TemelGorsellestirme.Rmd

---
title: "Temel gorsellestirme"
author: "Matematiksel Evrim Yaz Okulu"
date: "8 Eylul 2015"
output: beamer_presentation
---

```{r global_options, include=FALSE}
knitr::opts_chunk$set(fig.width=3.5, fig.height=2.75)
```


##Oturum programi

- Temel gorsellestirme      
    + Temel grafikler
    + ggplot2
    + Grafik ayrintilari
    
## Gorsellestirme

- Verileri gorsellestirmek analiz etmeden once de sonra da onemli. 

- Karmasik fikirleri netlik, kesinlik ve verimlilikle aktarabilmeli.

- Aktardigi bilgi / Harcanan murekkep orani


      
## Cubuk grafik (Bar plot) 

\begin{columns}\begin{column}{5cm} 
  \begin{itemize}
  \item Gorece kistili bir veri aktarimi gerceklestirir
  \item Kategorik bir degiskenin dagilimini ve yogunlugunu gostermek icin kullanilabilir 
  \item Surekli veriler icin bar grafik kullanilmaz
  \end{itemize}
\end{column}\begin{column}{6cm} 

```{r,echo=FALSE, out.width =  '175px'}
library(reshape2)
mmtcars <- melt(mtcars, id=c(1:9,11)) 
cmtcars <- dcast(mmtcars, value~variable, length)

barplot(cmtcars$gear, 
        names.arg = c(cmtcars$value),
        main="Cubuk grafik",
        xlab="gear", ylab="# of cars")
```
\end{column}\end{columns}

## barplot{graphics}

R'in temel grafik fonksiyonlariyla bar plot:
```{r}
iris.ortalama <- cbind(apply(iris3[,,1],2,mean),apply(iris3[,,2],2,mean),apply(iris3[,,3],2,mean))
colnames(iris.ortalama) <- c("setosa","versicolor","virginica")

barplot(iris.ortalama, beside=TRUE,
        legend=rownames(iris.ortalama),
        xlab="Tur", ylab="Ortalama")
```


## Pasta dilimi grafikler

\begin{columns}\begin{column}{5cm} 
  \begin{itemize}
  \item Bar veya nokta grafikler pasta dilime tercih edilmelidir
  \item Gozumuzun alanlari karsilastirmasi uzunluklari karsilastirmasindan daha zayifti
  \item Pasta dilimi opsiyonlari R'da kisitlidir
  \end{itemize}
\end{column}\begin{column}{6cm} 

```{r,echo=FALSE, out.width =  '175px'}
slices <- c(10, 12,4, 16, 8)
pct <- round(slices/sum(slices)*100)
lbls <- c("US", "UK", "Australia", "Germany", "France")
lbls2 <- paste(lbls, " ", pct, "%", sep="")
pie(slices, labels=lbls2, col=rainbow(length(lbls2)),
    main="Pasta Dilimi Grafik")
```
\end{column}\end{columns}

## Histogram

\begin{columns}\begin{column}{5cm}
  \begin{itemize}
  \item Surekli bir verinin dagilimini gorsellestirmek icin kullanilir 
  \item Buyuk veri setlerinin grafik olarak ozetlenmesi icin kullanilabilir: dagilim, aykiri degerler, kayiklik, vb
  \end{itemize}
\end{column}\begin{column}{6cm} 
```{r,echo=FALSE, out.width =  '155px'}
x <- mtcars$mpg
h<-hist(x,
  breaks=12,  # specify bin number
  col="red",  # color bins
  xlab="Miles Per Gallon",
  main="Histogram")
abline(h=mean(h$counts),col="blue", lwd=2)
box()
```
\end{column}\end{columns}

## hist{graphics}
```{r,eval=FALSE}
TransVer <- read.table("TranskriptomVerisi.txt", 
                       header=T,row.names = 1)
TransVer[1:3,1:3]
hist(TransVer[,1])
hist(TransVer[,1][TransVer[,1]<100],
     main="100'den kucuk degerlerin dagilimi")
```


## Box plot (Kutu Grafigi)
\begin{columns}\begin{column}{7cm}
  \begin{itemize}
  \item Surekli veriler icin uygundur, verinin ozet degerlerini gorsellestirir: 
      \begin{itemize}
      \item minimum
      \item yuzde 25'lik dilim
      \item orta deger (yuzde 50'lik dilim)
      \item yuzde 75'lik dilim
      \item maksimum
      \end{itemize}
  \item Aykiri degerleri gosterebilir
  \item Dagilimlari karsilastirmak icin idealdir
  \end{itemize}
\end{column}\begin{column}{7cm} 
```{r,echo=FALSE, out.width =  '125px'}
boxplot(mtcars$mpg, main="Box plot", ylab="Miles per Gallon")
```
\end{column}\end{columns}


##boxplot{graphics}
```{r}
Iris.Petal.Width <- data.frame(set=iris[iris$Species=="setosa",]$Petal.Width,ver=iris[iris$Species=="versicolor",]$Petal.Width,vir=iris[iris$Species=="virginica",]$Petal.Width)
boxplot(Iris.Petal.Width, main="Uc turun tac yapragi karsilastirmasi", ylab="Genislik (cm)")
```

## Dagilim veya sacilim grafigi
\begin{columns}\begin{column}{5cm}
  \begin{itemize}
  \item Iki surekli veri arasindaki iliskiyi gorsellestirir 
  \item Veri noktalarinin nerelerde bulundugunu gostermek icin idealdir
  \item Verideki belli egilimler hemen gorunur
  \end{itemize}
\end{column}\begin{column}{6cm} 
```{r,echo=FALSE, out.width =  '175px'}
attach(mtcars)
plot(wt, mpg,
main="Sacilim grafigi",
xlab="Car Weight (lbs/1000)",
ylab="Miles Per Gallon ", pch=19)
abline(lm(mpg~wt), col="red", lwd=2, lty=1)
```
\end{column}\end{columns}

##plot{graphics}
```{r}
Kunduz <- read.table("KunduzPop.csv",header=TRUE,sep=";")
plot(Kunduz$Year, Kunduz$Population, pch=20,
     xlab="Yil",ylab="Populasyon")
```


## Cizgi grafik
\begin{columns}\begin{column}{5cm}
  \begin{itemize}
  \item Sacilim grafigindeki noktalari birlestirdiginizde cizgi grafik elde edilir
  \item Cizgi grafikler ozellikle zaman icinde gerceklesen degisimleri gostermek icin idealdir
  \end{itemize}
\end{column}\begin{column}{6cm} 
```{r,echo=FALSE, out.width =  '175px'}
t1 <- subset(Orange, Tree==1)
plot(t1$age, t1$circumference,
     xlab="Age (days)",
     ylab="Circumference (mm)",
     main="Cizgi grafik",
     type="b")
```
\end{column}\end{columns}

##plot{graphics}
`type="l"`

```{r}
plot(Kunduz$Year, Kunduz$Population, type="l", col="red",
     xlab="Yil",ylab="Populasyon")
```


## Baslik ve eksenler

```{r, eval=FALSE}
plot(Kunduz$Year, Kunduz$Population, 
     type="b", # cizgi tipi
     pch=20, # nokta tipi
     col="blue", # cizginin ve noktalarin rengi
     xlab="Yil", # x ekseni etiketi
     ylab="Populasyon", # y ekseni etiketi
     main="Kunduzlar") # grafigin adi

```
- `p` noktalar icin, `l` cizgiler icin, `b` ikisi birlikte...

## Daha fazla cizgi ekleme

- `plot` fonksiyonunu cagirdiktan sonra, `lines` fonksiyonunu cagirarak bir grafige birden fazla cizgi ekleyebilirsiniz

```{r,echo=FALSE, out.width =  '175px'}
t1 <- subset(Orange, Tree==1)
t2 <- subset(Orange, Tree==2)
plot(t1$age, t1$circumference,
     xlab="Yas (gunler)",              
     ylab="Govde cevresi (mm)",     
     main="Portakal Agaci Buyume Grafigi",    
     type="l")  
lines(t2$age, t2$circumference, type="l", 
      lty=2,      # cizgi tipi,  2: kesikli
      col="red")  # renk tipi
```

## Daha fazla cizgi ekleme

- `abline` ile duz cizgiler ekleyebilirsiniz
```{r,echo=FALSE}
plot(t1$age, t1$circumference,
     xlab="Yas (gunler)",              
     ylab="Govde cevresi (mm)",     
     main="Portakal Agaci Buyume Grafigi",    
     type="l")  
lines(t2$age, t2$circumference, type="l", 
      lty=2,      # cizgi tipi,  2: kesikli
      col="red")  # renk tipi
abline(h=mean(t1$circumference))
abline(h=mean(t2$circumference),lty=2,col="red")
```


```{r,eval=FALSE}
abline(h=mean(t1$circumference))
abline(h=mean(t2$circumference),lty=2,col="red")
```

## Nokte ve yazi ekleme

- `points` ile nokta `text` ile yazi ekleyebilirsiniz
```{r,echo=FALSE}
plot(t1$age, t1$circumference,
     xlab="Yas (gunler)",              
     ylab="Govde cevresi (mm)",     
     main="Portakal Agaci Buyume Grafigi",    
     type="l")  
lines(t2$age, t2$circumference, type="l", 
      lty=2,      # cizgi tipi,  2: kesikli
      col="red")  # renk tipi
abline(h=mean(t1$circumference))
abline(h=mean(t2$circumference),lty=2,col="red")
points(815,100,pch=20)
text(980,90,"T1 ortalama")
```


```{r,eval=FALSE}
points(815,100,pch=20)
text(980,90,"T1 ortalama")
```


## Eksen limitlerini degistirme

```{r, eval=FALSE}
plot(t1$age, t1$circumference,
     xlab="Yas (gunler)",              
     ylab="Govde cevresi (mm)",     
     main="Portakal Agaci Buyume Grafigi",    
     type="l",
     xlim=c(min(Orange$age),max(Orange$age)), # xlim=c(xmin, xmax)
     ylim=c(min(Orange$circumference),max(Orange$circumference)))  
lines(t2$age, t2$circumference, type="l", 
      lty=2,      
      col="red")  
```

## Gosterge (legend) ekleme

```{r, eval=FALSE}
t3 <- subset(Orange, Tree==3)
 
lines(t3$age, t3$circumference, type="l", 
      lty=4, lwd=5, # cizgi kalinligi
      col=rgb(0, 1, 0))  # yesil demenin bir baska yolu
legend("topleft", # gosterge pozisyonu
        legend=c("t1","t2","t3"), # gosterge degerleri
        lty=c(1,2,4), # tum cizgilerin tipleri
        lwd=c(1,1,5), # tum cizgilerin kalinliklari
        col=c('black', 'red', 'green'), # hepsinin renkleri
        bty='n',  # gosterge etrafinda kutu olsun mu olmasin mi
        cex=.75)  # karakter boyutlandirma faktoru
```


## ggplot2

- Adini Leland Wilkinson'in, *The grammar of graphics* kitabindan alir.

```{r,message=FALSE}
library(ggplot2)
```

      + Cok yonlu     
      + Temiz     
      + Tutarli     
      + Kaliteli
      + Kullanimi yaygin
      
## Temel grafiklerle barplot
```{r}
iris.ortalama <- cbind(apply(iris3[,,1],2,mean),apply(iris3[,,2],2,mean),apply(iris3[,,3],2,mean))
colnames(iris.ortalama) <- c("setosa","versicolor","virginica")

barplot(iris.ortalama, beside=TRUE,
        xlab="Tur", ylab="Ortalama")
```

## 

- Eksenleri degistirmek icin verinin kendisini degistirmeniz gerekir: 
```{r}
barplot(t(iris.ortalama), beside=TRUE)
```

## Temel grafiklerle cizgi grafik


```{r}
plot(t1$age, t1$circumference,
     xlab="Age (days)",              
     ylab="Circumference (mm)",     
     main="Orange Tree Growth",    
     type="l")  
lines(t2$age, t2$circumference, type="l", 
      lty=2,      
      col="red")  
```

> Ikinci (kesikli) zicgi gorunebilir limitin disina cikti     


## ggplot2

- `ggplot2`'ta veri istenilen formata bir kez getirildi mi tekrar degistirmeye gerek yoktur.      
      + veri cercevesi (dataframe) zuerinde calisir      
      
- Uzun bicim (long format): cizdirilmek istenen her deisken kendine ait bir sutunda yer alir. 

```{r}
library(reshape2)
iris.ortalama.uzun <- melt(iris.ortalama,varnames=c("Olcum","Tur"))
iris.ortalama.uzun
```

## 
- Once R'a:      
      + *Tur*'u x eksenine `x=Tur`    
      + *Olcum*'lere gore cubuklari renklendirmesini `fill=Olcum` 
      + *value*'yu y eksenine `y=value` cizmesini soyluyoruz.
- Sonra da, cubukolarak cizmesini soyluyoruz `geom_bar()`
```{r,fig.height=2.25}
ggplot(iris.ortalama.uzun, aes(x=Tur, y=value, fill=Olcum)) +
        geom_bar(stat="identity", position="dodge")
```



##
Eksen degistirmek icin:
```{r}
ggplot(iris.ortalama.uzun, aes(x=Olcum, y=value, fill=Tur)) +
        geom_bar(stat="identity", position="dodge")
```   

##
Cizgi grafik icin `geom_line()`
```{r}
ggplot(Orange, aes(x=age,y=circumference,color=Tree))+geom_line()
```



## Terminoloji

**Data:** Ilgili dataframede sutunlar olarak tutulan degerler. 

**Geoms:** Veriyi gorsellestirecek  geometrik nesneler (cubuk, cizgi, nokta vb.) 

**Aesthetics:** Geom'larin gorsel ozellikleri (hangi eksene cizilsin, rengi ne olsun, sekli ne olsun) 

**Scales:** Veri ve estetik arasindaki iletisimi saglayan kontroller (surekli bir y-ekseninde numerik degerlerden yuksek olanin yukarida olmasi gibi)

**Guides:** Gorsel ozelliklere dair kontoller (etiketler, isaretcilerin ozellikleri vb.)



## Basit bir deneme:

1 - Veri, veri cercevesi olarak tutulmali         

2 - Cizdirilecek degiskenlerin kendi sutunlari olmali. 


```{r}
dat <- data.frame(xval=1:4, yval=c(3,5,6,9), 
                  group=c("A","B","A","B"))
dat
```

## Basit bir deneme:

Once `ggplot` nesnesini yaratiyoruz:
```{r}
g <- ggplot(dat, aes(x=xval, y=yval))
```

Burada cizdirilecek verileri `aes()` icine aldik:       
- `x=xval` : `xval` sutununu *x* eksenine       
- `y=yval` : `yval` sutununu *y* eksenine



## Basit bir deneme:

Sonra hangi geometrik ggplot nesnesiyle verimizi gorsellestirmek istedigimizi soyluyoruz 
- sacilim grafigi icin `geom_point()`
```{r}
g + geom_point()
```

## Basit bir deneme:

Noktalari grup degiskenine gore renklendirmek istersek `geom_point()` icinde de `aes()` tanimlayabiliriz: `colour=group` 
```{r}
g + geom_point(aes(colour=group))
```


##
Bir sey cizdirmiyor (yani bir sutundaki degerleri kullanarak grafige bir bilgi eklemiyor) sadece estetik olarak renk degistirmek istiyorsak `aes()`'i kullanmamiza gerek yok: 

>legend'in kaybolduguna dikkat edin
```{r}
g + geom_point(colour="blue")
```

##
Olcekleri (Scales) de degistirebiliriz:

```{r}
g + geom_point(aes(colour=group)) +
  scale_colour_manual(values=c("orange","forestgreen"))
```

  
##
Eksen limitlerini de degistirebiliriz:
```{r}
g + geom_point() + scale_x_continuous(limits=c(0,8))
```




## Sacilim grafigi

```{r}
ggplot(Kunduz, aes(x=Year, y=Population)) + geom_point()

```



## Baslik

```{r}
data("PlantGrowth")
g <- ggplot(PlantGrowth, aes(x=group, y=weight)) + geom_boxplot()
g + ggtitle("Farkli muameleler altinda \nbitki buyumesi") +
  theme(plot.title = element_text(lineheight=.8, face="bold"))
```

## x-y eksen etiketleri
```{r}
# g + labs(x = "Deney grubu", y = "Agirlik (Kg)")
g + theme(axis.title.x = element_blank()) +   # x-eksenini bos birakmak icin
     ylab("Weight (Kg)")                       # y-eksenini etiketlemek icin
```

## x-y eksen etiketleri
```{r}
# Eksen etiketini "scale"" ile de koyabilirsiniz
# x ekseni etiketi icin ayrilan boslugun durduguna dikkat
g + scale_x_discrete(name="") +
     scale_y_continuous(name="Weight (Kg)")
```


## x-y eksenlerini degistirmek icin
```{r}
g + coord_flip()
```

## Gosterge

```{r}
g <- ggplot(PlantGrowth, aes(x=group, y=weight, fill=group)) + geom_boxplot()
# Legend koymamak icin
g + guides(fill=FALSE)
```

## Gostergenin pozisyonu

```{r}
g + theme(legend.position="top")
# g + theme(legend.position=c(1,0), legend.justification=c(1,0))
# Gostergede yerlerin degistirilmesi
# g + scale_fill_discrete(limits=c("trt1", "trt2", "ctrl"))
```

## Gosterge etiketinin degistirilmesi
```{r}
 # Gosterge basligini "Deney" koymak icin
g + labs(fill="Deney")
# Basligi kaldirmak isterseniz
# g + guides(fill=guide_legend(title=NULL))
```

## Mini egzersiz

MASS paketinden `cabbages` verisini kullanarak:

```{r}
data(cabbages,package="MASS")
```

Farkli ekim cesitlerinin (cultivar) lahanalarin C Vitamini icerigine etkisini gorsel olarak karsilastirin.      

Bu karsilastirmaya ekim tarihinin etkisini de dahil edin.     

x-y eksenlerinin etiketlerini degistirin, grafiginize baslik ekleyin.

## Daha fazla kaynak

[R Graphics cookbook](http://www.cookbook-r.com/Graphs/)     

[ggplot2 docs](http://docs.ggplot2.org/current/#)

[Introduction to ggplot2 slides](http://dzchilds.github.io/aps-data-analysis-L1/index.html)


[ggplot2 cheatsheet](http://zevross.com/blog/2014/08/04/beautiful-plotting-in-r-a-ggplot2-cheatsheet-3/)

[Visualising spatial data in R tutorial](https://github.com/Robinlovelace/Creating-maps-in-R/blob/master/intro-spatial-rl.pdf)


[ggplot2 mailing list](http://groups.google.com/group/ggplot2)

[R Graph gallery](http://rgraphgallery.blogspot.de/)

[Plotly R library](https://plot.ly/r/)