Kotitehtävä 4 - osa2

Linkki kotitehtävän lähdekoodiin gitlab:ssa

1 Lyhyt johdanto grafiikkaformaatteihin

Tilastografiikat tekemisessä on tärkeää tietää perusasiat eri grafiikkaformaateista. Grafiikkaformaattien kaksi päälinjaa ovat bittikarttagrafiikka ja vektorigrafiikka, joiden ominaisuudet tiivistetty ao. taulukkoon. Lue myös yo. lyhyet wikipedia-artikkelit mikäli ero ei ole aivan selvä.

1.1 Vektorigrafiikka vs. bittimappigrafiikka

	bittikartta (bitmap)	vektori
tiedostopääte	.jpg, .png, .gif	.eps, .pdf, .svg, .ai
esimerkiksi	digikuva	googlen kartat
koostuu	miljoonista pikseleistä	pisteistä, viivoista ja polygoneista
tiedostokoko	suuri	pieni
muokkausohjelmisto	Gimp (Photoshop)	Inkscape (Illustrator)
sopii	verkoon, printtiin (korkearesoluutioisena)	printtiin, jälkikäsittelyyn, -svg-muodossa myös verkkoon

Vektorigrafiikasta voi tehdä bittimappigrafiikkaa, mutta ei toisin päin

R:ssä tehtyjä kuvia voit tallentaa useisiin erilaisiin sekä vektori- että bittikarttaformaattiehin.

1.2 Staattinen vs. vuorovaikutteinen grafiikka

Bittikartta- ja vektorigrafiikka ovat ensisijaisesti ns. staattista grafiikka, jossa ei ole vuorovaikutteisia ominaisuuksia. “Tuktkimusviestinnässä” perinteisen printattavan tutkimusraportin ohella yleistyy erilaiset verkkototeutukset kuten blogit tai verkkosovellukset. Kun sisältö on palvelimella ja lukeminen tapahtuu selaimella, niin kaikenlaiset verkkoteknologiat ovat käytettävissä. Verkkototeutusten kaksi päälinjaa, vuorovaikutteinen grafiikka & verkkosovellukset, on vedetty yhteen alla olevaan taulukkoon.

grafiikan tyyppi	pros	cons
interaktiiviset kuviot	teknologian kehitys nopeaa	lyhyt elinkaari päivittyvien riippuvuuksien myötä
	paljon vaihtoehtoja	hyvin sekava skene
		tarvitsee verkkoyhteydet
		ei voi printata!
verkkosovellukset	hyvin joustavia	hostaus ja ylläpito
	pystyy kaikkeen mihin R & linux	vaatii paljon räätälöintia

R:ssä näiden kanssa pääset alkuun seuraavista linkeistä:

• htmlwidgets for R - paras paikka aloittaa vuorovaikutteisen grafiikan kokeilut
• Shiny - A web application framework for R - täältä alkuun verkkosovellusten teossa

2 Osio1: Kuvien tallentaminen levylle

Rstudiossa voit valita Plots-paneelista Export ja tallentaa kuvan Save as image dialogista kuuteen eri formaattiin:

• PNG - bittikartta-formaatti - tukee läpinäkyvyyttä - varma valinta verkkoon
• JPEG/JPG) - bittikartta-formaatti - pakattavissa pieneen tilaan - varma valinta verkkoon
• TIFF - bittikartta-formaatti - pakkaamaton, korkearesoluutioisena printtiin
• BMP - bittikartta-formaatti - perinteinen pakkaamaton formaatti. katoamassa.
• SVG - scalable vector graphics - avoin vektorigrafiikkamuoto. Uudet selaimet tukevat. Inkscape-grafiikkaohjelman oletusmuoto
• EPS - Encapsulated PostScript -

sekä pdf-formaattiin kohdasta “Save as PDF”.

pdf-formaatti on nykyisellään parhaiten yhteensopiva vektorigrafiikan muoto. Suurin haaste on eri fonttien käyttö

2.1 ggplot2-kuvien tallentaminen eri formaatteihin

ggplot2-paketilla tehtyjä kuvia voi tallentaa Rstudio-käyttöliittymästä käsin samoin kuin kaikkia muitakin formaatteja. Tallentaminen on kuitenkin näppärämpää kirjoittaa kuvion koodin yhteyteen ´ggsave()-funktiota käyttäen. ´ggsave()-funktio ymmärtää kuvion nimestä, mihin formaattiin kuva tallennetaan. Jos teet kuvion alla olevalla koodilla

kuva <- ggplot(data=cars, aes(x=speed,y=dist)) + geom_point()

Voit tallentaa sen eri formaatteihin koodilla

• ggsave(plot=kuva, filename = "kuva.png") - bittimappi png
• ggsave(plot=kuva, filename = "kuva.pdf") - vektori pdf
• ggsave(plot=kuva, filename = "kuva.svg") - vektori svg

Lisäparametreinä ´ggsave()`-funktioon voi laittaa mm. seuraavat

• filename File name to create on disk.
• plot Plot to save, defaults to last plot displayed.
• device Device to use (function or any of the recognized extensions, e.g. “pdf”). By default, extracted from filename extension. ggsave currently recognises eps/ps, tex (pictex), pdf, jpeg, tiff, png, bmp, svg and wmf (windows only).
• path Path to save plot to (combined with filename).
• scale Multiplicative scaling factor.
• width, height Plot dimensions, defaults to size of current graphics device.
• units Units for width and height when specified explicitly (in, cm, or mm)
• dpi Resolution used for raster outputs.
• `limitsize When TRUE (the default), ggsave will not save images larger than 50x50 inches, to prevent the common error of specifying dimensions in pixels.

Mikäli et ole vielä luonut kansiota _kotitehtava4/kuviot luo se komennolla dir.create(path="./_kotitehtava4/kuviot", recursive=TRUE, showWarnings = FALSE)

Piirrä kuvat koodilla kuva <- ggplot(data=cars, aes(x=speed,y=dist)) + geom_point()` ja kirjoita miten se tallennetaan ko. kansioon png, svg, tiff, jpg, eps, pdf ja bmp muodoissa.

Avaan kaikki kuvat koneellasi ja tarkastele niitä!

kuva <- ggplot(data=cars, aes(x=speed,y=dist)) + geom_point()
ggsave(plot=kuva, filename = "kuva.png", path="./_kotitehtava4/kuviot") 

## Saving 7 x 5 in image

ggsave(plot=kuva, filename = "kuva.svg", path="./_kotitehtava4/kuviot") 

## Saving 7 x 5 in image

ggsave(plot=kuva, filename = "kuva.tiff", path="./_kotitehtava4/kuviot") 

## Saving 7 x 5 in image

ggsave(plot=kuva, filename = "kuva.jpg", path="./_kotitehtava4/kuviot")

## Saving 7 x 5 in image

ggsave(plot=kuva, filename = "kuva.eps", path="./_kotitehtava4/kuviot") 

## Saving 7 x 5 in image

ggsave(plot=kuva, filename = "kuva.pdf", path="./_kotitehtava4/kuviot")

## Saving 7 x 5 in image

ggsave(plot=kuva, filename = "kuva.bmp", path="./_kotitehtava4/kuviot")

## Saving 7 x 5 in image

3 Jakauminen piirtäminen

Jatketaan malesdatan kanssa jonka voit siis ladata komennolla malesdata <- readRDS(gzcon(url("http://courses.markuskainu.fi/utur2016/database/malesdata.RDS")))

Tee datan muuttujasta wage sekä histogrammi, tiheyskuvio (density plot) sekä laatikkojanakuvio ja tallenna ne .pdf-muotoon koossa leveys = 6, korkeus= 5, yo. nimillä _kotitehtava4/kuviot-kansioon

malesdata <- readRDS(gzcon(url("http://courses.markuskainu.fi/utur2016/database/malesdata.RDS")))
p <- ggplot(malesdata, aes(wage)) + geom_histogram()
p

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

ggsave(plot = p, filename = "./_kotitehtava4/kuviot/histogrammi.pdf", width = 6, height=5)

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

p <- ggplot(malesdata, aes(wage)) + geom_density()
p

ggsave(plot = p, filename =  "./_kotitehtava4/kuviot/tiheyskuvio.pdf", width = 6, height=5)
p <- ggplot(malesdata, aes(x=1, y=wage)) + geom_boxplot()
p

ggsave(plot = p, filename =  "./_kotitehtava4/kuviot/laatikkojanakuvio.pdf", width = 6, height=5)

Katso geom_histogram() dokumentaatiota ja etsi sieltä kuva, jossa on ns. pinottu histogrammi. Siis pylväissä on päällekkäin eri luokittelevan muuttujan tapaukset.

Tee vastaava histogrammi wage muuttujasta niin että ethn-muuttujan luokat ovat palkkeina

ggplot(malesdata, aes(wage, fill = ethn)) + geom_histogram()

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

4 Vaihtoehtoiset koordinaattijärjestelmät

Piirakkakuvio on datavisualisointien klassikko, joka eroaa aikasemmista juuri koordinaattijärjestelmän osalta. Grammar of graphics -ajattelussa piirakkakuvio on päällekkäin pinottu (stacked) histogrammi, jossa on polaarinen koordinaattijärjestelmä.

Tutustu coord_polar()-dokumentaatioon: http://docs.ggplot2.org/current/coord_polar.html ja tee malesdata:sta piirakkakuvio, jossa väreinä on ethn-muuttujan luokat.

pie <- ggplot(malesdata, aes(x = factor(1), fill = factor(ethn))) +
  geom_bar(width = 1)
pie + coord_polar(theta = "y")

5 Faktoreiden järjesteleminen

Tee malesdata-muuttujasta yhteenvetotaulukko dplyr::summarise-funktiolla objektiksidat, jossa on eri etnh-muuttujan luokkien mediaanipalkat. Teedat`-datan ethn-muuttujasta faktori ja ja järjestä luokat käänteiseen aakkosjärjestykseen, ja piirra siitä tolppakuvio, jossa x-akselilla ethn-muuttuja ja y-akselilla mediaanipalkka.

malesdata %>% 
  group_by(ethn) %>% 
  summarise(mdn = median(wage)) -> dat
ggplot(dat, aes(x=ethn,y=mdn)) + geom_bar(stat="identity") + labs(title="ennen järjestämistä")
dat$ethn <- factor(dat$ethn)  # oletuksena menee aakkosjärjestykseen
dat$ethn <- forcats::fct_rev(dat$ethn)
ggplot(dat, aes(x=ethn,y=mdn)) + geom_bar(stat="identity")  + labs(title="järjestämisen jälkeen")

Tutustu forcats-paketin dokumentaatioon: http://forcats.tidyverse.org/ ja tee vastaava yhteenvetotaulukko malesdatasta industry-muuttujan suhteen.

Järjestä yhteenvetotaulukon teollisuudenala-muuttujan luokat keskipalkan mukaan faktorin leveleiksi (fct_reorder()) ja pirrä vastaava tolppakuvio kuin edellä.

malesdata %>% 
  group_by(industry) %>% 
  summarise(mdn = median(wage)) -> dat
ggplot(dat, aes(x=industry,y=mdn)) + geom_bar(stat="identity")  + labs(title="ennen järjestämistä")
dat$industry <- forcats::fct_reorder(dat$industry, dat$mdn)
ggplot(dat, aes(x=industry,y=mdn)) + geom_bar(stat="identity") + labs(title="järjestämisen jälkeen")

6 Jokeri1

Alla oleva koodi on mukaelma yhdestä kuviosta jonka tein professori Niemelän viime viikkoiseen kommenttipuheenvuoroon.

Alkuperäiset kuvat: http://koti.kapsi.fi/~muuankarski/fpa/elinolot2016/johdanto_kuvat.html

library(tidyverse)                      
library(eurostat)
library(countrycode)

# köyhyysvaje
# search_eurostat("poverty gap")
d <- get_eurostat(id = "ilc_li11", time_format = "raw")
# lab <- label_eurostat(d)

d %>% filter(sex %in% "T", 
             age %in% "TOTAL",
             indic_il %in% "LI_GAP_MD60") %>% 
  select(geo,time,values) -> df.gap.l

# Köyhyysaste
#search_eurostat("poverty rate")
d <- get_eurostat(id = "ilc_li02", time_format = "raw")
# lab <- label_eurostat(d)

d %>% filter(sex %in% "T", 
             age %in% "TOTAL",
             unit %in% "PC_POP",
             indic_il %in% "LI_R_MD70") %>% 
  select(geo,time,values) -> df.rate.l

df.gap.l %>% 
  left_join(df.rate.l, by = c("geo","time")) -> df.scatter

df.scatter <- merge(df.gap.l,df.rate.l,by=c("geo","time"))
names(df.scatter) <- c("geo.time","year","gap","rate")
#

point_palette <- c("#999999", "#E69F00", "#56B4E9", "#009E73","#D55E00", "#CC79A7","#0072B2","#F0E442")


df.scatter$geo.time <- as.character(df.scatter$geo.time)
df.scatter$geo.time[df.scatter$geo.time == "UK"] <- "GB"
df.scatter$maa <- countrycode(df.scatter$geo.time, "iso2c", "country.name")

# regimes
is(df.scatter$maa)
df.scatter$regime[df.scatter$maa %in% c("Austria", "Belgium", "Switzerland", "Germany", "France", "Luxembourg", "Netherlands")] <- "Western Central Europe"
df.scatter$regime[df.scatter$maa %in% c("Bulgaria", "Czech Republic", "Estonia", "Hungary", "Lithuania", "Latvia", "Poland", "Romania", "Slovenia", "Slovak Republic", "Croatia","Slovakia")] <- "Eastern Europe"
df.scatter$regime[df.scatter$maa %in% c("Cyprus", "Greece", "Spain", "Italy", "Malta", "Portugal")] <- "Southern Europe"
df.scatter$regime[df.scatter$maa %in% c("Denmark", "Finland", "Iceland", "Norway", "Sweden")] <- "Nordic Countries"
df.scatter$regime[df.scatter$maa %in% c("Ireland", "United Kingdom","Australia","United States","Canada","New Zealand")] <- "Anglo-Saxon Countries"
df.scatter$regime[df.scatter$maa %in% c("Japan", "Korea, Republic of","Korea")] <- "East Asian"
df.scatter$regime[!(df.scatter$regime %in% c("Western Central Europe",
                                             "Eastern Europe",
                                             "Southern Europe",
                                             "Nordic Countries",
                                             "Anglo-Saxon Countries",
                                             "East Asian"))] <- NA


scatterplot <-  ggplot(data=df.scatter %>% filter(year == 2014) %>% 
                         na.omit(), 
                       aes(x=rate,y=gap)) +
  geom_point(aes(color=regime), size=3) +
  geom_label(aes(fill=regime,label=maa),
             color="white",size=4, nudge_y=-0.5, nudge_x=-0.2, show.legend = F) +
  labs(y="Poverty gap (%)", x="Poverty rate (%)") +
  # coord_cartesian(xlim=c(5,25),ylim=c(12,35)) +
  scale_color_manual(values=point_palette) +
  scale_fill_manual(values=point_palette) +
  theme_light() +
  theme(legend.title=element_blank()) +
  theme(legend.text=element_text(size=12)) +
  theme(legend.position="top") +
  theme(text=element_text(family="Open Sans")) +
  #geom_smooth(method=lm, se=FALSE) +
  theme(axis.title.y = element_text(size=12, face="bold")) +
  theme(axis.title.x = element_text(size=12, face="bold")) +
  theme(axis.text.y = element_text(size=10)) +
  theme(axis.text.x = element_text(size=10)) +
  guides(color = guide_legend(nrow = 1)) +
  theme(legend.key.size = unit(6, "mm")) +
  labs(title="At-risk-of-poverty rate and relative at risk of poverty gap in Europe in 2014")
scatterplot

Tee vastaava kuvio jostain sinua kiinnostavasta Eurostatin muuttujaparista, muokkaa maaryhmittelyä ja värejä. Asenna ensin tarvittavat paketit, mikäli ne puuttuvat! Tallenna se nimellä _kotitehtava4/kuviot/-kansioon .pdf-muodossa koossa joka näyttää pdf-lukijassa hyvältä

plot(cars)

7 Jokeri2

Tein demon karttojen tekemisestä osaksi kirjoittamani eurostat-paketin avulla tönne: https://rpubs.com/muuankarski/210495.

Tutustu myös viralliseen vignetteen: https://github.com/rOpenGov/eurostat/blob/master/vignettes/eurostat_tutorial.md ja blogipostaukseen: http://ropengov.github.io/r/2015/05/01/eurostat-package-examples/.

Tee itseäsi kiinnostavasta indikaattorista vastaava kartta ja tallenna se nimellä _kotitehtava4/kuviot/-kansioon .pdf-muodossa koossa joka näyttää pdf-lukijassa hyvältä

plot(cars)

---

2016 Markus Kainu.

Tämä teos on lisensoitu Creative Commons Nimeä 4.0 Kansainvälinen -lisenssillä.

Tämä sivusto on tehty R:ssä Rmarkdown-paketin uusimmassa kehitysversion uudella render_site()`-funktiolla, jonka tekee staattisten responsiivisten verkkosivujen tekemisen helpoksi. Katso ohjeet: