Mengen und Proportionen

Beispieldatensatz

Wir verwenden in den folgenden Beispielen den Datensatz Environmental Impacts of Food Production von Our World in Data. Ladet euch den Datensatz auf euren Rechner herunter, speichert ihn in eurem aktuellen R-Arbeitsverzeichnis, und ladet den mit der bekannten Funktion aus dem readr Paket:

# Set your working directory
setwd("...")

# Read the data file as a tibble
food_production <- read_csv("food_production.csv")

Einfache Balkendiagramme

Einfache Balkendiagramme sind nützlich, um Zahlen über verschiedene Kategorien hinweg zu vergleichen. Menschen sind ausgezeichnet darin, die Höhe oder Breite von Balken im Vergleich zu anderen Balken einzuschätzen. Das Beispiel unten erzeugt ein Diagramm, in dem jeder Balken die Anzahl der Produkte in einer Produktkategorie aus dem REWE-Datensatz repräsentiert:

# Wie viele Produkte hat jede Kategorie?
rewe %>%
  filter(!is.na(productCategory)) %>%
  ggplot(aes(x = productCategory)) + 
  geom_bar() +
  theme(axis.text.x = element_text(angle = -45, hjust = 0)) +
  xlab("Product Category") + 
  ylab("Number Products")

Wir geben für das Diagramm nur an, welche Variable für die x-Achse verwendet werden soll. Standardmäßig verwendet R die Anzahl an Datensätzen pro Ausprägung der Variable als Größe für die Höhe der Balken. Das entspricht hier der Anzahl Produkte pro Kategorie.

Damit die Beschriftungen der x-Achse besser lesbar ist, drehen wir die Texte um minus 45 Grad (Zeile 6). Außerdem benennen wir die Achsen mit aussagekräftigen Labeln (Zeile 7 und 8).

Sortierung in Balkendiagrammen

Bei Balkendiagrammen ist es meistens sinnvoll, die Balken nach Werten zu sortieren. So sieht man schneller, wo die größten oder kleinsten Werte sind und wie die Proportionen dazwischen verlaufen.

Sortierung bei vorhandenem y-Wert

Wir müssen bei der Sortierung zwischen zwei Fällen unterscheiden:

1. Wir haben im Datensatz eine Größe, die wir auf der y-Achse über die Höhe eines Balkens zeigen wollen.

2. Wir haben keine Größe im Datensatz, sondern wollen die Werte pro Ausprägung auf der x-Achse zählen und die Balkengröße danach bestimmen lassen.

Der zweite Fall wird unten gezeigt. Für den ersten Fall können wir die reorder() Funktion verwenden. Zunächst die unsortierte Variante eines Balkendiagramms, das die Gesamtemissionen für jedes Lebensmittelprodukt zeigt:

food_production %>%
  ggplot(aes(x = food_product, y = total_emissions)) +
  coord_flip() +
  geom_col()

Mit der reorder() Funktion können wir die Variable auf der Achse nach einer zweiten Variable sortieren lassen:

food_production %>%
  ggplot(aes(x = reorder(food_product, total_emissions), y = total_emissions)) +
  coord_flip() +
  geom_col()

Die Sortierung können wir mit der desc() Funktion umkehren:

food_production %>%
  ggplot(aes(x = reorder(food_product, desc(total_emissions)), y = total_emissions)) +
  coord_flip() +
  geom_col()

Sortierung bei automatisch errechneten y-Wert

Die Funktion geom_bar() errechnet automatisch einen Wert für die y-Achse. Standardmäßig zählt sie die Anzahl Datensätze in jeder Kategorie. Der folgende Code erzeugt ein Balkendiagramm für die Anzahl Produkte pro Kategorie:

rewe %>%
  filter(!is.na(productCategory)) %>%
  ggplot(aes(x = productCategory)) + 
  geom_bar() +
  xlab("Product Category") + 
  ylab("Number Products") +
  coord_flip()

Das Ergebnis seht ihr unten. Die Balken sind nicht sortiert.

Um die Balken nach der Anzahl Produkte auf zu sortieren, können wir die Funktion fct_infreq() verwenden:

rewe %>%
  filter(!is.na(productCategory)) %>%
  ggplot(aes(x = fct_infreq(productCategory))) + 
  geom_bar() +
  xlab("Product Category") + 
  ylab("Number Products") +
  coord_flip()

Mit der Funktion fct_rev() können wir die Sortierung umdrehen und absteigend sortieren:

rewe %>%
  filter(!is.na(productCategory)) %>%
  ggplot(aes(x = fct_rev(fct_infreq(productCategory)))) + 
  geom_bar() +
  xlab("Product Category") + 
  ylab("Number Products") +
  coord_flip()