[R] DataFrame factor만들기, One-way ANOVA와 결과 그래프(geom_boxplot) 그리기

R을 쓰면서 중요한 것 중 하나는 ‘~’ 에 대한 이해다.

A ~ B 라는 것은, (내가 이해하기로) B라는 요인에 대한 A 값 이라고 해석할 수 있는데,(사실 맞는지는 모름)

One-way ANOVA라는 것이 결국 명목형 자료에 대한 연속형 자료의 통계라는 것,

 

아무튼 햇갈리면 다음과 같이 그래프를 만들어서 비교해보자

boxplot(A~B, data=myDataFrame); //myDataFrame은 read.csv, read.xlsx등으로 불러온 자료(데이터프레임)이름을 붙이면된다.

(boxplot(myDataFrame$A~myDataFrame$B)와 같은 말이다.)

boxplot(B~A, data=myDataFrame);

스크린샷 2014-04-08 오후 3.09.04 스크린샷 2014-04-08 오후 3.09.40

이해가 될 것이다.

1. DataFrame factor 만들기

사실 R 자체에서는 통계를 구함에 있어 이 변수가 명목형인지 연속형인지 신경써주지 않는다.(내가 ‘의도하는 바’는 위의 0,1,2,3,4가 실제 숫자아 아니라 index값이라는 것, 그러나 프로그램은 그냥 숫자 0,1,2,3,4로 이해한다)

스크린샷 2014-04-08 오후 3.18.43

따라서 내가 원하는 것은 앞의 그래프이고, x축을 다르게(명목변수를 제대로된 label을 붙여서!) 표현하고 싶으니,

> data$ss<-factor(data$ss,levels=c(‘0′,’1′,’2′,’3′,’4’),labels=c(‘worst’,’worse’,’same’,’better’,’best’))

 

스크린샷 2014-04-08 오후 3.19.26

해서 보면 각각 0,1,2,3,4를 factor로 만들고, 이에 대한 label을 붙이게 된다. 아마도(!) 내부적으로는 0,1,2,3,4라는 값은 살아있는 듯 하다.

변수를 확인할 수 있는, str함수를 쓰면

스크린샷 2014-04-08 오후 3.24.06

값은 살아있는 듯 하다.

아무튼 이제 이 상태에서 boxplot을 내보면

스크린샷 2014-04-08 오후 3.24.52

스크린샷 2014-04-08 오후 3.54.19

ss값을 먼저 쓴 boxplot은 에러가 난다.

 

2. One-way ANOVA

이제 위에서 만든 factor들에 대한 cc의 값들이 통계적인 유의성을 보이는지 확인해보자.

라고 해봤자, ANOVA는 SPSS로 돌렸을테니까…및 R로 ANOVA를 확인할 사람은 이미 더 실력이 있다는 가정하에 생략

통계는 잘 모르지만, 예전에 통계강좌에서 post huc으로 Scheffe를 이용하라고 했어서, R로 확인한 한번 해본다.

참고로 아래 함수를 쓰려면 libary(asbio) 로딩이 필요하다.

> result = scheffeCI(data$cc,data$ss,conf.level=0.95,MSE=NULL,df.err=NULL)

스크린샷 2014-04-08 오후 3.34.44

역시 (내가) SPSS에서 봤던 것 처럼 same과 better는 유의한 차이를 보이지 않는다.

참고로 이 결과의 표에서 “P-value를 추출하고 싶다!”면 (추후에 그래프에 포함시키기 위해서라든지)

찾아가는 방법은 다음과 같다.

> str(result);

스크린샷 2014-04-08 오후 3.39.04 1

보면 우리가 원하는 항목은 ‘result 변수’의 항목 중 $summary라는 곳이다.

그럼 $summary를 보자

스크린샷 2014-04-08 오후 3.40.06

그럼 여기에 Adj. P-value가 있다.

> result$summary$Diff 라든지 result$summary$Lower 는 그냥 치면 결과가 잘 나온다.

그럼 원하는 위치의 값을 result$summary$Diff[1] , Diff[2]등으로 써서 읽어올수가 있다.

스크린샷 2014-04-08 오후 3.41.18

그러나!! Adj. P-value는 안됨.

스크린샷 2014-04-08 오후 3.42.21

이때 등장하는 것이 dataframe에 대한 access의 특징

띄어쓰기가 있는 항목은 다음과 같이 접근하면 된다.

스크린샷 2014-04-08 오후 3.43.20

> result$summary[,”Adj. P-value”] [1] 0        0        0        0        0        0.999994 0        0        0.000518 0.000388
Levels: 0 0.000388 0.000518 0.999994
> result$summary[6,”Adj. P-value”] [1] 0.999994
Levels: 0 0.000388 0.000518 0.999994
> result$summary[,”Adj. P-value”][6] [1] 0.999994
Levels: 0 0.000388 0.000518 0.999994
>

 

참고로 [,”Adj. P-value”]앞에 ‘,’ 앞에 아무것도 안쓰면 모든 테이블 값을 가져오는 것이고,

result$summary[6,”Adj. P-value”] 와 result$summary[,”Adj. P-value”][6] 의 값이 왜 같은지는 쉽게 알 수 있으리라 생각한다.

 

그럼 다시 돌아가서 one-way anova그래프를 완성해보자

 

3. One-way ANOVA 그래프 그리기

위에서 잠깐 사용했던 Boxplot을, 조금더 적절하게 그리기 위해 ggplot을 사용한다.

library(ggplot2)를 로드해야한다.

일단 사용할 데이터를 정의한다.

ggplot(myDataFrame, aes(x=ss,y=cc)) 와 같은 방식이다.

스크린샷 2014-04-08 오후 6.38.21

현재 표현하는 방식에 대해 정의하지 않았으므로 나오는 것이 없다.

스크린샷 2014-04-08 오후 6.40.45

위의 두줄은 동일한 결과를 나타낸다.이후

>fig 라고 치면

스크린샷 2014-04-08 오후 6.41.40

(참고로 보이는 검은색 띠는 아직 출판되지 않은 자료라 가려놓은 것이다. 원래는 숫자가 나온다.)

Box-plot이 그려진다.

이제 여기에 몇가지 설정을 할 수 있는데

fig <- fig + …. 이런 방식으로 설정해나가면 된다.

예를 들자면 아까 geom_boxplot() 처럼 + geom_text 함수를 이용해서 값을 표시할 수 있고, (자세한 것은 구글을 참조할 것)

 

위에 그래프에서 보이는 오차범위 밖의 검은색 점들을 지우려면 다음과 같이 쓰면 된다.

> fig <- ggplot(data,aes(x=ss,y=cc)) + geom_boxplot(outlier.colour = NA) //혹은 outlier.size=0 으로 해버리는 방법도 있다.

스크린샷 2014-04-08 오후 6.46.15

밖에 있던 점들을 outlier라고 부르는 것 같다.

이제 배경을 하얗게 바꾸고 가로실선을 회색으로 바꾸고, 세로 실선은 없어지게 한다.

> fig <- ggplot(data,aes(x=ss,y=cc))  + geom_boxplot(outlier.colour = NA)
> fig <- fig + theme_bw()+
+ theme(panel.grid.major.x = element_blank(), panel.grid.minor.x = element_blank(), panel.grid.major.x = element_line(colour=”grey60″,linetype=”dashed”))
> fig

스크린샷 2014-04-08 오후 7.01.11

스크린샷 2014-04-08 오후 7.01.52

여기에 추가로 Y 축 표시를 figure 창 사이즈와 무관하게 (windows R에서는 어떻게 표시는지 잘 모르겠지만, 맥에서 R을 돌리면 figure 창 사이트 조절에 따라 y축 표시 숫자가 바뀐다)

fig <- fig + scale_y_continuous(breaks=seq(0,13,by=2))   (y축 표시를 0부터 13까지 2씩 증가시켜 표시함)

fig <- fig + scale_y_continuous(breaks=c(1:10)) (y축 표시를 1부터 10까지 1씩 증가시킴)

등등으로 바꿔서 사용

 

4. 통계적 의미를 위한 처리

“박스를 그려놓고 각 박스별로 통계적으로 의미있는 경우 선으로 보여줘서 처리하고 싶다.” 라고 하면

http://stackoverflow.com/questions/19658388/error-with-adding-geom-path-to-boxplot-using-ggplot-function

예제를 참조.

다시는 못찾고 있는데, 이전에 다른 예제에서는 각 박스별로 y좌표의 최고점을 찾아 편하게 처리했던 예제도 있었다.

만약에 Y-maximum값이 Y-axis의 값에 거의 근접해서 그래프 위쪽에 여유가 별로 없다면?

다음과 같은 꼼수를 이용한다.

fig2<- fig + coord_cartesian(ylim=c(-1,20)) + scale_y_continuous(breaks=seq(0,12,by=2))

coord_cartesian을 이용해서 y-axis의 범위를 정하고 뒤의 scale_y를 이용해서 표시해주는 영역은 0에서 12까지만으로 제한

그럼 위쪽 공간을 활용하기가 쉬워진다.

————–

참고 예제

http://docs.ggplot2.org/0.9.3.1/geom_boxplot.html

http://stats.stackexchange.com/questions/8137/how-to-add-horizontal-lines-to-ggplot2-boxplot

 

0 Shares:
Leave a Reply

Your email address will not be published.

This site uses Akismet to reduce spam. Learn how your comment data is processed.