ヒストグラムの描き方
knitr::opts_chunk$set(warning = F,
message = F,
comment = "",
fig.align = "center",
fig.width = 8,
fig.height = 5)
使用するパッケージ
準備していないパッケージはinstall.packages("packge_name")でインストールする。
# 使用するパッケージ
library(tidyverse) # データの整形から可視化まで
library(magrittr) # パイプ処理を使いこなすせ！
# ggplot2 の theme をあらかじめ設定しておく
theme_set(theme_minimal(base_size = 15))
データの読み込み
今回使用するのは衆院選に出馬した各候補者のデータだ。
1996年から2017年までのデータが詰まっている。
data <- read_csv("./data/House_of_Councilors_1996_2017.csv") # 1996年～2017年までの衆院選データ
データ内の変数名を確認する
どんな変数があるか見てみよう。
names(data)
各変数が意味するものは以下のようになっている。
| 変数名 | 内容 | 備考 |
|---|---|---|
| year | 実施年 | |
| ku | 都道府県 | |
| kun | 区域 | |
| status | 現職か否か | 0 = 新人・元, 1 = 現職 |
| name | 名前 | |
| party | 所属政党 | ローマ字での略語 |
| party_code | 所属政党 | 数字で通し番号 |
| previous | 当選回数 | |
| wl | 当落結果 | 0 = 落選, 1 = 当選, 2 = 復活当選 |
| voteshare | 得票率 | 単位: % |
| age | 年齢 | |
| nocand | 候補者数 | |
| rank | 順位 | |
| vote | 得票数 | |
| eligible | 有権者数 | |
| turnout | 投票率 | 単位: % |
| exp | 選挙費用 | 単位: 円 |
| expm | 選挙費用 | 単位: 百万円 |
| vs | 得票割合 | 小数で表記 |
| exppv | 選挙費用 | 単位: 円（有権者一人当たりの選挙費用） |
| smd | 当落 | 0 = 落選, 1 = 当選 |
| party_jpn | 所属政党 | 日本語 |
データの整形
今回は選挙費用(exppv)を使ってヒストグラムを描いていく。
ヒストグラムはデータの分布を確認するために使用する。
今回は選挙データを使用するので、各政党の選挙費用(exppv)の分布を可視化してみる。
data %<>%
select(year, party_jpn, exppv) %>% # 使用する変数を抽出
filter(party_jpn %in% c("自民党", "民主党", "公明党")) %>% # 簡単のため、政党を絞る
as.data.frame() %>% # 一応
drop_na() # naを落とす
また、2005年の衆院選データを可視化することとする。
data_2005 <- data %>%
filter(year == 2005)
スタージェスの公式
階級の幅を決めるときに、スタージェスの公式というものを使うらしい...
# スタージェスの公式: k (階級の数) = 1 + log₂n (n = データ数)
bw <- round(1 + log2(count(data_2005)), 0) %>% as.integer()
bw
[1] 10
ヒストグラム
普通のヒストグラム
data_2005 %>%
ggplot(aes(x = exppv)) +
geom_histogram(aes(y = ..density..), # ..density..で密度を出力する
binwidth = bw) + # 階級の数を設定する
labs(x = "有権者1人あたりに使う選挙費用", # X軸のラベル名を変える
y = "密度", # Y軸のラベル名を変える
title = "選挙費用のヒストグラム") # グラフにタイトルを付ける
binの色を変える
data_2005 %>%
ggplot(aes(x = exppv)) +
geom_histogram(aes(y = ..density..),
binwidth = bw,
fill = "orange", # binの中の色を変える
color = "black") + # binの枠の色を変える
labs(x = "有権者1人あたりに使う選挙費用",
y = "密度",
title = "選挙費用のヒストグラム")
政党別に色を付ける
重なって見えずらいので、お勧めしない。
data_2005 %>%
ggplot(aes(x = exppv)) +
geom_histogram(aes(y = ..density..,
fill = party_jpn), # party_jpnの値によって色を変える
binwidth = bw,
color = "black",
show.legend = F) + # show.legend = Fでlegendを非表示に
labs(x = "有権者1人あたりに使う選挙費用",
y = "密度",
title = "選挙費用のヒストグラム")
政党別に可視化
政党別に分布を見たいならば、こちらのほうが良い。
data_2005 %>%
ggplot(aes(x = exppv)) +
geom_histogram(aes(y = ..density..,
fill = party_jpn),
binwidth = bw,
show.legend = F) +
labs(x = "有権者1人あたりに使う選挙費用",
y = "密度",
title = "選挙費用のヒストグラム") +
facet_wrap(~party_jpn) # party_jpnの値毎にヒストグラムを描く
密度曲線
普通の密度曲線
data_2005 %>%
ggplot(aes(x = exppv)) +
geom_density(fill = "gray") +
labs(x = "有権者1人あたりに使う選挙費用", # X軸のラベル名を変える
y = "密度", # Y軸のラベル名を変える
title = "選挙費用の密度曲線") # グラフにタイトルを付ける
曲線の色を変える
data_2005 %>%
ggplot(aes(x = exppv)) +
geom_density(fill = "orange", # 曲線の中の色を変える
color = "black") + # 線の色を変える
labs(x = "有権者1人あたりに使う選挙費用",
y = "密度",
title = "選挙費用の密度曲線")
政党別に色を付ける
ヒストグラムと違い、alpha =を設定すれば見やすい。
data_2005 %>%
ggplot(aes(x = exppv)) +
geom_density(aes(fill = party_jpn), # party_jpnの値によって色を変える
alpha = .3,
show.legend = F) + # show.legend = Fでlegendを非表示に
labs(x = "有権者1人あたりに使う選挙費用",
y = "密度",
title = "選挙費用の密度曲線")
政党別に可視化
こちらも見やすい。
scales = にfreeやfree_x、free_yを接待することでメモリを政党別に自動調整できる。
ただ、正確に比較する際には使わないことが多い。
data_2005 %>%
ggplot(aes(x = exppv)) +
geom_density(aes(fill = party_jpn),
show.legend = F) +
labs(x = "有権者1人あたりに使う選挙費用",
y = "密度",
title = "選挙費用の密度曲線",
fill = "政党名") +
facet_wrap(~party_jpn) # party_jpnの値毎に密度曲線を描く
ヒストグラムと密度曲線を一緒に表示
ヒストグラムで全体の分布を表示し、密度曲線で政党別を表示した。
data_2005 %>%
ggplot(aes(x = exppv)) +
geom_histogram(aes(y = ..density..),
binwidth = bw) +
geom_density(aes(fill = party_jpn),
alpha = .3) +
labs(x = "有権者1人あたりに使う選挙費用",
title = "選挙費用のヒストグラムと密度曲線",
fill = "政党名") # fill = によって生成されたlegendの名前を変更
この記事のコードをまとめたものはGithubにあります。