korean_translation_of_scatterplot.Rmd

# Korean translation of scatterplot

**산점도**

by Matthew Lim

*Source: https://edav.info/scatter.html

## 개요

R을 이용해 산점도를 그리는 방법

## 요약
예시

<!-- 설명: -->
지상에 사는 포유류 62종의 뇌무게와 몸무게 사이의 관계

```{r tldr-scatter, echo=FALSE, warning=FALSE, fig.height=6, fig.width=9}
library(ggplot2) # 그래프
mammals <- MASS::mammals
# 색상 비율
ratio <- mammals$brain / (mammals$body*1000)
ggplot(mammals, aes(x = body, y = brain)) + 
  # 색상별로 그룹지정 후 포인트 그리기
  geom_point(aes(fill = ifelse(ratio >= 0.02, "#0000ff",
                   ifelse(ratio >= 0.01 & ratio < 0.02, "#00ff00", 
                   ifelse(ratio >= 0.005 & ratio < 0.01, "#00ffff",
                   ifelse(ratio >= 0.001 & ratio < 0.005, "#ffff00", "#ffffff"))))), 
             col = "#656565", alpha = 0.5, size = 4, shape = 21) +
  # 데이터 포인트에 대한 텍스트 삽입
  geom_text(aes(label = ifelse(row.names(mammals) %in% c("Mouse", "Human", "Asian elephant", "Chimpanzee", "Owl monkey", "Ground squirrel"),
                               paste(as.character(row.names(mammals)), "→", sep = " "),'')),
            hjust = 1.12, vjust = 0.3, col = "grey35") +
  geom_text(aes(label = ifelse(row.names(mammals) %in% c("Golden hamster", "Kangaroo", "Water opossum", "Cow"), 
                               paste("←", as.character(row.names(mammals)), sep = " "),'')),
            hjust = -0.12, vjust = 0.35, col = "grey35") +
  # 범례/색상 커스터마이제이션
  scale_fill_manual(name = "Brain Weight, as the\n% of Body Weight",
                    # values = c('#e66101','#fdb863','#b2abd2','#5e3c99'),
                    values = c('#d7191c','#fdae61','#ffffbf','#abd9e9','#2c7bb6'),
                    breaks = c("#0000ff", "#00ff00", "#00ffff", "#ffff00", "#ffffff"),
                    labels = c("Greater than 2%", "Between 1%-2%", "Between 0.5%-1%", "Between 0.1%-0.5%", "Less than 0.1%")) +
  # 포맷팅
  scale_x_log10(name = "Body Weight", breaks = c(0.01, 1, 100, 10000),
                labels = c("10 g", "1 kg", "100 kg", "10K kg")) +
  scale_y_log10(name = "Brain Weight", breaks = c(1, 10, 100, 1000),
                labels = c("1 g", "10 g", "100 g", "1 kg")) +
  ggtitle("An Elephant Never Forgets...How Big A Brain It Has", 
          subtitle = "Brain and Body Weights of Sixty-Two Species of Land Mammals") +
  labs(caption = "Source: MASS::mammals") +
  theme(plot.title = element_text(face = "bold")) +
  theme(plot.subtitle = element_text(face = "bold", color = "grey35")) +
  theme(plot.caption = element_text(color = "grey68")) +
  theme(legend.position = c(0.832, 0.21))
```

사용된 코드:
```{r, ref.label="tldr-scatter", eval=FALSE}
```

이 데이터셋에 대한 더 많은 정보가 궁금하시다면 콘솔에 `?MASS::mammals`을 입력하세요.

맨 오른쪽 상단 끝에 있는 점이 궁금하셨다면 그 점은 다른 종의 코끼리입니다. 좀 더 구체적으론 아프리카 코끼리입니다. 아프리카 코끼리도 자기 뇌가 얼마나 큰지 잊지않죠. <i class="far fa-smile-beam"></i>

## 간단한 예시
<!-- 간단 노트 -->
이전 예시는 너무 복잡했어요! 좀 더 간단하게 부탁해요!
 
<!-- 데이터에 대한 간단한 설명: -->
이번엔 `GDAdata`에서 `SpeedSki` 데이터셋을 통해 참가자가 태어난 해와 그들의 속도의 관계에 대해 알아봅시다:
```{r}
library(GDAdata)

head(SpeedSki, n = 7)
```

### base R을 이용한 산점도
```{r}
x <- SpeedSki$Year
y <- SpeedSki$Speed
# 그래프 삽입
plot(x, y, main = "Scatterplot of Speed vs. Birth Year")
```

<!-- Base R 그래프 설명 -->
두개의 변수만 있으면 아주 간단하게 Base R을 통해 산점도를 그릴 수 있습니다. 산점도를 통해 범주 변수를 그릴 수도 있지만 대게 연속 변수를 그릴 때 사용됩니다.

### ggplot2를 이용한 산점도
```{r}
library(GDAdata) # 데이터
library(ggplot2) # 그래프

# 메인 그래프
scatter <- ggplot(SpeedSki, aes(Year, Speed)) + geom_point()

# 타이틀, 축 이름 추가
scatter +
  labs(x = "Birth Year", y = "Speed Achieved (km/hr)") +
  ggtitle("Ninety-One Skiers by Birth Year and Speed Achieved")

```

<!-- ggplot2 설명 -->
`ggplot2`을 이용해서 산점도를 아주 간단하게 그릴 수 있습니다. `geom_point()` 코드를 통해 한 그래프에 2개의 aesthetic을 그릴 수 있습니다. 또한, 추가적인 포맷을 통해 그래프를 좀 더 깔끔하게 만드는데 더 욱 더 용이합니다. (실질적으로 필요한건 데이터와 aesthetics과 geom입니다).

## 이론

산점도를 통해 변수간의 상관관계를 아주 쉽게 이해할 수 있습니다. 예를 들어 [section 13.2](scatter.html#tldr-7)의 산점도를 보면 포유류의 뇌무게와 몸무게가 정적 상관관계를 가지고 있는걸 볼 수 있습니다. 산점도를 통해 변수들이 상관관계가 있는지, 있다면 정적 상관인지 부적 상관인지 알 수 있습니다. 하지만 상관관계를 원인과 혼동하시면 안됩니다!

이제 어떻게하면 산점도에 대한 이해도를 높힐 수 있을지 알아봅시다.

<!-- *교재 링크 -->
*   For more info about adding lines/contours, comparing groups, and plotting continuous variables check out [Chapter 5](http://www.gradaanwr.net/content/ch05/){target="_blank"} of the textbook.

## 사용 시기
<!-- 언제 이 그래프를 쓰는지 간단한 설명 -->
산점도는 변수들간의 관계를 알아볼때 유용합니다. 당신이 변수들간의 관계가 궁금하다면 산점도부터 시작해보세요.

## 고려 사항

<!-- *  예시를 통해 알아보는 주의할 점 -->
### 겹치는 데이터
비슷한 값의 데이터는 산점도에서 겹쳐질 것이며 이는 문제를 일으킬 수 있습니다. 해결방안으로 [alpha blending](iris.html#aside-example-where-alpha-blending-works)이나 [jittering](iris.html#second-jittering)을 고려해보세요 ([Overlapping Data](iris.html#overlapping-data)의 [Iris Walkthrough](iris.html)섹션의 링크).

### 스케일링
스케일링이 어떻게 산점도의 해석을 바꿀 수 있는지 고려하세요:
```{r scaling-fix}
library(ggplot2)
num_points <- 100
wide_x <- c(rnorm(n = 50, mean = 100, sd = 2), 
            rnorm(n = 50, mean = 10, sd = 2))
wide_y <- rnorm(n = num_points, mean = 5, sd = 2)
df <- data.frame(wide_x, wide_y)
  
ggplot(df, aes(wide_x, wide_y)) +
  geom_point() +
  ggtitle("Linear X-Axis")

ggplot(df, aes(wide_x, wide_y)) +
  geom_point() +
  ggtitle("Log-10 X-Axis") +
  scale_x_log10()

```

## 변경

### 등고선
<!-- 안내문 -->
등고선은 데이터의 밀도에 대해 알려줍니다.

`SpeedSki` 데이터셋을 이용해 등고선에 대해 알아봅시다.

`geom_density_2d()`을 사용해 등고선을 추가할 수 있습니다:
```{r}
ggplot(SpeedSki, aes(Year, Speed)) + 
  geom_density_2d() 
```

등고선은 다른 그래프와 사용시 가장 효율적입니다:
```{r}
ggplot(SpeedSki, aes(Year, Speed)) + 
  geom_point() + 
  geom_density_2d(bins = 5)
```

### 산점도 행렬
여러개의 매개변수를 비교하고 싶다면 사점도 행렬을 사용하는 것을 고려해보세요. 산점도 행렬을 통해 좀 더 효율적으로 변수들을 비교할 수 있습니다.

`ggplot2movies`패키지의 `movies` 데이터셋을 통해 산점도 행렬에 대해 더 자세히 알아봅시다. 

base R의  `plot()` 펑션을 통해 산점도 행렬을 그릴 수 있습니다:
```{r message=FALSE, fig.width=7, fig.height=7}
library(ggplot2movies) # 데이터
library(dplyr) # 데이터 편집

index <- sample(nrow(movies), 500) #샘플 데이터
moviedf <- movies[index,] # 데이터 프레임

splomvar <- moviedf %>% 
  dplyr::select(length, budget, votes, rating, year)

plot(splomvar)
```

base R의 `plot()` 펑션을 개인적인 연구를 위해 사용하는건 괜찮지만 프레젠테이션을 위해 해당 펑션을 사용하는 것은 추천드리지 않습니다. 해당 펑션을 사용해 산점도 행렬을 그릴 시 [Hermann grid illusion](https://en.wikipedia.org/wiki/Grid_illusion){target="_blank"} 때문에 해당 그래프를 해석하기게 매우 어렵습니다. 

`lattice`의 `splom()` 펑션을 통해 이 문제를 해결할 수 있습니다:
```{r, fig.width=7, fig.height=7}
library(lattice) #sploms

splom(splomvar)
```

## 추가 자료
<!-- - []](){target="_blank"}: 추가 자료 링크 -->
- [Quick-R article](https://www.statmethods.net/graphs/scatterplot.html){target="_blank"} Base R을 통한 산점도. 산점도 행렬, 고밀도, 3D 버전의 간단한 예시부터 어려운 예시까지 있습니다. 
- [STHDA Base R](http://www.sthda.com/english/wiki/scatter-plots-r-base-graphs){target="_blank"}: Base R을 통한 산점도에 대한 자료. 더 많은 예시가 있습니다. 
- [STHDA ggplot2](http://www.sthda.com/english/wiki/ggplot2-scatterplot-easy-scatter-plot-using-ggplot2-and-r-statistical-software){target="_blank"}: `ggplot2`를 통한 산점도에 대한 자료. 포맷과 face wraps에 대해 더 자세히 알려줍니다. 
- [Stack Overflow](https://stackoverflow.com/questions/15624656/label-points-in-geom-point){target="_blank"} `geom_point()`의 포인트에 라벨을 더해주는 방법
- [ggplot2 cheatsheet](https://www.rstudio.com/wp-content/uploads/2015/03/ggplot2-cheatsheet.pdf){target="_blank"}: 언제나 가지고 있으면 좋은 자료.