More about this website.

1 Load Packages

At first, we need to load some packages. If you do not have them installed them yet, please do so once.

library(ggplot2)
library(hrbrthemes)

## NOTE: Either Arial Narrow or Roboto Condensed fonts are required to use these themes.

##       Please use hrbrthemes::import_roboto_condensed() to install Roboto Condensed and

##       if Arial Narrow is not on your system, please see http://bit.ly/arialnarrow

library(extrafont)

## Registering fonts with R

2 Laden des Datensatzes:

Hierfür verwenden wir die Daten, die wir bereits im Datamanagement-Teil eingelesen haben.

Ein erster Überblick

str(econ_data)

## 'data.frame':    5000 obs. of  8 variables:
##  $ netinc  : int  NA NA 1000 NA NA 2430 NA NA NA 627 ...
##  $ alter   : num  43 15 34 62 52 30 24 14 68 44 ...
##  $ sex     : Factor w/ 2 levels "maennlich","weiblich": 2 2 1 2 2 1 2 1 2 2 ...
##  $ contract: num  NA NA 40 NA NA 40 NA NA NA 19 ...
##  $ actual  : num  NA NA 60 NA NA 40 NA NA 40 19 ...
##  $ trust   : int  3 NA 3 3 3 2 2 NA 2 2 ...
##  $ rely    : int  2 NA 3 1 3 4 3 NA 3 2 ...
##  $ inc_kat : chr  NA NA "Q2" NA ...

head(econ_data)

##       netinc alter       sex contract actual trust rely inc_kat
## 2267      NA    43  weiblich       NA     NA     3    2    <NA>
## 5775      NA    15  weiblich       NA     NA    NA   NA    <NA>
## 10439   1000    34 maennlich       40     60     3    3      Q2
## 11269     NA    62  weiblich       NA     NA     3    1    <NA>
## 6853      NA    52  weiblich       NA     NA     3    3    <NA>
## 3878    2430    30 maennlich       40     40     2    4      Q4

3 Einfache Scatterplots

3.1 Zusammenhang Sympathie Netincome ~ Alter

ggplot(data = econ_data,               # GGplot starten und Datensatz angeben
       mapping = aes(x = alter,        # Specify mapping: aestethics (variable stuff)
                     y = netinc)) +  
  geom_jitter()

3.2 Hinzufügen einer Regressionsgerade

ggplot(data = econ_data,                          
       mapping = aes(x = alter,        
                     y = netinc)) +  
  geom_jitter() + 
  geom_smooth(method = "lm") # lineare Regressionsgerade

3.3 Unterscheiden nach Geschlecht (farblich)

ggplot(data = econ_data,                          
       mapping = aes(x = alter,        
                     y = netinc,
                     col = sex)) +  # groupieren nach Color !
  geom_jitter() + 
  geom_smooth(method = "lm",se = FALSE) # wir schalten die Konfidenzintervalle aus

3.4 Die Farben sind optimierbar:

ggplot(data = econ_data,                          
       mapping = aes(x = alter,        
                     y = netinc,
                     col = sex)) +  
  geom_jitter(alpha = 0.7) +  # wir machen die Punkte ein bisschen durchsichtig
  geom_smooth(size = 2,method = "lm",se = FALSE)+ 
  scale_color_manual(values = c("maennlich" = "pink",  # wir weisen den Parteien farben zu
                                "weiblich" = "blue"),
                     name = "Geschlecht",
                     labels = c("Mann","Frau"))

3.5 Achsenlabels

ggplot(data = econ_data,                          
       mapping = aes(x = alter,        
                     y = netinc,
                     col = sex)) +  
  geom_jitter(alpha = 0.7) +  
  geom_smooth(size = 2,method = "lm",se = FALSE)+ 
  scale_color_manual(values = c("maennlich" = "pink",  
                                "weiblich" = "blue"),
                     name = "Geschlecht",
                     labels = c("Mann","Frau")) + 
  labs(x = "Alter", 
       y = "Nettoeinkommen",
       title = "Titel",
       subtitle = "Untertitel",
       caption = "whatever")

3.6 Schönes Theme

Jetzt noch ein Theme und sichern unter dem Objekt gg1

gg1 <-  # zuweisen
  ggplot(data = econ_data,                          
       mapping = aes(x = alter,        
                     y = netinc,
                     col = sex)) +  
  geom_jitter(alpha = 0.7) +  
  geom_smooth(size = 2,method = "lm",se = FALSE)+ 
  scale_color_manual(values = c("maennlich" = "pink",  
                                "weiblich" = "blue"),
                     name = "Geschlecht",
                     labels = c("Mann","Frau")) + 
  labs(x = "Alter", 
       y = "Nettoeinkommen",
       title = "Titel",
       subtitle = "Untertitel",
       caption = "whatever")#+
 theme_ipsum(grid = "Y") #Theme mit schöner Schrit und mit horizontalen Grid-Linien

gg1 #print

3.7 Output zum Einbinden ins Paper

3.7.1 Entweder pdf

ggsave(filename = "results/econ_jitterplot.pdf",
       plot = gg1,
       device = "pdf",
       width = 10,
       height = 6,
       dpi = 2000)

3.7.2 oder png

ggsave(filename = "results/econ_jitterplot.png",
       plot = gg1,
       device = "png",
       width = 10,
       height = 6,
       dpi = 2000)

3.7.2.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.1

4 Barplots Einkommenskategorien

4.1 Eindimensional

table(econ_data$netinc) %>% head()

## 
##  0 40 81 84 87 88 
##  5  1  1  1  1  2

4.2 Haeufigkeitsverteilung der Einkommenskategorien

ggplot(data = econ_data) + 
  geom_bar(aes(x = inc_kat))

4.3 In Prozent

ggplot(data = econ_data) + 
  geom_bar(aes(x = inc_kat,
               y = (..count..)/sum(..count..))) # relative haeufigkeit

4.4 Twodimensional Barplots

# Descriptive overview
round(
  prop.table(
  table(zweit = econ_data$inc_kat,
        erst = econ_data$sex),margin = 1),2)

##      erst
## zweit maennlich weiblich
##    Q1      0.26     0.74
##    Q2      0.40     0.60
##    Q3      0.67     0.33
##    Q4      0.82     0.18

# In plot
gg1 <- #objekt zuweisen
  ggplot(data = econ_data) + 
  geom_bar(aes(x = inc_kat,
               y = (..count..),
               fill = sex))+ # relative haeufigkeit + 
  scale_fill_manual(values = c("maennlich" = "pink",  
                                "weiblich" = "blue"),
                     name = "Geschlecht",
                     labels = c("Mann","Frau")) + 
  labs(x = "Einkommensquartil", 
       y = "Haeufigkeit",
       title = "Titel",
       subtitle = "Untertitel",
       caption = "whatever") + 
  theme_ipsum(grid = "Y")
gg1 #print

4.5 Output to pdf

ggsave(filename = "results/econ_barplot.pdf",
       plot = gg1,
       device = "pdf",
       width = 10,
       height = 6,
       dpi = 1000)

Data Viz