U10. ggplot2: データの可視化

ユニット概要

分類: 幹（全員必須）

依存関係: U6 → U10、U9 → U10

学習目標:

  • ggplot2の「レイヤの重ね合わせ」という設計思想を理解する
  • aes()でデータと見た目の対応を指定できる
  • 目的に応じたgeom_xxx()を選択できる
  • facet_wrap()でグループ別パネルを作成できる
  • labs()とtheme_xxx()で図を仕上げられる
  • ggsave()で図をファイルに保存できる

事前知識: データはまず可視化するもの

なぜ可視化が重要か

統計といえば「分析」に注目されがちですが、データ分析で最も重要なステップの1つが可視化です。数値の羅列や統計量だけでは見えない情報が、グラフにすると一目でわかることがあります。取得したデータはまず可視化するものと心がけてください。

ggplot2とは

ggplot2はtidyverseに含まれる描画パッケージです。ggは Grammar of Graphics（描画の文法）の略で、図を「文法」に従って組み立てるという発想で設計されています。

ggplot2の基本的な考え方は、レイヤの積み重ねです：

  1. キャンバスを用意する（ggplot()）
  2. データと軸の対応を決める（aes()）
  3. 図の種類を重ねる（geom_xxx()）
  4. ラベルやテーマで仕上げる（labs(), theme_xxx()）
ggplot(data, aes(x = 変数1, y = 変数2)) +
  geom_point() +
  labs(title = "タイトル") +
  theme_classic()

レイヤを+で繋いでいく点がポイントです。パイプ演算子（%>%）でデータを整形してからggplot()に渡すこともできます。

aes()（エステティック・マッピング）

aes()は、データの変数と図の「見た目」を対応づける関数です。

パラメータ 意味 例
x X軸 aes(x = height)
y Y軸 aes(y = weight)
color 点や線の色 aes(color = Species)
fill 塗りつぶしの色 aes(fill = team)
shape 点の形 aes(shape = group)
size 点のサイズ aes(size = salary)

aes()の中に指定すると、データの値に応じて自動的に色や形が変わります。

主なgeom一覧

geom 用途 適するデータ
geom_point() 散布図 連続×連続
geom_line() 折れ線グラフ 時系列・順序データ
geom_histogram() ヒストグラム 連続変数の分布
geom_density() 密度プロット 連続変数の分布（滑らか）
geom_bar() 棒グラフ（度数） カテゴリ変数
geom_col() 棒グラフ（値指定） 集計済みデータ
geom_boxplot() 箱ひげ図 グループ間の分布比較
geom_violin() バイオリンプロット 分布の形状比較
geom_smooth() 回帰線・平滑化曲線 トレンドの可視化

ランクC: 基礎知識を確認しよう

10-C-1

ggplot2でレイヤを重ねるときに使う演算子はどれですか？

ggplot2ではレイヤを+で重ねます。パイプ演算子（%>%）はデータをggplotに渡すときに使いますが、レイヤの追加には使えません。

# パイプでデータを渡し、+でレイヤを重ねる
iris %>%
  ggplot(aes(x = Sepal.Length, y = Sepal.Width)) +
  geom_point()

10-C-2

aes()関数の役割は何ですか？

aes()はaesthetic mappings（エステティック・マッピング）の略で、データの変数をx軸、y軸、色、形、サイズなどの見た目に対応づけます。

10-C-3

散布図を描くためのgeomはどれですか？

geom_point()は2つの連続変数の関係を点で表す散布図を描きます。geom_bar()は棒グラフ、geom_histogram()はヒストグラム、geom_line()は折れ線グラフです。

10-C-4

aes(color = Species)と書くと何が起きますか？

aes()の中でcolor = Speciesと指定すると、Speciesの水準（setosa, versicolor, virginica）ごとに異なる色が自動的に割り当てられ、凡例も表示されます。aes()の外でcolor = "red"のように固定値を指定する場合とは意味が異なります。

10-C-5

facet_wrap(~Species)は何をしますか？

facet_wrap()はデータをグループごとに分割し、それぞれを別の小さなパネル（ファセット）に表示します。1つの図の中でグループ間の比較ができます。

10-C-6

ggplot2のデフォルトの背景色はグレーである。白い背景にするにはどうすればよいですか？

ggplot2のデフォルトテーマはtheme_gray()で背景がグレーです。白い背景にするにはtheme_classic()やtheme_bw()を使います。

ggplot(iris, aes(x = Sepal.Length)) +
  geom_histogram() +
  theme_classic()  # 白背景、枠線あり

日本心理学会の投稿規定では白背景が推奨されています。

10-C-7

labs(x = "身長", y = "体重", title = "散布図")は何を設定していますか？

labs()は図のラベル（labels）を設定する関数です。xでX軸名、yでY軸名、titleでタイトル、subtitleでサブタイトル、captionでキャプション、colorやfillで凡例タイトルを指定できます。

10-C-8

ggsave()関数の主な役割は何ですか？

ggsave()はggplotで作成した図をPNG、PDF、SVGなどの形式でファイルに保存する関数です。

ggsave("figure.png", width = 6, height = 4, dpi = 300)

引数で解像度（dpi）やサイズ（width, height）を指定できます。

ランクB: 実践スキルを磨こう

10-B-1

irisデータセットを使って、Sepal.Length（X軸）とSepal.Width（Y軸）の散布図を描いてください。

iris %>%
  ggplot2::ggplot(ggplot2::aes(x = Sepal.Length, y = Sepal.Width)) +
  ggplot2::geom_point()

ggplot()でキャンバスを用意し、aes()で軸を指定、geom_point()で点を描きます。

10-B-2

10-B-1の散布図で、Speciesごとに点の色を変えてください。さらに軸ラベルとタイトルをつけてください。

aes()の中にcolor = Speciesを追加します。labs()でラベルを設定します。

iris %>%
  ggplot2::ggplot(ggplot2::aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  ggplot2::geom_point() +
  ggplot2::labs(
    x = "がく片の長さ (cm)",
    y = "がく片の幅 (cm)",
    title = "アヤメ3種のがく片サイズ",
    color = "種"
  )

10-B-3

irisデータのSepal.Lengthのヒストグラムを描いてください。ビン幅を0.3に設定し、テーマをtheme_classic()にしてください。

geom_histogram(binwidth = 0.3)でビン幅を指定します。

iris %>%
  ggplot2::ggplot(ggplot2::aes(x = Sepal.Length)) +
  ggplot2::geom_histogram(binwidth = 0.3, fill = "steelblue", color = "white") +
  ggplot2::labs(x = "がく片の長さ (cm)", y = "度数") +
  ggplot2::theme_classic()

fillは棒の塗りつぶし色、colorは棒の枠線の色です。これらはaes()の外に書いているので、全ての棒に同じ色が適用されます。

10-B-4

irisデータで、SpeciesごとのPetal.Lengthの分布を箱ひげ図で比較してください。

iris %>%
  ggplot2::ggplot(ggplot2::aes(x = Species, y = Petal.Length, fill = Species)) +
  ggplot2::geom_boxplot() +
  ggplot2::labs(x = "種", y = "花弁の長さ (cm)") +
  ggplot2::theme_bw()

箱ひげ図は中央値、四分位範囲、外れ値を一目で把握できるので、グループ間の比較に便利です。

10-B-5

irisデータの散布図（Sepal.Length × Sepal.Width）をSpeciesごとに別パネルに分割してください。

facet_wrap(~Species)を追加します。

iris %>%
  ggplot2::ggplot(ggplot2::aes(x = Sepal.Length, y = Sepal.Width)) +
  ggplot2::geom_point() +
  ggplot2::facet_wrap(~Species) +
  ggplot2::labs(x = "がく片の長さ", y = "がく片の幅") +
  ggplot2::theme_bw()

facet_wrap()でSpeciesの3水準がそれぞれ別パネルに表示されます。全パネルで軸の範囲が揃うので、比較が容易です。

10-B-6

irisデータの散布図に回帰直線を追加してください。Speciesごとに色分けし、それぞれに回帰直線を引いてください。

geom_smooth(method = "lm")で回帰直線を追加します。aes(color = Species)がggplot全体に設定されていれば、geom_smoothもSpeciesごとに分かれます。

iris %>%
  ggplot2::ggplot(ggplot2::aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  ggplot2::geom_point() +
  ggplot2::geom_smooth(method = "lm", se = FALSE) +
  ggplot2::labs(x = "がく片の長さ", y = "がく片の幅") +
  ggplot2::theme_classic()

se = FALSEで信頼区間の帯を非表示にしています。method = "lm"は線形回帰です。

10-B-7

BaseballDecade.csvを読み込み、球団（team）ごとの選手数を棒グラフで表示してください。横向きにして、選手数が多い順に並べてください。

coord_flip()で横向きにできます。reorder()で並べ替えができます。

readr::read_csv("../data/BaseballDecade.csv") %>%
  dplyr::filter(Year == "2020年度") %>%
  ggplot2::ggplot(ggplot2::aes(x = stats::reorder(team, team, length))) +
  ggplot2::geom_bar(fill = "steelblue") +
  ggplot2::coord_flip() +
  ggplot2::labs(x = "球団", y = "選手数") +
  ggplot2::theme_classic()

reorder(team, team, length)は、teamをその出現回数（length）で並べ替えます。coord_flip()で軸を反転させると、長い球団名も読みやすくなります。

10-B-8

BaseballDecade.csvから2020年度のデータを使い、身長（height）と体重（weight）の散布図を描いてください。守備位置（position）で色分けし、テーマはtheme_bw()にしてください。

readr::read_csv("../data/BaseballDecade.csv") %>%
  dplyr::filter(Year == "2020年度") %>%
  ggplot2::ggplot(ggplot2::aes(x = height, y = weight, color = position)) +
  ggplot2::geom_point(alpha = 0.7) +
  ggplot2::labs(x = "身長 (cm)", y = "体重 (kg)", color = "守備位置") +
  ggplot2::theme_bw()

alpha = 0.7で点を少し透明にすると、重なった点が見やすくなります。

10-B-9

irisデータをロング型に変換し（U8で学んだpivot_longer()を使って）、4つの測定値の分布をSpeciesごとに密度プロットで比較してください。facet_wrap()で測定値ごとにパネルを分けてください。

pivot_longer(-Species)でロング化すると、name列に測定値名、value列に値が入ります。facet_wrap(~name, scales = "free")で各パネルの軸範囲を独立させます。

iris %>%
  tidyr::pivot_longer(-Species) %>%
  ggplot2::ggplot(ggplot2::aes(x = value, fill = Species)) +
  ggplot2::geom_density(alpha = 0.5) +
  ggplot2::facet_wrap(~name, scales = "free") +
  ggplot2::labs(x = "値", y = "密度", fill = "種") +
  ggplot2::theme_bw()

U7（dplyr）→ U8（tidyr）→ U10（ggplot2）の連携です。データの整形と可視化を組み合わせることで、柔軟な分析が可能になります。

10-B-10

10-B-9で作成した図をggsave()でPNGファイルとして保存するコードを書いてください。解像度300dpi、サイズは幅8インチ×高さ6インチにしてください。

p <- iris %>%
  tidyr::pivot_longer(-Species) %>%
  ggplot2::ggplot(ggplot2::aes(x = value, fill = Species)) +
  ggplot2::geom_density(alpha = 0.5) +
  ggplot2::facet_wrap(~name, scales = "free") +
  ggplot2::labs(x = "値", y = "密度", fill = "種") +
  ggplot2::theme_bw()

ggplot2::ggsave("iris_density.png", plot = p, width = 8, height = 6, dpi = 300)

ggplotオブジェクトをpに保存してからggsave()に渡しています。plot引数を省略すると、最後に表示した図が保存されます。

ランクA: AI協働に挑戦しよう

10-A-1

課題: BaseballDecade.csvを使って、「球団ごとの年俸分布の年度変化」を可視化してください。

どのようなグラフが適切か（箱ひげ図、バイオリンプロット、リッジプロット等）をAIと相談しながら決め、完成させてください。

考えるポイント：

  • 全球団を1つの図に収めるか、facetで分割するか
  • 年俸の分布の偏り（外れ値の多さ）にどう対処するか
  • 見やすい配色やテーマの選択

提出物: AIとの対話ログ、完成したコードと図、選んだグラフの理由。

10-A-2

課題: R Graph Gallery を見て、自分の卒論で使えそうな図を1つ選んでください。

AIに相談しながら、irisまたはBaseballDecade.csvのデータでその図を再現してみてください。

提出物: 選んだ図のURL、再現コード、元の図との違い・工夫した点。

10-A-3

課題: 以下の4つの図を1枚にまとめた複合図を作成してください。

  1. 身長のヒストグラム
  2. 体重のヒストグラム
  3. 身長×体重の散布図（守備位置で色分け）
  4. 球団ごとの平均年俸の棒グラフ

AIに相談しながら、patchworkパッケージなどを使ってレイアウトを整えてください。

提出物: AIとの対話の記録、完成した複合図のコード。

まとめ

このユニットでは、ggplot2によるデータの可視化を学びました：

  • 基本構造: ggplot() + aes() + geom_xxx() のレイヤ構造
  • 散布図・ヒストグラム・箱ひげ図・棒グラフ・密度プロット など目的に応じたgeomの使い分け
  • 色分け・形分け: aes(color = ...), aes(shape = ...)
  • ファセット: facet_wrap()でグループ別パネル表示
  • 仕上げ: labs()でラベル、theme_xxx()でテーマ設定
  • 保存: ggsave()でファイル出力

ggplot2はdplyr（U7）やtidyr（U8）と組み合わせることで真価を発揮します。データの整形→可視化の流れをパイプで繋げて書けるようになりましょう。

進捗: あなたは今 10-C-8 まで完了しました！（と仮定）次は 10-B-1 に進みましょう。