ggplot2はRのデータ可視化パッケージです。
ggplot2を用いて、mtcars（Honda CivicやToyota Corollaなど）のデータを分析します。
実行環境：MacBook Air M1, 2020

RとRStudioのインストール

以下のURLから、RとRStudioをインストールします。
https://posit.co/download/rstudio-desktop/
インストール方法は以下のURLの記事にわかりやすく書かれています。
https://qiita.com/azzeten/items/1031c788ed093d3b3946

ggplot2のインストールと読み込み

ggplot2のインストールと読み込みを行います。

RStudioを起動し、以下のコードを実行します。

install.packages("tidyverse")
library(ggplot2)

次回からは、以下のコードのみを実行します。

library(ggplot2)

これにより、ggplot2を読み込むことができます。

データの読み込み

Rのデータセットからmtcarsを読み込みます。

# データの読み込み
data = mtcars
head(data)

                   mpg cyl disp  hp drat    wt  qsec vs am gear carb
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

データ可視化

mpg（燃費）とcyl（シリンダーの数）

ヒストグラム

シリンダーの数ごとにヒストグラムを作成します。

ggplot(data, aes(x = mpg, fill = factor(cyl))) + geom_histogram(position = "identity", alpha = 0.5, bins = 10)

シリンダーの数が小さいほど、燃費が良いことがわかります。

密度曲線

シリンダーの数ごとに密度曲線を作成します。

ggplot(data, aes(x = mpg, fill = factor(cyl))) + geom_histogram(position = "identity", alpha = 0.5, bins = 10)

ヒストグラムと同様に、シリンダーの数が小さいほど、燃費が良いことがわかります。

箱ひげ図

シリンダーの数ごとに箱ひげ図を作成します。

ggplot(data, aes(x = mpg, fill = factor(cyl))) + geom_histogram(position = "identity", alpha = 0.5, bins = 10)

シリンダーの数ごとに、燃費が異なることがわかります。

mpg（燃費）とdisp（排気量）

散布図

燃費と排気量の散布図を作成します。

ggplot(data, aes(x = mpg, y = disp, label = rownames(data))) + geom_point() + geom_label() + scale_x_continuous(limits = c(10, 35))
ggsave("mtcars.png", width = 900, height = 600, units = "px", dpi = 100)

ラベルが見づらいため、ラベルをMazda RX4、Mazda RX4 Wag、Honda Civic、Toyota Corolla、Toyota Coronaのみにします。

data$name <- rownames(data)
x <- data$name %in% c("Mazda RX4","Mazda RX4 Wag" , "Honda Civic", "Toyota Corolla", "Toyota Corona")
data$name[!x] <- NA

ggplot(data, aes(x = mpg, y = disp, label = name)) + geom_point() + geom_label() + scale_x_continuous(limits = c(10, 35))
ggsave("mtcars.png", width = 900, height = 600, units = "px", dpi = 100)

Toyota CorollaとHonda Civicは、燃費が良く排気量が少ないことがわかります。

mpg（燃費）とhp（馬力）

散布図

燃費と馬力の散布図を作成します。

ggplot(data, aes(x = mpg, y = hp, label = rownames(data))) + geom_point() + geom_label() + scale_x_continuous(limits = c(10, 35))
ggsave("mtcars.png", width = 900, height = 600, units = "px", dpi = 100)

ラベルが見づらいため、ラベルをMazda RX4、Mazda RX4 Wag、Honda Civic、Toyota Corolla、Toyota Coronaのみにします。

data$name <- rownames(data)
x <- data$name %in% c("Mazda RX4","Mazda RX4 Wag" , "Honda Civic", "Toyota Corolla", "Toyota Corona")
data$name[!x] <- NA

ggplot(data, aes(x = mpg, y = hp, label = name)) + geom_point() + geom_label() + scale_x_continuous(limits = c(10, 35))
ggsave("mtcars.png", width = 900, height = 600, units = "px", dpi = 100)

Toyota CorollaとHonda Civicは、燃費が良く馬力が小さいことがわかります。

mpg（燃費）とqsec（発進加速性能のなかで、4分の1マイルに到達する時間）

散布図

燃費とqsecの散布図を作成します。

ggplot(data, aes(x = mpg, y = qsec, label = rownames(data))) + geom_point() + geom_label() + scale_x_continuous(limits = c(10, 35))
ggsave("mtcars.png", width = 900, height = 600, units = "px", dpi = 100)

ラベルが見づらいため、ラベルをMazda RX4、Mazda RX4 Wag、Honda Civic、Toyota Corolla、Toyota Coronaのみにします。

data$name <- rownames(data)
x <- data$name %in% c("Mazda RX4","Mazda RX4 Wag" , "Honda Civic", "Toyota Corolla", "Toyota Corona")
data$name[!x] <- NA

ggplot(data, aes(x = mpg, y = qsec, label = name)) + geom_point() + geom_label() + scale_x_continuous(limits = c(10, 35))
ggsave("mtcars.png", width = 900, height = 600, units = "px", dpi = 100)

Toyota CorollaとHonda Civicは、qsecが大きいことがわかります。

データ分析の結果、Toyota CorollaとHonda Civicは、他のモデルと比較して、性能が良いことがわかりました。
Rには面白いデータセットがあることもわかりました。
次は、他のデータセットを分析したいです。

参考文献

https://ggplot2.tidyverse.org/index.html
https://www.math.chuo-u.ac.jp/~sakaori/Rdata.html
https://stat.ethz.ch/R-manual/R-devel/library/datasets/html/mtcars.html
http://data-science.tokyo/R-EDA1-J/R-EDA1-J1-02.html
https://mukkujohn.hatenablog.com/entry/2016/09/02/230037