3  ggplot2 완벽 마스터하기

Author

연세대 산업보건 연구소

Published

November 19, 2025

4 ggplot2 완벽 마스터하기

🎯 학습 목표

이 챕터를 마치면 다음을 할 수 있습니다:

  • 그래픽 문법(Grammar of Graphics)의 7가지 구성 요소 완벽 이해
  • aes() 함수로 변수를 시각적 속성에 매핑
  • 20개 이상의 geom_*() 함수 활용
  • facet_wrap()과 facet_grid()로 다차원 시각화
  • scale_*() 함수로 축과 색상 조정
  • 보건학 데이터에 적합한 그래프 유형 선택
📚 이 챕터의 실습 데이터 
library(tidyverse)
library(here)

# 건강검진 데이터 (N=1,000)
health <- read_csv(here("data", "processed", "health_survey.csv"))

# 질병 발생률 데이터
disease <- read_csv(here("data", "processed", "disease_incidence.csv"))

데이터가 없다면 Chapter 1 Section 1.2.6을 참고하세요.

4.1 2.1 그래픽 문법의 7가지 구성 요소

Chapter 1에서 간략히 소개한 Grammar of Graphics를 이제 깊이 있게 배웁니다. Leland Wilkinson의 이론을 Hadley Wickham이 ggplot2로 구현한 이 체계는 모든 그래프를 7가지 구성 요소의 조합으로 이해합니다.

4.1.1 2.1.1 데이터 (Data)

정의: 시각화할 데이터프레임 또는 tibble

ggplot2는 tidy data 형식을 선호합니다: - 각 변수는 열(column) - 각 관측치는 행(row) - 각 값은 셀(cell)

예제: 건강검진 데이터

library(tidyverse)

# Tidy 형식의 데이터
health <- tibble(
  id = 1:5,
  age = c(25, 30, 35, 40, 45),
  bmi = c(22.5, 25.3, 28.1, 23.7, 26.4),
  gender = c("F", "M", "M", "F", "F")
)

# ggplot에 데이터 전달
ggplot(data = health)  # 빈 캔버스
💡 Wide vs. Long 형식

보건학 데이터는 종종 wide 형식으로 제공되지만, ggplot2는 long 형식을 선호합니다.

Wide 형식 (측정 시점이 열로):

id   baseline_bp   month3_bp   month6_bp
1    120           118         115
2    140           135         130

Long 형식 (ggplot2 선호):

id   time       blood_pressure
1    baseline   120
1    month3     118
1    month6     115
2    baseline   140
2    month3     135
2    month6     130

변환:

library(tidyr)

# Wide → Long
long_data <- wide_data %>%
  pivot_longer(cols = contains("_bp"),
               names_to = "time",
               values_to = "blood_pressure")

# Long → Wide
wide_data <- long_data %>%
  pivot_wider(names_from = time,
              values_from = blood_pressure)

4.1.2 2.1.2 미학 매핑 (Aesthetic Mappings)

정의: 데이터의 변수를 그래프의 시각적 속성에 연결

aes() 함수는 “어떤 변수를 어디에 표현할지”를 정의합니다.

주요 Aesthetics:

Aesthetic 역할 적합한 변수 타입 예시
x, y 축 위치 연속형, 범주형 aes(x = age, y = bmi)
color 점/선 색상 범주형, 연속형 aes(color = gender)
fill 면 채우기 색상 범주형, 연속형 aes(fill = treatment)
size 크기 연속형 aes(size = population)
shape 점 모양 범주형 (최대 6개) aes(shape = disease_type)
alpha 투명도 연속형 aes(alpha = confidence)
linetype 선 유형 범주형 aes(linetype = group)

예제 1: 기본 매핑

# x축에 나이, y축에 BMI
ggplot(health, aes(x = age, y = bmi)) +
  geom_point()

예제 2: 색상으로 그룹 구분

# 성별로 색상 구분
ggplot(health, aes(x = age, y = bmi, color = gender)) +
  geom_point(size = 3)

예제 3: 다중 매핑

# 색상 + 크기 + 모양
ggplot(health, aes(x = age, y = bmi,
                   color = gender,      # 성별로 색상
                   size = glucose,      # 혈당으로 크기
                   shape = smoking)) +  # 흡연 여부로 모양
  geom_point(alpha = 0.7)
⚠️ aes() 안 vs. 밖

핵심 규칙: 데이터 변수는 aes() 안에, 고정값은 aes() 밖에

# ✅ 올바른 예
ggplot(health, aes(x = age, y = bmi, color = gender)) +  # 변수 → aes 안
  geom_point(size = 3, alpha = 0.7)  # 고정값 → aes 밖

# ❌ 잘못된 예
ggplot(health, aes(x = age, y = bmi, color = "blue")) +  # 모든 점이 빨강!
  geom_point(aes(size = 3))  # 에러 발생

왜 틀렸나요? - color = "blue"를 aes() 안에 넣으면 ggplot은 “blue”라는 새로운 범주로 해석 - size = 3은 변수가 아니므로 aes() 밖에 있어야 함

4.1.3 2.1.3 기하학적 객체 (Geometries)

정의: 데이터를 어떤 모양으로 표현할지 결정 (geom_* 함수)

ggplot2는 40개 이상의 geom을 제공합니다. 보건학 연구에서 자주 사용하는 geom들:

1) 단변량 분포 (Univariate Distribution)

A. 히스토그램 (geom_histogram)

연속형 변수의 분포를 막대로 표현합니다.

# 나이 분포
ggplot(health, aes(x = age)) +
  geom_histogram(bins = 20, fill = "steelblue", color = "black") +
  labs(title = "연구 대상자 나이 분포",
       x = "나이 (세)",
       y = "빈도 (명)") +
  theme_minimal()

주요 옵션: - bins: 막대 개수 (기본값 30) - binwidth: 막대 너비 (예: binwidth = 5는 5세 단위) - fill: 채우기 색상 - color: 테두리 색상

💡 bins vs. binwidth 
# bins: 막대 개수 지정
geom_histogram(bins = 10)  # 10개 막대

# binwidth: 막대 너비 지정
geom_histogram(binwidth = 5)  # 5세 단위로 묶기

권장: 데이터 범위에 따라 실험하며 최적값 찾기

B. 밀도 곡선 (geom_density)

히스토그램의 부드러운 버전으로, 확률 밀도 함수를 추정합니다.

# BMI 분포 (성별 비교)
ggplot(health, aes(x = bmi, fill = gender)) +
  geom_density(alpha = 0.5) +
  labs(title = "BMI 분포 (성별)",
       x = "체질량지수 (BMI)",
       y = "밀도",
       fill = "성별") +
  theme_minimal()

C. 박스플롯 (geom_boxplot)

5가지 요약 통계를 한눈에 보여줍니다: - 중앙값 (median) - Q1 (25th percentile) - Q3 (75th percentile) - 최소값 (Q1 - 1.5×IQR) - 최대값 (Q3 + 1.5×IQR) - 이상치 (outliers)

# 치료군별 혈압 비교
ggplot(health, aes(x = treatment_group, y = blood_pressure, fill = treatment_group)) +
  geom_boxplot() +
  labs(title = "치료군별 혈압 분포",
       x = "치료군",
       y = "수축기 혈압 (mmHg)") +
  theme_minimal() +
  theme(legend.position = "none")  # 범례 제거 (x축에 이미 표시)

D. 바이올린 플롯 (geom_violin)

박스플롯 + 밀도 곡선의 조합입니다.

ggplot(health, aes(x = treatment_group, y = blood_pressure, fill = treatment_group)) +
  geom_violin(alpha = 0.7) +
  geom_boxplot(width = 0.2, fill = "white") +  # 박스플롯 추가
  labs(title = "치료군별 혈압 분포 (Violin Plot)",
       x = "치료군",
       y = "수축기 혈압 (mmHg)") +
  theme_minimal()

2) 이변량 관계 (Bivariate Relationships)

A. 산점도 (geom_point)

두 연속형 변수의 관계를 점으로 표현합니다.

# 나이와 BMI의 관계
ggplot(health, aes(x = age, y = bmi)) +
  geom_point(alpha = 0.5, size = 2) +
  geom_smooth(method = "lm", se = TRUE, color = "red") +  # 회귀선
  labs(title = "나이와 BMI의 관계",
       x = "나이 (세)",
       y = "체질량지수 (BMI)") +
  theme_minimal()

B. 선 그래프 (geom_line)

시계열 데이터나 연속적인 추세를 표현합니다.

# 월별 감염병 발생 추이
disease <- read_csv(here("data", "processed", "disease_incidence.csv"))

ggplot(disease, aes(x = month, y = cases)) +
  geom_line(linewidth = 1, color = "darkblue") +
  geom_point(size = 2, color = "darkblue") +
  labs(title = "월별 감염병 발생 건수",
       x = "월",
       y = "발생 건수 (명)") +
  theme_minimal()

C. 막대 그래프 (geom_bar / geom_col)

범주형 데이터의 빈도 또는 값을 표현합니다.

# geom_bar(): 자동으로 빈도 계산
ggplot(health, aes(x = gender)) +
  geom_bar()

# geom_col(): y값을 직접 지정
ggplot(summary_data, aes(x = category, y = mean_value)) +
  geom_col()

실전 예제:

# 성별 및 흡연 여부별 인원수
health %>%
  count(gender, smoking) %>%
  ggplot(aes(x = gender, y = n, fill = smoking)) +
  geom_col(position = "dodge") +  # 막대를 나란히 배치
  labs(title = "성별 및 흡연 여부별 분포",
       x = "성별",
       y = "인원 (명)",
       fill = "흡연 여부") +
  theme_minimal()

position 옵션: - position = "stack": 쌓기 (기본값) - position = "dodge": 나란히 - position = "fill": 100% 누적

3) 통계 요약 시각화

A. 평균과 오차 막대 (stat_summary + geom_errorbar)

# 치료군별 평균 혈압 ± 표준오차
ggplot(health, aes(x = treatment_group, y = blood_pressure)) +
  stat_summary(fun = mean, geom = "bar", fill = "steelblue") +
  stat_summary(fun.data = mean_se, geom = "errorbar", width = 0.2) +
  labs(title = "치료군별 평균 혈압 (Mean ± SE)",
       x = "치료군",
       y = "수축기 혈압 (mmHg)") +
  theme_minimal()

B. 회귀선 (geom_smooth)

# 선형 회귀
ggplot(health, aes(x = age, y = bmi)) +
  geom_point(alpha = 0.3) +
  geom_smooth(method = "lm", se = TRUE, color = "red") +
  theme_minimal()

# LOESS (국소 회귀)
ggplot(health, aes(x = age, y = bmi)) +
  geom_point(alpha = 0.3) +
  geom_smooth(method = "loess", se = TRUE, color = "blue") +
  theme_minimal()

method 옵션: - "lm": 선형 회귀 - "loess": 국소 회귀 (비선형) - "gam": 일반화 가법 모델

4.1.4 2.1.4 통계 변환 (Statistical Transformations)

정의: 원본 데이터를 요약하거나 변환

모든 geom은 내부적으로 stat 함수를 사용합니다:

geom 기본 stat 변환
geom_bar() stat_count() 빈도 계산
geom_histogram() stat_bin() 구간별 빈도
geom_smooth() stat_smooth() 회귀선 추정
geom_boxplot() stat_boxplot() 5-수 요약

예제: stat 직접 사용

# geom_bar()와 동일
ggplot(health, aes(x = gender)) +
  stat_count(geom = "bar")

# 백분율로 변환
ggplot(health, aes(x = gender, y = after_stat(count)/sum(after_stat(count)))) +
  geom_bar() +
  scale_y_continuous(labels = scales::percent) +
  labs(y = "비율 (%)")

4.1.5 2.1.5 스케일 (Scales)

정의: 데이터 값을 시각적 속성으로 변환하는 규칙

scale_<aes>_<type>() 형식: - <aes>: x, y, color, fill, size 등 - <type>: continuous, discrete, manual 등

A. 연속형 스케일

# x축 범위 조정
ggplot(health, aes(x = age, y = bmi)) +
  geom_point() +
  scale_x_continuous(limits = c(20, 60),
                     breaks = seq(20, 60, by = 10)) +
  scale_y_continuous(limits = c(15, 35),
                     breaks = seq(15, 35, by = 5))

B. 색상 스케일

# 수동 색상 지정
ggplot(health, aes(x = age, y = bmi, color = gender)) +
  geom_point() +
  scale_color_manual(values = c("F" = "#E91E63", "M" = "#2196F3"))

# ColorBrewer 팔레트
ggplot(health, aes(x = age, y = bmi, color = treatment_group)) +
  geom_point() +
  scale_color_brewer(palette = "Set1")

# Viridis (색맹 친화적)
ggplot(health, aes(x = age, y = bmi, color = glucose)) +
  geom_point() +
  scale_color_viridis_c(option = "plasma")

보건학 연구 권장 색상 팔레트: - 범주형: ColorBrewer “Set1”, “Dark2” - 연속형: Viridis “viridis”, “plasma” (색맹 친화적) - 발산형: ColorBrewer “RdBu” (위험도 표현)

C. 로그 스케일

역학 데이터에서 자주 사용됩니다 (발생률, 오즈비 등).

# y축을 로그 스케일로
ggplot(disease, aes(x = month, y = cases)) +
  geom_line() +
  scale_y_log10() +
  labs(y = "발생 건수 (log scale)")

4.1.6 2.1.6 좌표계 (Coordinate System)

정의: 데이터를 평면에 배치하는 방식

A. 축 뒤집기 (coord_flip)

# 수평 막대 그래프
ggplot(health, aes(x = reorder(region, -cases), y = cases)) +
  geom_col() +
  coord_flip() +  # x와 y 축 교환
  labs(x = "지역", y = "발생 건수")

B. 고정 비율 (coord_fixed)

# x축과 y축 비율 1:1 고정
ggplot(health, aes(x = predicted_bmi, y = actual_bmi)) +
  geom_point() +
  geom_abline(slope = 1, intercept = 0, color = "red") +  # y=x 선
  coord_fixed(ratio = 1) +
  labs(title = "예측 BMI vs. 실제 BMI")

C. 극좌표 (coord_polar)

파이 차트나 방사형 그래프에 사용됩니다.

# 파이 차트
health %>%
  count(gender) %>%
  ggplot(aes(x = "", y = n, fill = gender)) +
  geom_col() +
  coord_polar(theta = "y") +
  theme_void() +
  labs(title = "성별 분포")
⚠️ 파이 차트 사용 주의

파이 차트는 시각적으로 매력적이지만, 인간의 눈은 각도보다 길이를 더 정확하게 비교합니다.

추천: 3개 이하의 범주만 있을 때 사용. 그 외에는 막대 그래프 권장.

4.1.7 2.1.7 면분할 (Faceting)

정의: 하나의 변수로 여러 개의 하위 그래프로 분할

A. facet_wrap(): 1차원 분할

# 성별로 분할
ggplot(health, aes(x = age, y = bmi)) +
  geom_point() +
  facet_wrap(~ gender) +
  labs(title = "나이와 BMI의 관계 (성별)")

주요 옵션: - ncol: 열 개수 - nrow: 행 개수 - scales: 축 스케일 (“fixed”, “free”, “free_x”, “free_y”)

# 치료군별로 4열로 배치
ggplot(health, aes(x = age, y = bmi)) +
  geom_point() +
  facet_wrap(~ treatment_group, ncol = 4, scales = "free_y")

B. facet_grid(): 2차원 분할

# 성별(행) × 흡연 여부(열)
ggplot(health, aes(x = age, y = bmi)) +
  geom_point() +
  facet_grid(gender ~ smoking) +
  labs(title = "나이와 BMI (성별 × 흡연 여부)")

문법: - facet_grid(rows ~ cols) - facet_grid(. ~ cols): 행만 - facet_grid(rows ~ .): 열만

💡 facet_wrap vs. facet_grid
특징 facet_wrap() facet_grid()
차원 1차원 2차원
레이아웃 자동 감싸기 격자 구조
축 공유 선택 가능 행/열별 공유
사용 예 여러 지역 비교 성별×연령군 교차 분석

경험 법칙: 변수 1개 → facet_wrap, 변수 2개 → facet_grid

4.2 2.2 aes() 함수 완전 정복

4.2.1 2.2.1 Global vs. Local Aesthetics

Global aes: ggplot()에 정의 → 모든 레이어에 적용

ggplot(health, aes(x = age, y = bmi)) +  # Global
  geom_point() +
  geom_smooth()  # 둘 다 age와 bmi 사용

Local aes: 특정 geom에만 정의 → 해당 레이어에만 적용

ggplot(health, aes(x = age, y = bmi)) +
  geom_point(aes(color = gender)) +  # 점만 색상
  geom_smooth()  # 전체 데이터로 회귀선

4.2.2 2.2.2 Aesthetic 우선순위

Local aes가 Global aes를 덮어씁니다.

ggplot(health, aes(x = age, y = bmi, color = gender)) +  # Global: 성별로 색상
  geom_point() +
  geom_smooth(aes(color = NULL))  # Local: 색상 무시, 전체 데이터로 회귀선

4.2.3 2.2.3 계산된 변수 (Computed Variables)

일부 geom은 계산된 변수를 제공합니다. after_stat()로 접근합니다.

# 히스토그램에서 밀도로 변환
ggplot(health, aes(x = bmi)) +
  geom_histogram(aes(y = after_stat(density)), bins = 30) +
  geom_density(color = "red", linewidth = 1) +
  labs(y = "밀도")

자주 사용되는 계산 변수: - geom_histogram: count, density, ncount, ndensity - geom_smooth: y, ymin, ymax, se - stat_summary: y, ymin, ymax

4.3 2.3 보건학 데이터 시각화 실전

4.3.1 2.3.1 연속형 변수의 분포

목표: 데이터의 중심, 산포, 이상치 파악

library(tidyverse)
library(patchwork)  # 그래프 조합

health <- read_csv(here::here("data", "processed", "health_survey.csv"))

# 1) 히스토그램
p1 <- ggplot(health, aes(x = bmi)) +
  geom_histogram(bins = 30, fill = "steelblue", color = "black") +
  labs(title = "BMI 분포 (히스토그램)",
       x = "BMI", y = "빈도") +
  theme_minimal()

# 2) 밀도 곡선
p2 <- ggplot(health, aes(x = bmi)) +
  geom_density(fill = "steelblue", alpha = 0.5) +
  labs(title = "BMI 분포 (밀도 곡선)",
       x = "BMI", y = "밀도") +
  theme_minimal()

# 3) 박스플롯
p3 <- ggplot(health, aes(y = bmi)) +
  geom_boxplot(fill = "steelblue") +
  labs(title = "BMI 분포 (박스플롯)",
       y = "BMI") +
  theme_minimal()

# 4) 바이올린 플롯
p4 <- ggplot(health, aes(x = "", y = bmi)) +
  geom_violin(fill = "steelblue", alpha = 0.5) +
  geom_boxplot(width = 0.2, fill = "white") +
  labs(title = "BMI 분포 (바이올린)",
       x = "", y = "BMI") +
  theme_minimal()

# 4개 그래프 조합
(p1 + p2) / (p3 + p4) +
  plot_annotation(title = "BMI 분포의 다양한 시각화",
                  tag_levels = "A")

4.3.2 2.3.2 범주형 × 연속형 변수

목표: 그룹 간 차이 비교

# 성별 × BMI
ggplot(health, aes(x = gender, y = bmi, fill = gender)) +
  geom_boxplot(alpha = 0.7) +
  geom_jitter(width = 0.2, alpha = 0.2) +  # 개별 데이터 점 추가
  stat_summary(fun = mean, geom = "point",
               shape = 18, size = 3, color = "red") +  # 평균값 표시
  labs(title = "성별에 따른 BMI 분포",
       x = "성별",
       y = "체질량지수 (BMI)") +
  theme_minimal() +
  theme(legend.position = "none")

4.3.3 2.3.3 시계열 데이터

목표: 시간에 따른 변화 추이 파악

disease <- read_csv(here::here("data", "processed", "disease_incidence.csv"))

# 월별 발생 추이
ggplot(disease, aes(x = month, y = cases)) +
  geom_line(linewidth = 1, color = "darkblue") +
  geom_point(size = 2, color = "darkblue") +
  geom_smooth(method = "loess", se = TRUE, color = "red", alpha = 0.2) +
  labs(title = "월별 감염병 발생 추이",
       x = "월",
       y = "발생 건수 (명)") +
  scale_x_continuous(breaks = 1:12) +
  theme_minimal()

4.3.4 2.3.4 상관관계 시각화

목표: 두 연속형 변수 간 관계 탐색

# BMI와 혈당의 관계
ggplot(health, aes(x = bmi, y = glucose)) +
  geom_point(alpha = 0.5, size = 2) +
  geom_smooth(method = "lm", se = TRUE, color = "red") +
  geom_hline(yintercept = 126, linetype = "dashed", color = "orange") +  # 당뇨 기준선
  annotate("text", x = 20, y = 130, label = "당뇨 기준 (126 mg/dL)",
           color = "orange", hjust = 0) +
  labs(title = "BMI와 공복 혈당의 관계",
       subtitle = paste0("상관계수 r = ",
                         round(cor(health$bmi, health$glucose, use = "complete.obs"), 2)),
       x = "체질량지수 (BMI)",
       y = "공복 혈당 (mg/dL)") +
  theme_minimal()

4.4 2.4 층화(Stratification)와 역학적 사고

층화(Stratification)는 역학 연구의 핵심 개념입니다. 혼란 변수(confounders)의 영향을 파악하고 제거하기 위해 사용됩니다.

4.4.1 2.4.1 Simpson의 역설 (Simpson’s Paradox)

전체 데이터에서 보이는 관계가 하위 그룹에서는 반대로 나타나는 현상입니다.

예제: 치료 효과 평가

# 시뮬레이션 데이터
simpsons_data <- tibble(
  age_group = rep(c("Young", "Old"), each = 100),
  treatment = rep(c("A", "B"), 100),
  recovery_rate = c(
    rnorm(50, mean = 80, sd = 10),  # Young + A
    rnorm(50, mean = 75, sd = 10),  # Young + B
    rnorm(50, mean = 60, sd = 10),  # Old + A
    rnorm(50, mean = 55, sd = 10)   # Old + B
  )
)

# 1) 전체 데이터 (층화 없음)
p1 <- simpsons_data %>%
  group_by(treatment) %>%
  summarize(mean_recovery = mean(recovery_rate)) %>%
  ggplot(aes(x = treatment, y = mean_recovery, fill = treatment)) +
  geom_col() +
  labs(title = "전체 평균 (층화 X)",
       y = "회복률 (%)") +
  theme_minimal() +
  theme(legend.position = "none")

# 2) 연령군별 층화
p2 <- simpsons_data %>%
  ggplot(aes(x = treatment, y = recovery_rate, fill = treatment)) +
  geom_boxplot() +
  facet_wrap(~ age_group) +
  labs(title = "연령군별 회복률 (층화 O)",
       y = "회복률 (%)") +
  theme_minimal() +
  theme(legend.position = "none")

library(patchwork)
p1 + p2 +
  plot_annotation(title = "Simpson's Paradox: 층화의 중요성")

4.4.2 2.4.2 혼란 변수 통제

# BMI와 혈압의 관계 (연령 층화)
health %>%
  mutate(age_group = cut(age, breaks = c(0, 30, 40, 50, 100),
                         labels = c("20대", "30대", "40대", "50대+"))) %>%
  ggplot(aes(x = bmi, y = sbp, color = age_group)) +
  geom_point(alpha = 0.5) +
  geom_smooth(method = "lm", se = FALSE) +
  facet_wrap(~ age_group, ncol = 2) +
  labs(title = "BMI와 수축기 혈압의 관계 (연령군별)",
       x = "체질량지수 (BMI)",
       y = "수축기 혈압 (mmHg)",
       color = "연령군") +
  theme_minimal()

4.4.3 2.4.3 교호작용(Interaction) 탐색

# 성별에 따라 BMI-혈압 관계가 다른가?
ggplot(health, aes(x = bmi, y = sbp, color = gender)) +
  geom_point(alpha = 0.3) +
  geom_smooth(method = "lm", se = TRUE, linewidth = 1.5) +
  labs(title = "BMI와 혈압의 관계 (성별 비교)",
       subtitle = "기울기가 다르다 → 교호작용 존재",
       x = "체질량지수 (BMI)",
       y = "수축기 혈압 (mmHg)",
       color = "성별") +
  theme_minimal()

4.5 2.5 실전 연습문제

✏️ Exercise 2.1: 기본 geom 마스터

health_survey.csv 데이터를 사용하여:

  1. 혈당(glucose) 분포 히스토그램 (bins = 30)
  2. 성별(gender)로 구분한 혈당 밀도 곡선
  3. 성별(gender)에 따른 혈압(sbp) 박스플롯
  4. 나이(age)와 콜레스테롤(cholesterol)의 산점도 + 회귀선
💡 정답 보기
library(tidyverse)
library(patchwork)

health <- read_csv(here::here("data", "processed", "health_survey.csv"))

# 1. 히스토그램
p1 <- ggplot(health, aes(x = glucose)) +
  geom_histogram(bins = 30, fill = "steelblue", color = "black") +
  labs(title = "혈당 분포", x = "혈당 (mg/dL)", y = "빈도") +
  theme_minimal()

# 2. 밀도 곡선 (성별)
p2 <- ggplot(health, aes(x = glucose, fill = gender)) +
  geom_density(alpha = 0.5) +
  labs(title = "혈당 분포 (성별)", x = "혈당 (mg/dL)", y = "밀도") +
  theme_minimal()

# 3. 박스플롯
p3 <- ggplot(health, aes(x = gender, y = sbp, fill = gender)) +
  geom_boxplot() +
  labs(title = "혈압 분포 (성별)", x = "성별", y = "수축기 혈압 (mmHg)") +
  theme_minimal() +
  theme(legend.position = "none")

# 4. 산점도 + 회귀선
p4 <- ggplot(health, aes(x = age, y = cholesterol)) +
  geom_point(alpha = 0.5) +
  geom_smooth(method = "lm", se = TRUE, color = "red") +
  labs(title = "나이와 콜레스테롤", x = "나이 (세)", y = "총 콜레스테롤 (mg/dL)") +
  theme_minimal()

# 조합
(p1 + p2) / (p3 + p4) +
  plot_annotation(tag_levels = "A")
✏️ Exercise 2.2: Faceting 실습

health_survey.csv 데이터에서:

  1. 성별(gender)과 흡연 여부(smoking)로 2차원 facet
  2. 각 facet에 BMI 히스토그램 표시
  3. 각 facet마다 축 스케일 자유롭게 조정
💡 정답 보기
health %>%
  ggplot(aes(x = bmi)) +
  geom_histogram(bins = 20, fill = "steelblue", color = "black") +
  facet_grid(gender ~ smoking, scales = "free_y") +
  labs(title = "BMI 분포 (성별 × 흡연 여부)",
       x = "체질량지수 (BMI)",
       y = "빈도 (명)") +
  theme_minimal()
✏️ Exercise 2.3: 색상 스케일 조정

health_survey.csv 데이터에서:

  1. BMI와 혈당의 산점도
  2. 점 색상을 나이(age)에 매핑
  3. Viridis “plasma” 색상 팔레트 사용
  4. 색상 범례 제목을 “나이 (세)”로 변경
💡 정답 보기
ggplot(health, aes(x = bmi, y = glucose, color = age)) +
  geom_point(size = 2, alpha = 0.7) +
  scale_color_viridis_c(option = "plasma", name = "나이 (세)") +
  labs(title = "BMI, 혈당, 나이의 관계",
       x = "체질량지수 (BMI)",
       y = "공복 혈당 (mg/dL)") +
  theme_minimal()
✏️ Exercise 2.4: 층화 분석 (도전!)

health_survey.csv 데이터에서:

  1. BMI(x)와 수축기 혈압(y)의 관계 시각화
  2. 성별(color)로 구분
  3. 연령군(age_group: 20대, 30대, 40대, 50대+)으로 facet
  4. 각 그룹별 회귀선 추가

힌트: cut() 함수로 연령군 생성

💡 정답 보기
health %>%
  mutate(age_group = cut(age,
                         breaks = c(0, 30, 40, 50, 100),
                         labels = c("20대", "30대", "40대", "50대+"))) %>%
  ggplot(aes(x = bmi, y = sbp, color = gender)) +
  geom_point(alpha = 0.4, size = 1.5) +
  geom_smooth(method = "lm", se = FALSE, linewidth = 1) +
  facet_wrap(~ age_group, ncol = 2) +
  scale_color_manual(values = c("F" = "#E91E63", "M" = "#2196F3"),
                     labels = c("F" = "여성", "M" = "남성")) +
  labs(title = "BMI와 수축기 혈압의 관계 (성별 × 연령군)",
       x = "체질량지수 (BMI)",
       y = "수축기 혈압 (mmHg)",
       color = "성별") +
  theme_minimal() +
  theme(legend.position = "bottom")

4.6 2.6 요약 및 다음 단계

4.6.1 2.6.1 이 챕터에서 배운 내용

✅ 그래픽 문법의 7가지 구성 요소 1. Data: Tidy data 형식 2. Aesthetics: aes() 함수로 변수 매핑 3. Geometries: 20개 이상의 geom_* 함수 4. Statistics: 데이터 변환과 요약 5. Scales: 연속형/범주형/색상 스케일 6. Coordinates: 축 조정, flip, polar 7. Facets: facet_wrap(), facet_grid()

✅ 보건학 데이터 시각화 실전 - 단변량 분포: 히스토그램, 밀도, 박스플롯 - 이변량 관계: 산점도, 회귀선 - 시계열: 선 그래프 - 층화 분석: facet을 활용한 혼란 변수 통제

✅ 역학적 사고 - Simpson의 역설 - 혼란 변수 통제 - 교호작용 탐색

4.6.2 2.6.2 핵심 코드 템플릿

기본 구조:

ggplot(data = <DATA>, mapping = aes(<MAPPINGS>)) +
  <GEOM_FUNCTION>() +
  <SCALE_FUNCTION>() +
  <FACET_FUNCTION>() +
  <COORD_FUNCTION>() +
  labs(<LABELS>) +
  theme_<THEME>()

층화 분석 템플릿:

data %>%
  mutate(strata_var = cut(...)) %>%
  ggplot(aes(x = exposure, y = outcome, color = confounder)) +
  geom_point(alpha = 0.5) +
  geom_smooth(method = "lm") +
  facet_wrap(~ strata_var) +
  theme_minimal()

4.6.3 2.6.3 자주 사용하는 geom 정리

목적 geom 예제
단변량 분포 geom_histogram() 나이 분포
단변량 분포 geom_density() BMI 분포 (부드러운)
그룹 비교 geom_boxplot() 치료군별 혈압
그룹 비교 geom_violin() 성별 BMI 분포
상관관계 geom_point() BMI vs. 혈당
추세선 geom_smooth() 회귀선, LOESS
시계열 geom_line() 월별 발생률
범주형 빈도 geom_bar() 성별 분포
평균 비교 geom_col() + geom_errorbar() 평균 ± SE
📖 다음 챕터

Chapter 3: 역학 데이터 시각화

Chapter 3에서는 역학 연구에 특화된 시각화를 배웁니다:

  1. 유행 곡선 (Epidemic Curve): incidence2 패키지
  2. 발생률과 유병률: 시계열 분석
  3. 연령 표준화 비율: 인구 피라미드
  4. 생존 곡선 기초: Kaplan-Meier 곡선 미리보기

실제 감염병 데이터와 코호트 연구 데이터를 활용합니다!

🔗 추가 학습 자료

4.6.4 ggplot2 심화

4.6.5 색상 선택

4.6.6 보건학 시각화 예제