🏠 重點提要 :
  ■ 用折線圖來觀察趨勢
  ■ 通過管道符號(pipeline)以連接 dplyr 和 ggplot
  ■ 同時從各個面向比較趨勢


載入library裡面的套件並載入comics數據集

pacman::p_load(dplyr,tidyr,ggplot2,plotly,gridExtra)
theme_set(theme_get() + theme(
  text=element_text(size=8), legend.key.size=unit(10,"points")
  ))
D = read.csv("data/comics1.csv",stringsAsFactors=F) %>% as_tibble


1. 簡單折線圖

讓我們計算並繪圖觀察每年首次亮相的新角色數量。

count(D, year) %>%                    # 計算每年新角色的數量
  ggplot(aes(year, n)) + geom_line()  # 並繪製一個折線圖

count() 和 ggplot() + geom_line() 是一個非常方便的組合。我們可以通過一個額外的類別變數publisher來比較DC和Marvel每年新角色數量的的變化趨勢。

count(D, year, publisher) %>%                    
  ggplot(aes(year, n, col=publisher)) + 
  geom_line(size=1)
Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
i Please use `linewidth` instead.
This warning is displayed once every 8 hours.
Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
generated.

1.1 消除波動的趨勢線

觀察長期趨勢的時候，如果趨勢線看起來波動太大，我們可以增加測量週期，資料合併通常有助於抵消隨機誤差，讓趨勢線變得比較平滑；由於DC在1980年之前不活躍，所以我們：

  • 過濾掉1980年之前和2010年之後的數據
  • 將30年分為6個期間(period)
breaks=seq(1980,2010,5)
D2 = filter(D, year>=1980, year<=2010) %>%  
  mutate(period = cut(year,breaks,breaks[-1],T) %>% 
           as.character %>% as.integer)
table(D2$period, useNA='ifany')

1985 1990 1995 2000 2005 2010 
 690  763  926  659  817 1073 
ggplot(D2, aes(period, fill=publisher)) + 
  geom_bar(position='dodge')

像這樣通過條狀圖來判斷長期趨勢要容易得多，不是嗎?

從上圖我們可以看到，漫畫產業在2000年經歷一個低谷之後，Marvel似乎比DC更早、更強勁地反彈回來。



2. 多方面比較趨勢

結合 dplyr 和 ggplot的強大功能，我們可以一次比較多個方面的趨勢。讓我們從一個簡單的圖開始，該圖視覺化了每個(好人/壞人/中立)陣營的比率如何變化。

count(D2, period, align) %>% 
  group_by(period) %>% 
  mutate(rate = n/sum(n)) %>% 
  ggplot(aes(period, rate)) + 
  geom_line(aes(col=align))

這一個趨勢是否因出版商而異呢？

count(D2, period, publisher, align) %>%  # 以類別型變數計算個數
  group_by(period, publisher) %>%        # 根據period和publisher來對資料進行分組
  mutate(rate = n/sum(n)) %>%            # 新增一個欄位rate並將計算的個數轉換為比率
  ggplot(aes(period, rate)) + 
  facet_grid(~publisher) +               # 每一個窗格畫一個出版商
  geom_line(aes(col=align), size=1) +    # 使線條更粗
  geom_point()                           # 增加圓點使其看起來更好


🚴 練習：
讓我們嘗試以出版商和性別來比較(好人/壞人/中立)陣營的趨勢。正如下面的圖表中看到的，在4個單獨的繪圖區塊中有4個模式(there’d be 4 patterns in 4 separate panels.)。你可以通過修改程式區塊來製作下面的圖表嗎？

# count(D2, period, publisher, align) %>%  # 以類別型變數計算個數
#   group_by(period, publisher) %>%        # 根據period和publisher來對資料進行分組
#   mutate(rate = n/sum(n)) %>%            # 新增一個欄位rate並將計算的個數轉換為比率
#   ggplot(aes(period, rate)) + 
#   facet_grid(~publisher) +               # 每一個窗格畫一個出版商
#   geom_line(aes(col=align), size=1) +    # 使線條更粗
#   geom_point()                           # 增加圓點使其看起來更好