R ggplot2 入門：グラフィックスの文法完全ガイド

Q: geom_bar() と geom_col() の違いは何ですか？

geom_bar(stat = "identity") は y の値を使用します。 geom_col() はその構文糖衣（より簡潔な表記）です。 geom_bar() はデフォルトでカウントされます（ y は不要です）。

Q: コメントを追加するにはどうすればよいですか？

geom_text() / geom_label() を使用してください：

Q: 凡例を削除するにはどうすればよいですか？

theme(legend.position = "none") 。

Q: 高解像度の画像を保存するにはどうすればよいですか？

ggsave("plot.png", dpi = 300, width = 8, height = 6) 、印刷の標準は300 dpiです。

前回のレッスンでは、Rでの基本的なプロット方法について解説しました。これは速いですが、見栄えは良くありません。今回のレッスンでは、Rの真の「秘密兵器」であるggplot2について詳しく見ていきます。ハドリー・ウィッカムによって設計されたこのライブラリは、「グラフィックスの文法（Grammar of Graphics）」と呼ばれる構文を採用しており、プロット作成を「ブロックを組み立てる」ように簡単に行えるほか、デフォルトで出版物レベルの品質を持つビジュアルを生成し、Rを用いた学術論文の90％で使用されています。

このレッスンを修了すると、ggplot2 を使って 5 つの主要なグラフの種類 を作成できるようになり、「レイヤリング」という基本概念を理解できるようになります。

1. 学習内容

ggplot2 コア：Grammar of Graphics の構文
「ggplot() + aes() + geom_xxx()」の3つの組み合わせ
5つの基本的な幾何図形：点／線／棒／ヒストグラム／箱ひげ図
美的マッピング aes(x, y, color, size, shape)
labs() タグ + theme_minimal() テーマ
ggplot2とRの基本機能との主な違い

2. データ可視化の物語

(1) 課題：Rの基本インターフェースはあまりにも見苦しい

ボブは、基本的なRを使って、4つの都市における売上動向を示すグラフを作成しました：

plot(1:4, sales, type = "b")

マネージャーはそれをちらりと見て、「この画像をレポートに含めてもいいですか？」と尋ねた。

(2) ggplot2 による解決策

library(ggplot2)

ggplot(sales_df, aes(x = quarter, y = sales, color = city, group = city)) +
  geom_line(linewidth = 1) +
  geom_point(size = 3) +
  labs(title = "Q1-Q4 Sales Trends", x = "Quarter", y = "Sales") +
  theme_minimal()

たった4行のコードで、デフォルトでも出版物レベルの品質の図を作成。これこそがggplot2の真骨頂です。

3. 「グラフィックスの文法」の核心概念

(1) 「グラフィックスの文法」とは何か？

graph TB
    A[ggplot2 Charts] --> B[Data Data<br/>data]
    A --> C[Aesthetic Mapping Aesthetics<br/>aes]
    A --> D[Geometric Objects Geometries<br/>geom_xxx]
    A --> E[Statistical Transformations Statistics<br/>stat_xxx]
    A --> F[Coordinate System Coordinate<br/>coord_xxx]
    A --> G[Sub-section Facet<br/>facet_xxx]
    A --> H[Topic Theme<br/>theme_xxx]
    
    style A fill:#fff3cd
    style B fill:#cce5ff
    style C fill:#d4edda
    style D fill:#f8d7da
    style E fill:#e1d4ff
    style F fill:#ffe1e1
    style G fill:#e1ffe1
    style H fill:#ffe1d4

一言で言えば：ggplot2はプロットを7つのレイヤーに分解しており、各レイヤーは独立しており、置き換え可能です。

(2) ggplot2の3つの柱

機能	目的	例
`ggplot()`	初期化（指定データ）	`ggplot(df)`
`aes()`	美的マッピング（変数 → 視覚表現）	`aes(x, y, color)`
`geom_xxx()`	幾何学的オブジェクト（レイヤー）	`geom_point()`

最小限の例：

library(ggplot2)
ggplot(mtcars, aes(x = wt, y = mpg)) +
  geom_point()

4. 最初の ggplot2 プロット

(1) 5段階のデッサン手順

library(ggplot2)

# 1. Prepare data
df <- data.frame(
  x = 1:10,
  y = (1:10) ^ 2
)

# 2. Initialization(Data)
p <- ggplot(df, aes(x = x, y = y))

# 3. Add a Layer
p <- p + geom_point()

# 4. Add a tag
p <- p + labs(title = "Quadratic Curve", x = "X", y = "Y")

# 5. Add a topic
p <- p + theme_minimal()

# 6. Print
print(p)

あるいは、+ を使って、これらをまとめて実行することもできます：

ggplot(df, aes(x = x, y = y)) +
  geom_point() +
  labs(title = "Quadratic Curve", x = "X", y = "Y") +
  theme_minimal()

💡 ヒント: ggplot2では、+ を使ってレイヤーを連結します。これは、|> を使ってデータ操作を連結するのと同様です。

(2) ファイルへの出力

# Save as PNG
ggsave("myplot.png", width = 8, height = 6, dpi = 300)

# Save as PDF(For a thesis)
ggsave("myplot.pdf", width = 8, height = 6)

# Custom Size
ggsave("myplot.png", width = 10, height = 8, units = "cm", dpi = 300)

5. 美的マッピング aes()

(1) 一般的なマッピング

マッピング	関数	例
`x`, `y`	X / Y座標	`aes(x = age, y = height)`
`color` / `colour`	色（外側）	`aes(color = gender)`
`fill`	塗りつぶし色（棒グラフ／面塗り）	`aes(fill = region)`
`size`	文字サイズ	`aes(size = amount)`
`shape`	ドット形状	`aes(shape = category)`
`alpha`	透明性	`aes(alpha = weight)`
`linetype`	リニア	`aes(linetype = type)`

(2) 実用例：3次元マッピング

# Color + Size + Shape 3 dimensions
ggplot(mtcars, aes(x = wt, y = mpg, color = factor(cyl), size = hp)) +
  geom_point(alpha = 0.7) +
  labs(title = "Vehicle Weight vs Fuel Consumption", color = "Number of cylinders", size = "Horsepower")

(3) ⚠️ aes() の内部と外部

# aes() Inside:Map to a variable(Each dot is a different color)
ggplot(df, aes(x, y, color = group)) + geom_point()
# → Different group Display different colors

# aes() Outside:Fixed value(All dots are the same color)
ggplot(df, aes(x, y)) + geom_point(color = "red")
# → All the dots are red

💡 ヒント：aes() 内の color = "red" は、「赤の列」として解釈されます（データに赤の列が含まれている場合）。固定色は aes() の外側に記述する必要があります。

6. 5 基本的なジオメトリ

(1) geom_point() 散布図

ggplot(mtcars, aes(x = wt, y = mpg, color = factor(cyl))) +
  geom_point(size = 3) +
  labs(title = "Vehicle Weight vs Fuel Consumption", x = "Weight", y = "Fuel Consumption")

(2) geom_line() 折れ線グラフ

df <- data.frame(
  x = 1:10,
  y = c(2, 4, 3, 5, 4, 6, 5, 7, 6, 8),
  group = "A"
)

ggplot(df, aes(x = x, y = y)) +
  geom_line(color = "blue", linewidth = 1) +
  geom_point(color = "blue", size = 3)

(3) geom_bar() 棒グラフ

# Data
df <- data.frame(
  city = c("Beijing", "Shanghai", "Guangzhou", "Shenzhen"),
  sales = c(4800, 7000, 3900, 4500)
)

# Bar Chart
ggplot(df, aes(x = city, y = sales, fill = city)) +
  geom_bar(stat = "identity") +  # identity = Use y values
  labs(title = "Total Sales by City", x = "City", y = "Sales") +
  theme_minimal()

⚠️ 注意：geom_bar(stat = "identity") はデータから y 値を使用します。一方、geom_bar() はデフォルトでカウントを行います。

(4) geom_histogram() ヒストグラム

# 1000 A random number from a normal distribution
data <- data.frame(x = rnorm(1000, mean = 100, sd = 15))

ggplot(data, aes(x = x)) +
  geom_histogram(bins = 30, fill = "skyblue", color = "white") +
  labs(title = "Normal Distribution", x = "Value", y = "Frequency")

(5) geom_boxplot() 箱ひげ図

# 4 Class Test Scores
scores <- data.frame(
  class = rep(c("1Cls", "2Cls", "3Cls", "4Cls"), each = 10),
  score = c(rnorm(10, 80, 8), rnorm(10, 75, 10),
            rnorm(10, 85, 7), rnorm(10, 70, 12))
)

ggplot(scores, aes(x = class, y = score, fill = class)) +
  geom_boxplot() +
  labs(title = "4 Class Grade Distribution", x = "Class", y = "Fractions")

7. タグとトピック

(1) labs() タグ

ggplot(df, aes(x, y)) +
  geom_point() +
  labs(
    title = "Main Title",
    subtitle = "Subtitle",
    caption = "Data Sources:xxx",
    x = "X Axis",
    y = "Y Axis",
    color = "Color Mapping",
    fill = "Fill Mapping"
  )

(2) テーマ theme_xxx()

テーマ	スタイル
`theme_minimal()`	ミニマリスト (最も一般的)
`theme_bw()`	白黒
`theme_classic()`	古典（学術）
`theme_void()`	空白
`theme_light()`	ライト
`theme_dark()`	ダーク

# Comparison 4 Topics
p <- ggplot(mtcars, aes(wt, mpg)) + geom_point()
(p + theme_minimal())  # Default Recommendation
(p + theme_bw())
(p + theme_classic())
(p + theme_void())

(3) テーマの微調整

p + theme(
  plot.title = element_text(size = 16, face = "bold"),
  axis.text = element_text(size = 10),
  legend.position = "bottom"  # Legend Location
)

8. 色とマッピング

(1) 個別の色

# 1. Built-in Color Palette
p + scale_color_brewer(palette = "Set1")    # Classic
p + scale_color_brewer(palette = "Dark2")    # Dark
p + scale_color_brewer(palette = "Pastel1")  # Light-colored

# 2. Specify manually
p + scale_color_manual(values = c("red", "blue", "green"))

# 3. rainbow
p + scale_color_manual(values = rainbow(4))

(2) 連続色

# Gradient(For continuous variables)
p + scale_color_gradient(low = "blue", high = "red")
p + scale_color_viridis_c()   # viridis(Recommendations)
p + scale_color_distiller(palette = "RdYlBu")

9. 完全な例：4都市における複数画像の販売

以下は、このレッスンで取り上げたすべての概念を結びつけた完全なワークフローの例です。

▶ サンプル：4つの都市、5枚の写真のコレクション

# ============================================
# 4 City Sales 5 Image Gallery
# Features:Use ggplot2 to create 5 publication-quality charts
# ============================================

library(ggplot2)
library(dplyr)
library(tidyr)

# 1. Prepare data
sales_wide <- tibble(
  city = c("Beijing", "Shanghai", "Guangzhou", "Shenzhen"),
  Q1 = c(1000, 1500, 800, 1200),
  Q2 = c(1200, 1800, 900, 1400),
  Q3 = c(1100, 1700, 1000, 1300),
  Q4 = c(1500, 2000, 1200, 1600)
)

sales_long <- sales_wide |>
  pivot_longer(cols = -city, names_to = "quarter", values_to = "sales")

cat("=== Sales Data ===\n")
print(sales_long)

# 2. Plot 1:Linear Trend(By City)
p1 <- ggplot(sales_long, aes(x = quarter, y = sales, color = city, group = city)) +
  geom_line(linewidth = 1) +
  geom_point(size = 3) +
  labs(title = "Q1-Q4 Sales Trends", x = "Quarter", y = "Sales", color = "City") +
  scale_color_brewer(palette = "Set1") +
  theme_minimal()

print(p1)

# 3. Plot 2:Total Sales Bar Chart
total_sales <- sales_wide |>
  mutate(total = Q1 + Q2 + Q3 + Q4) |>
  select(city, total)

p2 <- ggplot(total_sales, aes(x = reorder(city, total), y = total, fill = city)) +
  geom_bar(stat = "identity") +
  coord_flip() +  # Sideways
  labs(title = "Total Sales by City", x = "City", y = "Total Sales") +
  theme_minimal() +
  theme(legend.position = "none")

print(p2)

# 4. Plot 3:Pie Chart of Percentage Distributions(geom_bar + coord_polar)
p3 <- ggplot(total_sales, aes(x = "", y = total, fill = city)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar(theta = "y") +  # Polar Coordinates(Pie Chart)
  labs(title = "Share of Sales") +
  theme_void() +
  scale_fill_brewer(palette = "Set2")

print(p3)

# 5. Plot 4:Histogram(All Sales Data)
p4 <- ggplot(sales_long, aes(x = sales, fill = city)) +
  geom_histogram(bins = 10, alpha = 0.7, position = "identity") +
  labs(title = "Sales Distribution", x = "Sales", y = "Frequency") +
  scale_fill_brewer(palette = "Set1") +
  theme_minimal()

print(p4)

# 6. Plot 5:Box-and-Whisker Plot(By City)
p5 <- ggplot(sales_long, aes(x = city, y = sales, fill = city)) +
  geom_boxplot() +
  labs(title = "Sales Distribution by City", x = "City", y = "Sales") +
  theme_minimal() +
  theme(legend.position = "none")

print(p5)

# 7. Save All Images
ggsave("01_trend.png", p1, width = 8, height = 6, dpi = 300)
ggsave("02_total.png", p2, width = 8, height = 6, dpi = 300)
ggsave("03_pie.png", p3, width = 8, height = 6, dpi = 300)
ggsave("04_hist.png", p4, width = 8, height = 6, dpi = 300)
ggsave("05_box.png", p5, width = 8, height = 6, dpi = 300)

cat("\n=== 5 The image has been saved ===\n")
cat("  01_trend.png - Linear Trend\n")
cat("  02_total.png - Bar Chart Comparison\n")
cat("  03_pie.png - Pie Chart of Percentage Distributions\n")
cat("  04_hist.png - Histogram\n")
cat("  05_box.png - Urban Box Lines\n")

▶ 試してみよう

期待される成果物：出版物として十分な品質の図表5点（デフォルトの「theme_minimal」はすでに十分に魅力的です）。

❓ よくある質問

Q geom_bar() と geom_col() の違いは何ですか？

A geom_bar(stat = "identity") は y の値を使用します。geom_col() はその構文糖衣（より簡潔な表記）です。geom_bar()はデフォルトでカウントされます（yは不要です）。

Q コメントを追加するにはどうすればよいですか？

A geom_text() / geom_label() を使用してください：

ggplot(df, aes(x, y)) + geom_point() +
  geom_text(aes(label = name), vjust = -0.5)  # Add labels above the data points

Q 凡例を削除するにはどうすればよいですか？

A theme(legend.position = "none")。

Q 高解像度の画像を保存するにはどうすればよいですか？

A ggsave("plot.png", dpi = 300, width = 8, height = 6)、印刷の標準は300 dpiです。

📖 まとめ

ggplot2 は Grammar of Graphics を基盤としており、プロットを 7 つのレイヤー（データ、美学、幾何学、統計、座標、ファセット、テーマ）に分解しています。
3つの柱：ggplot()（データ）＋ aes()（マッピング）＋ geom_xxx()（レイヤー）
5つの基本的な幾何型：点／線／棒／ヒストグラム／箱ひげ図美的マッピング：color fill size shape alpha linetype
aes() 内部 = 変数マッピング；aes() 外部 = 固定値
テーマには theme_minimal()、theme_bw() などを使用し、カラーパレットには scale_color_brewer(palette = "Set1") を使用してください
ggsave() 画像を保存（dpi = 300、印刷用標準）
ggplot2 はデフォルトで出版物レベルの品質を持つ可視化図を提供します――すべての専門的な R レポートや論文で使用されています

📝 練習問題

基本演習：データフレーム（行数10、x値とy値の2列）を作成し、ggplot + geom_point + labs + theme_minimal を使用して散布図を描画し、aes() において color = "red"（内部）と color = "red"（外部）の違いを確認してください。
基本演習：mtcars データセット（wt 対 mpg）を使用して散布図を作成し、cyl（color = factor(cyl)）に基づいてデータポイントを色分けし、labs() を使用してタイトルとテーマを追加してください。
基本演習：データフレーム（5つの都市と売上高）を作成し、geom_col() を使用して棒グラフを描画し、reorder(city, sales) を使ってデータを並べ替え、並べ替えの結果を確認してください。
応用演習：生徒30名のクラス4の得点をシミュレートし、geom_boxplot() を使用してクラス4の得点分布グラフを作成し、fill = class で塗りつぶしの色を指定し、theme_minimal() でテーマを追加してください。
課題：mtcars を使用して、6つの図を作成してください（par(mfrow) スタイルと ggplot2 を組み合わせて）。① 重量（wt）対燃費（mpg）の散布図 ② 重量の分布を示すヒストグラム ③ 燃費の箱ひげ図 ④ シリンダーごとの重量対燃費 ⑤ カラーマッピングされた散布図 ⑥ テーマの完全なカスタマイズ。6つの図をPDFとして保存してください。

Web-Tutorial 技術チーム

複数の開発者によって共同維持されているプログラミングチュートリアルプラットフォーム。各チュートリアルは専門分野の開発者が執筆・レビューしています。正確で信頼性の高いコンテンツを目指しています — 問題を見つけた場合はお知らせください。

私たちについて

404 Not Found

R ggplot2 入門：グラフィックスの文法完全ガイド

1. 学習内容

2. データ可視化の物語

(1) 課題：Rの基本インターフェースはあまりにも見苦しい

(2) ggplot2 による解決策

3. 「グラフィックスの文法」の核心概念

(1) 「グラフィックスの文法」とは何か？

(2) ggplot2の3つの柱

4. 最初の ggplot2 プロット

(1) 5段階のデッサン手順

(2) ファイルへの出力

5. 美的マッピング aes()

(1) 一般的なマッピング

(2) 実用例：3次元マッピング

(3) ⚠️ aes() の内部と外部

6. 5 基本的なジオメトリ

(1) geom_point() 散布図

(2) geom_line() 折れ線グラフ

(3) geom_bar() 棒グラフ

(4) geom_histogram() ヒストグラム

(5) geom_boxplot() 箱ひげ図

7. タグとトピック

(1) labs() タグ

(2) テーマ theme_xxx()

(3) テーマの微調整

8. 色とマッピング

(1) 個別の色

(2) 連続色

9. 完全な例：4都市における複数画像の販売

▶ サンプル：4つの都市、5枚の写真のコレクション

❓ よくある質問

📖 まとめ

📝 練習問題