crosshyou

主にクロス表(分割表)分析をしようかなと思いはじめましたが、あまりクロス表の分析はできず。R言語の練習ブログになっています。

HistDataパッケージのGalton

f:id:cross_hyou:20220327174241j:plain

Photo by Tim Rebkavets on Unsplash 
HistDataパッケージのGaltonのデータは、1886年、Galtonという人が親の身長と子どもの身長を表に表したデータから作られています。

まずは、データを読み込みます。

f:id:cross_hyou:20220327174713p:plain

str()関数とsummary()関数をつかってデータがどんなものか確認します。

f:id:cross_hyou:20220327174840p:plain

928個のデータで、変数は、parentとchildです。

plot()関数でparentとchildの関係性をグラフにしてみます。

f:id:cross_hyou:20220327175037p:plain

f:id:cross_hyou:20220327175048p:plain

ヘルプでは以下のようなコードが載っています。

f:id:cross_hyou:20220327175204p:plain

f:id:cross_hyou:20220327175215p:plain

どうやら、同じparent, childのデータがたくさんあるようなので、sunfloweplot()というのを使っているようです。

table()関数で処理するとよくわかります。

f:id:cross_hyou:20220327175500p:plain

parentが64でchildが61.7のデータ(一番左上です)は1つだけ、parentが68.5でchildは69.2のデータは45個もある、などわかります。

sunflowerplot()関数だけを使ってみます。

f:id:cross_hyou:20220327175936p:plain

f:id:cross_hyou:20220327175946p:plain

これにlm()関数の回帰線をabline()関数を使って重ねます。

f:id:cross_hyou:20220327180227p:plain

f:id:cross_hyou:20220327180237p:plain

そして、carパッケージのdataEllipse()関数というので、楕円形の何かを重ねていますね。この楕円形はよくわからないです。

ggplot2でも同じように、データの数を考慮した散布図を作ってみます。

まずは、tableをas.data.frame()関数でデータフレームに転換します。

f:id:cross_hyou:20220327180757p:plain

テーブルのオブジェクトをデータフレームにすると、Freqという変数が追加されました。

tidyverseパッケージを読み込み、ggplot2でグラフを描いてみます。

f:id:cross_hyou:20220327182205p:plain

f:id:cross_hyou:20220327182216p:plain

Freqを大きさと色であらわしました。Freqの値が大きいほど〇は大きく、明るい色になります。

今回のコードは以下のとおりです。


library(HistData)
data(Galton)
#
str(Galton)
summary(Galton)
#
with(Galton, plot(parent, child))
#
###########################################################################
# sunflower plot with regression line and data ellipses and lowess smooth
###########################################################################
with(Galton,
     {
       sunflowerplot(parent,child, xlim = c(62,74), ylim = c(62,74))
       reg <- lm(child ~ parent)
       abline(reg)
       lines(lowess(parent, child), col = "blue", lwd = 2)
       if (require(car)) {
         dataEllipse(parent,child, xlim = c(62,74), ylim = c(62,74), 
                     plot.points = FALSE)
       }
     })
#
table <- with(Galton, table(parent, child))
table
#
with(Galton, sunflowerplot(parent, child))
#
abline(lm(child ~ parent, data = Galton), col = "blue", lwd = 3)
#
df <- as.data.frame(table)
head(df)
#
library(tidyverse)
#
df %>% ggplot(aes(x = parent, y = child, size = Freq, color = Freq)) +
  geom_point()