데이터 시각화 — 코드 실습
데이터 시각화의 출발점은 변수를 그래프 요소(x축·y축·색상)에 대응시키는 것입니다. ggplot2로 산점도·히스토그램·회귀선을 직접 그리며 이 대응(aes)을 손에 익혀 봅시다.
1. 산점도 — 변수를 축과 색에 대응하기
mtcars 내장 데이터로 차량 무게(wt)와 연비(mpg)의 관계를 그립니다. aes() 안의 변수와 점 크기·투명도를 바꿔 보세요.
2. 히스토그램 — 구간 개수(bins)가 인상을 바꾼다
같은 데이터라도 bins에 따라 분포의 인상이 달라집니다. faithful 간헐천 분출 시간으로 확인해 보세요.
적당한 구간 개수의 고전적 기준으로 스터지스 공식이 있습니다: \[k = \lceil \log_2 n \rceil + 1\]
3. 회귀선 — 추세를 한 층 얹기
geom_smooth(method = "lm")은 산점도 위에 직선 추세를 얹습니다. iris 데이터에서 종(Species)별로 나눠 보세요.
4. 연습 — 스터지스 공식으로 bins 정하기
관측값이 \(n\)개일 때 스터지스 공식의 구간 개수는 \(k = \lceil \log_2 n \rceil + 1\) 입니다. faithful의 관측값 개수로 \(k\)를 계산하도록 빈칸을 채우세요. (올림은 ceiling())
공식 그대로 옮기면 됩니다: ceiling(log2(n)) + 1.
k <- ceiling(log2(n)) + 1
k5. 연습 — 상자그림 위쪽 울타리
상자그림(boxplot)은 \(Q_3 + 1.5 \times IQR\) 보다 큰 값을 이상치 후보로 표시합니다. mtcars$mpg의 위쪽 울타리(upper fence)를 계산하세요.
울타리는 사분위수 범위의 1.5배만큼 상자 밖으로 나갑니다: q3 + 1.5 * iqr.
upper <- q3 + 1.5 * iqr
unname(upper)