Första kursen: Forskningsmetoder och Analys med R
-
Analys och forskning med R och Posit (Rstudio)
-
Grunderna i R och Rstudio7 Ämnen
-
Importera, exportera, spara och ladda data5 Ämnen
-
Strängar och regular expressions (regex)1 Ämne
-
Bearbetning av data med dplyr12 Ämnen
-
Dplyr: Introduktion
-
Dplyr filter(): Filtrera rader (observationer)
-
Dplyr select(): Selektera kolumner (variabler)
-
Dplyr mutate(): Skapa kolumner (variabler)
-
Dplyr arrange(): sortera rader (observationer)
-
Dplyr rename(): Namnge kolumer
-
Dplyr slice(): Selektera rader på positioner
-
Dplyr summarise(): Summera variabler (kolumner)
-
Dplyr ifelse(), if_else(), case_when(): Villkor
-
Dplyr row_number(): Numrering av rader
-
Dplyr rowwise(): Radvis beräkning
-
Dplyr distinct(): Identifiera unika observationer och rader
-
Dplyr: Introduktion
-
Visualisera och presentera14 Ämnen
-
Att visualisera data
-
Introduktion till ggplot2
-
Grunderna i ggplot2
-
Estetisk mappning
-
Färger, färgkoder och färgpaletter
-
Facets (subgrafer)
-
Geoms (geometriska objekt)
-
Geoms med statistiska beräkningar (transformationer)
-
Koordinatsystemet
-
Scales, axlar, legends (guides)
-
Fokusering och avgränsning
-
Tema (themes)
-
Organisering och layout av figurer med multipla paneler
-
Spara grafer till hårddisk
-
Att visualisera data
-
Explorerande och deskriptiva analyser6 Ämnen
-
Prediktionsmodeller12 Ämnen
-
Learning: Supervised och Unsupervised Learning
-
Parametriska och Icke-Parametriska Modeller
-
Osäkerhet (Uncertainty)
-
Kausal inferens (Kausalitet, Causality)
-
Strategier för att Skapa Prediktionsmodeller
-
Hantering av Kontinuerliga variabler, Icke-Linjära samband och Flexibla Funktioner
-
Variabelselektion (Feature Selection)
-
Missing Data och Multipel Imputation
-
Observationer med Stark Inverkan på Modellen
-
Att Jämföra och Välja Bland Modeller
-
Mått på prediktiv förmåga (Evaluation metrics)
-
Sammanfattande Principer för Prediktionsmodellering
-
Learning: Supervised och Unsupervised Learning
-
Klassisk regressionsanalys8 Ämnen
-
Machine learning (ML) och Artificiell Intelligens (AI)9 Ämnen
-
Introduktion till artificiell intelligens och machine learning
-
Vad är AI och ML?
-
Varför AI och ML nu?
-
Introduktion till Machine Learning (Maskininlärning)
-
Terminologi inom AI och ML
-
Brister i humana prediktioner och beslut
-
Learning (Inlärning)
-
Deep Learning (Djupinlärning, Neuronnät)
-
Ensemble metoder
-
Introduktion till artificiell intelligens och machine learning
-
Skapa prediktionsmodeller med Tidymodels6 Ämnen
-
Hypotestester och epidemiologiska mått5 Ämnen
Spara grafer till hårddisk
Spara ggplot() grafer
Med funktionen ggsave()
sparar du en graf från R till din dators hårddisk. Om du sparat grafen i ett objekt kan du ange objektets namn med argumentet plot i ggsave()
. Om du inte anger ett objekt för plot så kommer ggsave()
spara den senast genererade grafen. Då bör ggsave()
placeras direkt efter koden för grafen som skall sparas.
I exemplen nedan sparar vi den senaste grafen automatiskt i olika filformat. Observera att det inte finns ett +
mellan ggplot()
och ggsave()
.
# Sparar i PNG-format
ggplot(gapminder, aes(x=pop, y=lifeExp)) + geom_point()
ggsave('Min-figur.png')
# Sparar i PDF-format
ggplot(gapminder, aes(x=pop, y=lifeExp)) + geom_point()
ggsave('Min-figur.pdf')
# Sparar i JPEF-format
ggplot(gapminder, aes(x=pop, y=lifeExp)) + geom_point()
ggsave('Min-figur.jpeg')
# Sparar i SVG-format
ggplot(gapminder, aes(x=pop, y=lifeExp)) + geom_point()
ggsave('Min-figur.svg')
# Sparar i EPS-format
ggplot(gapminder, aes(x=pop, y=lifeExp)) + geom_point()
ggsave('Min-figur.eps')
# Sparar i BMP-format
ggplot(gapminder, aes(x=pop, y=lifeExp)) + geom_point()
ggsave('Min-figur.bmp')
# Sparar i TIFF-format
ggplot(gapminder, aes(x=pop, y=lifeExp)) + geom_point()
ggsave('Min-figur.tiff')
# Sparar i PS-format
ggplot(gapminder, aes(x=pop, y=lifeExp)) + geom_point()
ggsave('Min-figur.ps')
# Sparar i PDF-format (endast Windows)
ggplot(gapminder, aes(x=pop, y=lifeExp)) + geom_point()
ggsave('Min-figur.wmf')
I nästa exempel skapar vi ett objekt (my_plot
) från ggplot()
och vi specificerar sedan i ggsave()
att vi vill spara just det objektet.
my_plot <- ggplot(gapminder, aes(x=pop, y=lifeExp)) + geom_point()
ggsave(plot="my_plot", filename="my_plot.png")
Funktionen ggsave()
har ett antal argument som kan justeras efter behov:
Argument | Funktion |
filename | File name to create on disk. |
plot | Plot to save, defaults to last plot displayed. |
device | Device to use. Can either be a device function, or one of "eps", "ps", "tex" (pictex), "pdf", "jpeg", "tiff", "png", "bmp", "svg" or "wmf" (windows only). |
path | Path of the directory to save plot to: path and filename are combined to create the fully qualified file name. Defaults to the working directory. |
scale | Multiplicative scaling factor. |
width, height, units | Plot size in units ("in", "cm", "mm", or "px"). If not supplied, uses the size of current graphics device. |
dpi | Plot resolution. Also accepts a string input: "retina" (320), "print" (300), or "screen" (72). Applies only to raster output types. |
limitsize | When TRUE (the default), ggsave() will not save images larger than 50x50 inches, to prevent the common error of specifying dimensions in pixels. |
bg | Background colour. If NULL , uses the plot.background fill value from the plot theme. |
Bredd och höjd
När du sparar grafer kommer höjden och bredden hämtas från det aktuella utseendet i Rstudio. Därför är det bättre att specificera höjd och bredd i ggsave()
. Nedan sparas en figur i png-format med 1000 pixlar höjd och bredd.
ggplot(gapminder, aes(x=pop, y=lifeExp)) + geom_point()
ggsave('Min-figur.png', height=1000, width=1000, units = "px")
Om du använder R Markdown för att generera rapporter kan du specificera figurens höjd och bredd i varje chunks inställningar. På nedanstående bild framgår att vi specificerar att grafer ska ha en bredd och höjd på 1000 pixlar.
Spara grafer gjorda med base R
Det är fullt möjligt att skapa grafer med base R. Det rekommenderas inte eftersom ggplot2 är avsevärt bättre. Ett exempel på en graf i base R följer:
plot(100, 200)
För att spara grafer gjorda i base R måste följande kod användas:
png('base-R-graf.png', height=500, width=500)
plot(100, 200)
dev.off()
I exemplet ovan sparar vi bilden i png-format. Innan grafen ritas använder vi funktionen png()
för att specificera filnamnet, höjd och bredd. Därefter ritas grafen och på sista raden (dev.off()
) berättar vi att bilden är färdig och att den kan sparas.
För att spara figuren i PDF-format används istället nedanstående kod. Notera att både "png" i funktionen och filnamnet har bytts ut mot "pdf":
pdf('base-R-graf.pdf', height=500, width=500)
plot(100, 200)
dev.off()