基本となります。データ視覚化は、生のデータを視覚的な表現に変換して、人間の脳がデータをより簡単かつ迅速に理解できるようにする強力なツールです。

現在、数回クリックするだけで美しいデータ視覚化を簡単に作成できるオンライン プログラム、アプリケーション、ソフトウェアが数多くあります。これらはすべて異なる能力と機能を備えており、それらを使用するには異なるスキルセットが必要です。この記事では、R データの視覚化に焦点を当てます。 R は、統計コンピューティング、グラフィカル データ分析、科学研究のためのプログラミング言語および環境です。

データ分析プラットフォームとして R を使用すると、開発者やデータ サイエンティストは、最小限のコーディングで複雑な生データを表すさまざまな種類のビジュアライゼーションを作成できます。

この記事では、データ視覚化に R を使用する基本を説明し、R と Python でのデータ視覚化の違いをリストアップし、例を示します。これにより、R でのデータ視覚化とは何か、そしてそれがどのように機能するかをよりよく理解できるようになります。

R のデータ視覚化とは何ですか?

R でデータ視覚化を作成することは、視覚的な媒体を利用してデータの洞察を得る手法です。 R の多様な機能を使用すると、わずか数行のコードを記述するだけで魅力的なデータ ビジュアライゼーションを作成できます。データ視覚化を作成するために、R は最も広く使用されているパッケージの 1 つである ggplot2 を含むいくつかの視覚化ライブラリを提供します。 Ggplot2 を使用すると、ほぼあらゆるタイプのグラフを作成でき、グラフィックスの品質と美しさが向上します。

Slingshotを試す

R でデータ視覚化を作成するには?

R を使用してデータ視覚化を作成するプロセスで最も優れている点は、R プログラマーやデータ分析の専門家である必要がないことです。 R には作業可能なデータセットが多数あるため、独自のデータセットを準備する必要さえありません。

この R 視覚化サンプルでは、 組み込みの Orange データセットを使用して、樹齢と樹齢と周囲をプロットしています。

ggplot(Orange) + geom_line(aes(x = age, y = circumference, color = Tree))

その結果、次のような視覚化が得られます。

提供される視覚化ライブラリと組み込みデータセットは完全で、R を試してデータ視覚化を作成し、すぐに結果を確認するために必要なものがすべて揃っています。

R タイムラインの視覚化

R タイムライン視覚化は、一連のイベントを時系列で表示する視覚ツールです。タイムラインの視覚化は、症例報告やプレゼンテーションに最適です。また、患者の臨床経過を表示する医療業界や、マイルストーンを使用してプロジェクトのタイムラインを作成できるプロジェクト管理でも非常に役立ちます。

R のこの例では、プロジェクトとタスクを含むデータ フレームを作成し、R タイムライン ビジュアリゼーションでタスク オブジェクトをプロットする方法を示します。

df <- structure(list(Project = structure(c(1L, 1L, 1L, 2L, 2L, 2L), .Label = c("Project 1", "Project 2"), class = "factor"), + Task = structure(c(1L, 2L, 1L, 2L, 1L, 2L), .Label = c("Task 1", + "Task 2"), class = "factor"), StartDay = c(1L, 2L, 2L, 2L, 3L, 5L), StopDay = c(3L, 5L, 8L, 4L, + 5L, 6L)), .Names = c("Project", "Task", "StartDay", + "StopDay"), class = "data.frame", row.names = c(NA, -6L)) df$Task <- factor(df$Task, levels(df$Task)[c(2,1)]) ggplot(data=df, aes(color=Task))+ geom_segment(aes(x=StartDay, xend=StopDay, y=Task, yend=Task),lwd=12)+ facet_grid(Project~.)+xlab("Days Allocated")+ylab("Tasks Lists")

結果として、次のタイムライン視覚化が得られます。

R タイムライン ビジュアライゼーションは、多くの場合、R Studio の ggplot2 ライブラリを使用して作成されます。色、形状、その他の視覚要素を使用して詳細レイヤーをこれらのビジュアライゼーションに追加し、より魅力的で理解しやすいものにすることができます。

R ツリーの視覚化

R パッケージ ggtree は、ツリー状の構造と関連データのプログラム可能な視覚化を提供します。 ggtree はもともと系統樹で動作するように設計されましたが、後に他の樹木のような構造をサポートするように拡張され、他の分野でも樹木データを表示できるように ggtree のアプリケーションが拡張されました。 R ライブラリ パーティは、デシジョン ツリーの視覚化をレンダリングする ctree() 関数を含むもう 1 つの人気のあるライブラリです。この例では、組み込みの ReadingSkills データセットを使用してデシジョン ツリーがレンダリングされます。

library(party) input.dat <- readingSkills[c(1:105),] png(file = "decision_tree.png") output.tree <- ctree(nativeSpeaker ~ age + shoeSize + score, data = input.dat) plot(output.tree)

このサンプル コードでは、このデシジョン ツリー R ビジュアライゼーションをレンダリングします。

たとえば、デシジョン ツリーは、一連の特徴から結果を予測するために広く使用されており、理解と解釈が容易でありながら、望ましい精度で予測を提供できます。

デシジョン ツリー モデルは一連の機械学習アルゴリズムで構成されており、これらのモデルのシンプルさに慣れることは、勾配ブースト ツリーなどのより複雑なツリーベースの構造を作成する際の重要な構成要素です。

R と Python でのデータ視覚化

視覚化のためのツールは、R と Python の両方で利用できます。どちらも複雑で魅力的な統計グラフィックを作成する機能を提供し、私たちが所有するデータについて洞察を得てさらに詳しく知ることができます。ただし、この 2 つには重要な違いがいくつかあるため、データの視覚化にどの言語が最適であるか迷っている場合は、データに最適な決定を下せるよう収集した長所と短所を確認してください。

R と同様に、Python にも、さまざまな機能が満載された複数の視覚化ライブラリが提供されています。その中で最も人気のあるものには、Matplotlib、Seaborn、R の ggplot2 をベースにした ggplot などがあります。

違い：

R は主にデータ分析に使用される言語であり、Python はデータ分析にも使用できる汎用プログラミング言語ですが、これが主な目的ではありません。どちらもデータの視覚化に十分な機能を備えていますが、一般に R でグラフィックをカスタマイズする方が簡単で直感的です。 R は、基本グラフィックス モジュールを使用して統計分析の結果を実証するために構築されており、グラフやプロットを簡単に作成できます。また、より高度なプロットには ggplot2 を使用することもできます。

最終的な考え

企業が事実に基づいたより良い意思決定を行うためにデータに依存し続けるにつれて、データの視覚化の重要性はさらに高まるでしょう。また、チャートやグラフなどの視覚化手法は、従来のスプレッドシートや古いデータ レポートと比較してデータを理解するという点でより効率的であるため、R データ視覚化のようなツールはすべての部門横断的なチームにとって必需品です。

しかし、データと洞察の重要性にもかかわらず、それらを持っているだけではもはや十分ではありません。データの可能性を最大限に引き出すには、そのデータを日常の運用ワークフローに適合するアクションに変換する必要があります。Slingshotを使用すると、洞察からアクションにシームレスに移行できます。

Slingshotを使用すると、データの分析、美しいデータの視覚化の作成、組織内の全員との共同作業、すべてのプロジェクトの管理をすべて同じプラットフォームから簡単に行うことができます。

さらに詳しく知りたいですか? Slingshotを無料でお試しいただき、チームがデータを活用し、データ主導の文化を育み、生産性を向上させながら、実用的な洞察を活用するのにどのように役立つかをご確認ください。