tidyplots: 간편한 그래프 작성 라이브러리

tidyplots 패키지를 이용하여 주어진 데이터로 빠르게 그래프를 그려보자

R
rpackage
Ggplot2
tidyplots
Author

Jeongmin Seo

Published

December 6, 2024

1. Introduction : What is tidyplots?

tidyplots?

tidyplots는 ggplot2과 비슷하게 R에서 데이터를 이용하여 그래프를 그릴 수 있게 해 주는 라이브러리이다. tidyplots는 Rstudio에서 다음과 같이 설치 후 실행할 수 있다.

ggplot2와의 차이점?

tidyplots와 ggplot2는 그래프를 그릴 수 있다는 점은 동일하고 실제로 tidyplots object는 ggplot object와 동일하게 다른 작업이 모두 가능하다. 하지만 코드를 작성함에 있어서 차이점이 있다. study dataset의 treatment, score 컬럼으로 그래프를 그리는 코드를 통해 비교해 보자.

  • 데이터 확인
dt <- study
head(dt)
# A tibble: 6 × 7
  treatment group   dose  participant   age sex    score
  <chr>     <chr>   <chr> <chr>       <dbl> <chr>  <dbl>
1 A         placebo high  p01            23 female     2
2 A         placebo high  p02            45 male       4
3 A         placebo high  p03            32 female     5
4 A         placebo high  p04            37 male       4
5 A         placebo high  p05            24 female     6
6 B         placebo low   p06            23 female     9
  • ggplot2로 작성한 코드
ggplot(dt, aes(x = treatment, y = score)) +
  geom_boxplot() +   
  geom_jitter(width = 0.2, color = "blue", alpha = 0.5) +  
  labs(title = "Treatment vs Score",
       x = "Treatment",
       y = "Score") +
  theme_minimal()

  • tidyplots로 작성한 코드
dt %>% 
  tidyplot(x = treatment, y = score) %>% 
  add_data_points_jitter() %>% 
  adjust_title("Treatment vs Score") %>% 
  adjust_x_axis_title("Treatment") %>% 
  adjust_y_axis_title("Score") %>%
  add_boxplot(alpha = 0) %>% 
  adjust_size(width = NA, height = NA)

코드로 확인할 수 있듯이 “+” 기호로 코드를 잇는 ggplot2와는 다르게, tidyplots는 공통적으로 ’tidyplot’이라는 코드로 그래프를 선언한 다음, 그 뒤에 파이프 연산자 %>%를 이어서 그래프를 구체화시킬 수 있다. 각각의 함수의 이름에 기능이 직관적으로 잘 드러나 있기에 쉽게 그래프 코드를 작성할 수 있다.

2. Tidyplots : basics

1. Plotting

tidyplots는 기본적으로 항상 데이터와 함께 tidyplot()으로 그래프를 선언한 후 코드를 작성해야 한다. 아래의 예시는 모두 같은 결과를 수행한다. 예시에는 tidyplots 패키지에서 기본으로 제공하는 study dataset을 이용하였다.

# example 1
plot1 <- tidyplot(study, x = treatment, y = score)

# example 2
plot2 <- study %>% 
  tidyplot(x = treatment, y = score)

2. Method : Add

tidyplots에서 그래프를 구체화하는 작업은 이후 %>% 연산자를 이용하여 연결한다. tidyplots의 대부분의 함수는 add, adjust, remove로 구분할 수 있으며, 이 섹션에서는 그래프의 요소를 더하는 add 에 해당하는 대표적인 기능에 대해 알아본다.

add_data_points

각각의 데이터들을 그래프 상에 표시하고 싶다면 add_data_points()를 사용하면 된다. 목적에 따라 add_data_points_jitter(), add_data_points_beeswarm() 옵션도 지원한다.

study %>%
  tidyplot(x = treatment, y = score, color = treatment) %>%
  add_data_points() %>% 
  adjust_size(width = NA, height = NA)

study %>%
  tidyplot(x = treatment, y = score, color = treatment) %>%
  add_data_points_jitter() %>% 
  adjust_size(width = NA, height = NA)

study %>%
  tidyplot(x = treatment, y = score, color = treatment) %>%
  add_data_points_beeswarm() %>% 
  adjust_size(width = NA, height = NA)

이외에도 함수 내부에서 다양한 argument를 조정하여 커스터마이징할 수 있다.

add_count, add_sum, add_mean, add_median

tidyplots에서는 그래프를 그리고 난 이후 다양한 지표요소를 그래프에 추가할 수 있는 기능을 제공한다. 종류는 mean, median, sum, count가 있고, value를 통해 직접 값을 표시할 수도 있고 bar, dash, line, area 등 다양한 형식으로 표현할 수 있다. 가령 데이터의 평균값을 bar의 형태로 표시하고 싶다면 add_mean_bar() 함수를 쓰면 된다. 예시를 통해 알아보자.

study %>%
  tidyplot(x = treatment, y = score, color = treatment) %>%
  add_mean_bar() %>% 
  adjust_size(width = NA, height = NA)

study %>%
  tidyplot(x = treatment, y = score, color = treatment) %>%
  add_mean_dash() %>% 
  adjust_size(width = NA, height = NA)

study %>%
  tidyplot(x = treatment, y = score, color = treatment) %>%
  add_mean_dot() %>% 
  adjust_size(width = NA, height = NA)

study %>%
  tidyplot(x = treatment, y = score, color = treatment) %>%
  add_mean_value() %>% 
  adjust_size(width = NA, height = NA)

study %>%
  tidyplot(x = treatment, y = score) %>%
  add_mean_line() %>% 
  adjust_size(width = NA, height = NA)

study %>%
  tidyplot(x = treatment, y = score) %>%
  add_mean_area() %>% 
  adjust_size(width = NA, height = NA)

study %>%
  tidyplot(x = treatment, y = score) %>%
  add_mean_bar(alpha = 0.4) %>%
  add_mean_dash() %>%
  add_mean_dot() %>%
  add_mean_value() %>%
  add_mean_line() %>% 
  adjust_size(width = NA, height = NA)

기타

이외에도 add_test_pvalue()를 통해 "wilcox_test", "t_test", "sign_test", "dunn_test", "emmeans_test", "tukey_hsd", "games_howell_test"등의 통계 검정 결과를 추가하거나 add_data_labels(), add_title() 등으로 차트 요소를 추가할 수 있다.

3. Method : Adjust

이 섹션에서는 그래프의 요소를 수정하는 adjust 에 해당하는 대표적인 기능에 대해 알아본다.

1. adjust_title, adjust_axis_title, adjust_caption

그래프에서 제목이나, 축 제목을 수정해야 할 때 위의 함수들을 이용할 수 있다. 아래와 같은 방식으로 그래프의 요소를 추가한 후, 바로 파이프를 이어서 수정하고자 하는 제목, 축에 대해 값을 입력하면 된다.

study %>%
  tidyplot(x = treatment, y = score, color = treatment) %>%
  add_data_points() %>%
  add_mean_bar(alpha = 0.4) %>%
  add_sem_errorbar() %>%
  adjust_title("This is my fantastic plot title") %>%
  adjust_x_axis_title("Treatment group") %>%
  adjust_y_axis_title("Disease score") %>%
  adjust_legend_title("Legend title") %>%
  adjust_caption("Here goes the caption") %>% 
  adjust_size(width = NA, height = NA)

2. adjust_padding, adjust_axis

그래프에서 여백을 조정해야 할 때, adjust_padding()함수를 사용하면 도움이 된다. 또한 adjust_axis()를 사용하면 각각의 축에 대하여 세세한 수정이 가능하며, parameter와 사용 예시는 아래에 첨부한다.

adjust_x_axis(
  plot,
  title = ggplot2::waiver(),
  breaks = ggplot2::waiver(),
  labels = ggplot2::waiver(),
  limits = NULL,
  padding = c(NA, NA),
  rotate_labels = FALSE,
  transform = "identity",
  cut_short_scale = FALSE,
  force_continuous = FALSE,
  ...
)
# y axis도 동일한 argument를 가짐

breaks, labels, limits는 ggplot2와 동일한 방식으로 수정할 수 있다. transform의 경우 필요하다면 log, date, exp 등 여러 가지 옵션으로 수정할 수 있다.

# Axes limits
animals %>%
  tidyplot(x = weight, y = size, color = family) %>%
  add_data_points() %>%
  adjust_x_axis(limits = c(-1000, 4000)) %>%
  adjust_y_axis(limits = c(-200, 600)) %>% 
  adjust_size(width = NA, height = NA)

# Rotate labels
animals %>%
  tidyplot(x = weight, y = size, color = family) %>%
  add_data_points() %>%
  adjust_x_axis(rotate_labels = 90) %>%
  adjust_y_axis(rotate_labels = 90) %>% 
  adjust_size(width = NA, height = NA)

# Increase plot area padding
animals %>%
  tidyplot(x = weight, y = size, color = family) %>%
  add_data_points() %>%
  adjust_x_axis(padding = c(0.2, 0.2)) %>%
  adjust_y_axis(padding = c(0.2, 0.2)) %>% 
  adjust_size(width = NA, height = NA)

# Scale transformation
animals %>%
  tidyplot(x = weight, y = size, color = family) %>%
  add_data_points() %>%
  adjust_x_axis(transform = "log10") %>%
  adjust_y_axis(transform = "log2") %>% 
  adjust_size(width = NA, height = NA)

4. Method : Remove

이 섹션에서는 그래프의 요소를 수정하는 remove에 해당하는 대표적인 기능에 대해 알아본다.

1. remove_padding

그래프를 그리다 보면 x축, y축 여백이 필요하지 않은 경우가 있는데, 이 경우 remove_padding()을 넣으면 바로 해결할 수 있다.

# Before removing
animals %>%
  tidyplot(x = weight, y = speed, color = family) %>%
  add_data_points() %>% 
  adjust_size(width = NA, height = NA)

# After removing
animals %>%
  tidyplot(x = weight, y = speed, color = family) %>%
  add_data_points() %>%
  remove_padding() %>% 
  adjust_size(width = NA, height = NA)

2. remove_title, remove_caption, remove_axis_

제목, 캡션, 범례 뿐만 아니라 축과 관련된 요소 또한 선택적으로 제거할 수 있다.

# Before removing
study %>%
  tidyplot(x = treatment, y = score, color = treatment) %>%
  add_mean_bar() %>% 
  adjust_size(width = NA, height = NA)

# After removing
study %>%
  tidyplot(x = treatment, y = score, color = treatment) %>%
  add_mean_bar() %>%
  remove_x_axis_line() %>% 
  adjust_size(width = NA, height = NA)

study %>%
  tidyplot(x = treatment, y = score, color = treatment) %>%
  add_mean_bar() %>%
  remove_x_axis_ticks() %>% 
  adjust_size(width = NA, height = NA)

study %>%
  tidyplot(x = treatment, y = score, color = treatment) %>%
  add_mean_bar() %>%
  remove_x_axis_labels() %>% 
  adjust_size(width = NA, height = NA)

study %>%
  tidyplot(x = treatment, y = score, color = treatment) %>%
  add_mean_bar() %>%
  remove_x_axis_title() %>% 
  adjust_size(width = NA, height = NA)

study %>%
  tidyplot(x = treatment, y = score, color = treatment) %>%
  add_mean_bar() %>%
  remove_x_axis() %>% 
  adjust_size(width = NA, height = NA)

3. Tidyplots : applications

이 섹션에서는 tidyplots에서 제공하는 특별한 기능 또는 다른 라이브러리와의 호환에 대한 내용을 소개한다.

1. ggplot to tidyplot, add

ggplot2 라이브러리에서는 그래프의 세부 요소를 매우 다양하게 조정할 수 있는데, as_tidyplot()을 통해 미리 만들어 놓은 ggplot object를 tidyplots object로 변환하여 tidyplots 문법으로 나머지 작업을 시행할 수 있다.

gg <- ggplot(study, aes(x = treatment, y = score, color = treatment)) +
  geom_point()

gg

gg %>% as_tidyplot() %>% 
  remove_legend() %>% 
  adjust_size(width = NA, height = NA)

또한 tidyplot 코드 내부에서 ggplot2의 기능을 사용하고 싶을때는 add::ggplot2()함수를 사용하여 파이프로 연결하여 적용할 수 있다.

study %>%
  tidyplot(x = treatment, y = score, color = treatment) %>%
  add(ggplot2::geom_point()) %>% 
  adjust_size(width = NA, height = NA)

2. split

tidyplots에서 제공하는 기능 중 하나는 그래프를 그린 후. 특정 컬럼을 기준으로 그룹핑 후 그래프를 분리할 수 있는 기능이다. 이는 split_plot()으로 시행 가능하다. argument는 다음과 같다.

split_plot(
  plot,
  by,
  ncol = NULL,
  nrow = NULL,
  byrow = NULL,
  widths = 30,
  heights = 25,
  guides = "collect",
  tag_level = NULL,
  design = NULL,
  unit = "mm"
)

특정 컬럼을 지정하면 그 컬럼을 기준으로 그래프가 분리되며, nrow, ncol을 지정하면 페이지가 분리가 된다. 주의할 점은 split_plot()은 코드의 맨 뒤에 위치해야 한다는 점이다.

# Before splitting
energy %>%
  dplyr::filter(year %in% c(2005, 2010, 2015, 2020)) %>%
  tidyplot(y = power, color = energy_source) %>%
  add_donut() %>% 
  adjust_size(width = NA, height = NA)

# Split by year
energy %>%
  dplyr::filter(year %in% c(2005, 2010, 2015, 2020)) %>%
  tidyplot(y = power, color = energy_source) %>%
  add_donut() %>%
  adjust_size(width = NA, height = NA) %>% 
  split_plot(by = year)
✔ split_plot: split into 4 plots across 1 page

# Spread plots across multiple pages
energy %>%
  dplyr::filter(year %in% c(2005, 2010, 2015, 2020)) %>%
  tidyplot(y = power, color = energy_source) %>%
  add_donut() %>%
  adjust_size(width = NA, height = NA) %>% 
  split_plot(by = year, ncol = 2, nrow = 1) 
✔ split_plot: split into 4 plots across 2 pages
[[1]]


[[2]]

3. vector graphics

tidyplots object도 ggplot2 object와. rvg 패키지로 동일하게 그래프를 벡터 그래픽으로 변환 후 officer 패키지와 연계하여 수정 가능한 pptx 파일로 저장할 수 있다. 그 예시를 소개한다.

library(officer)
library(rvg)

plot3 <- energy %>%
  dplyr::filter(year %in% c(2005, 2010, 2015, 2020)) %>%
  tidyplot(y = power, color = energy_source) %>%
  add_donut() %>%
  adjust_size(width = NA, height = NA) %>% 
  split_plot(by = year) 

ppt <- read_pptx() %>% 
  add_slide(layout = "Title and Content", master = "Office Theme") %>% 
  ph_with(dml(ggobj = plot3), location = ph_location_type(type = "body")) %>% 
  print(target = "plot.pptx")

Summary

tidyplots library는 ggplot2와 비교하여 더 직관적인 가독성이 높은 코드 작성이 가능하고, 특정 작업에 있어서 빠르고 간편하게 그래프를 그릴 수 있다. 포스트에서 소개한 기능 외에도 다양한 기능을 https://jbengler.github.io/tidyplots/index.html에서 확인할 수 있다.

Reuse

Citation

BibTeX citation:
@online{seo2024,
  author = {Seo, Jeongmin},
  title = {Tidyplots: {간편한} {그래프} {작성} {라이브러리}},
  date = {2024-12-06},
  url = {https://blog.zarathu.com/posts/2024-12-06-tidyplots/},
  langid = {en}
}
For attribution, please cite this work as:
Seo, Jeongmin. 2024. “Tidyplots: 간편한 그래프 작성 라이브러리.” December 6, 2024. https://blog.zarathu.com/posts/2024-12-06-tidyplots/.