21년 고등교육기관 정보 요약 - gtExtras 패키지를 이용한 그래프 넣기 in R

gtextras.knit

`gtExtras` 패키지로 inline 그래프 그리기

앞의 포스트에서 그린 표는 워드프로세서에서 그리는 것이 가능한 것이지만 data_color()를 사용하여 데이터 색 강조는 워드프로세서에서는 불가능한 기능이다. 그러나 data_color()의 기능은 엑셀에서는 지원한다. 결국 지금까지 gt를 이용해서 그린 표는 엑셀에서는 그리는게 가능했다는 것이다. 하지만 이번 포스트에서 제공하는 기능은 워드프로세서도 엑셀도 지원하지 못하는 기능이다.

`gtExtras` 패키지

gtExtras 패키지는 gt 객체로 그려진 표를 더 예쁘게 꾸미기 위해 추가적으로 제공하는 함수들을 위한 패키지이다. 하지만 gtExtras 패키지는 아직은 완전히 완성된 패키지는 아니기 때문에 CRAN에 등록되지 않고 Github에 등록되어 있다. 현재 0.2.2.11 버전이 나와 있다.

gtExtras 패키지의 설치는 다음과 같다.

# `remotes` 패키지가 설치되어 있지 않다면 `install.packages("remotes")`로 `remotes` 패키지를 설치하라
remotes::install_github("jthomasmock/gtExtras")

간혹 위의 코드를 실행하면 gtExtras 패키지를 설치하는데 필요한 몇가지 패키지를 업데이트하라는 메세지가 나온다. 그러면 ’All’을 선택하여 전체 패키지를 업데이트해 주는 것이 좋다.

Data 전처리

이번 포스트에서 사용하는 데이터는 이전 gt 관련 포스트에서 사용한 df 데이터를 사용하겠다. 다만 표의 표현에 적합하게 다음과 같이 전처리하여 사용하도록 하겠다.

library(gt)
library(tidyverse)

head(df)
#>   연도            학제     학위과정   대계열     중계열 소계열     학과코드
#> 1 2021 전문대학(3년제) 전문대학과정 인문계열 언어ㆍ문학 일본어 C01010100002
#> 2 2021 전문대학(2년제) 전문대학과정 인문계열 언어ㆍ문학 일본어 C01010100002
#> 3 2021 전문대학(2년제) 전문대학과정 인문계열 언어ㆍ문학 일본어 C01010100003
#> 4 2021 전문대학(3년제) 전문대학과정 인문계열 언어ㆍ문학 일본어 C01010100005
#> 5 2021 전문대학(2년제) 전문대학과정 인문계열 언어ㆍ문학 일본어 C01010100005
#> 6 2021 전문대학(3년제) 전문대학과정 인문계열 언어ㆍ문학 일본어 C01010100007
#>           학과명 학과수_전체 학과수_석사 학과수_박사 입학정원 지원자_전체_계
#> 1   관광일본어과           2           0           0       36             58
#> 2   관광일본어과           3           0           0       65            447
#> 3 관광일본어전공           1           0           0       30            181
#> 4     관광일어과           4           0           0        0              0
#> 5     관광일어과           2           0           0       56            210
#> 6 관광일어통역과           3           0           0        0              0
#>   지원자_전체_여 지원자_석사_계 지원자_석사_여 지원자_박사_계 지원자_박사_여
#> 1             30              0              0              0              0
#> 2            237              0              0              0              0
#> 3            105              0              0              0              0
#> 4              0              0              0              0              0
#> 5            128              0              0              0              0
#> 6              0              0              0              0              0
#>   입학자_전체_계 입학자_전체_여 입학자_석사_계 입학자_석사_여 입학자_박사_계
#> 1             34             16              0              0              0
#> 2             53             22              0              0              0
#> 3             16              6              0              0              0
#> 4              0              0              0              0              0
#> 5             40             24              0              0              0
#> 6              0              0              0              0              0
#>   입학자_박사_여 재적생_전체_계 재적생_전체_여 재학생_전체_계 재학생_전체_여
#> 1              0            170             52             60             28
#> 2              0            151             55             97             43
#> 3              0             86             31             44             20
#> 4              0             62             12              5              3
#> 5              0            101             41             80             39
#> 6              0             23              8              0              0
#>   휴학생_전체_계 휴학생_전체_여 유예생_전체_계 유예생_전체_여 재적생_석사_계
#> 1            110             24              0              0              0
#> 2             54             12              0              0              0
#> 3             42             11              0              0              0
#> 4             57              9              0              0              0
#> 5             21              2              0              0              0
#> 6             23              8              0              0              0
#>   재적생_석사_여 재학생_석사_계 재학생_석사_여 휴학생_석사_계 휴학생_석사_여
#> 1              0              0              0              0              0
#> 2              0              0              0              0              0
#> 3              0              0              0              0              0
#> 4              0              0              0              0              0
#> 5              0              0              0              0              0
#> 6              0              0              0              0              0
#>   재적생_박사_계 재적생_박사_여 재학생_박사_계 재학생_박사_여 휴학생_박사_계
#> 1              0              0              0              0              0
#> 2              0              0              0              0              0
#> 3              0              0              0              0              0
#> 4              0              0              0              0              0
#> 5              0              0              0              0              0
#> 6              0              0              0              0              0
#>   휴학생_박사_여 외국인유학생_총계_계 외국인유학생_총계_여 외국인유학생_학사_계
#> 1              0                    2                    0                    2
#> 2              0                    1                    1                    1
#> 3              0                    6                    6                    6
#> 4              0                    0                    0                    0
#> 5              0                    0                    0                    0
#> 6              0                    0                    0                    0
#>   외국인유학생_학사_여 외국인유학생_석사_계 외국인유학생_석사_여
#> 1                    0                    0                    0
#> 2                    1                    0                    0
#> 3                    6                    0                    0
#> 4                    0                    0                    0
#> 5                    0                    0                    0
#> 6                    0                    0                    0
#>   외국인유학생_박사_계 외국인유학생_박사_여 졸업자_전체 졸업자_전체_여
#> 1                    0                    0          28             20
#> 2                    0                    0          51             22
#> 3                    0                    0          26             14
#> 4                    0                    0          88             52
#> 5                    0                    0          19              5
#> 6                    0                    0           0              0
#>   졸업자_석사 졸업자_석사_여 졸업자_박사 졸업자_박사_여 전임교원_계 전임교원_여
#> 1           0              0           0              0           3           2
#> 2           0              0           0              0           4           2
#> 3           0              0           0              0           2           2
#> 4           0              0           0              0           0           0
#> 5           0              0           0              0           4           2
#> 6           0              0           0              0           0           0
#>   비전임교원_계 비전임교원_여 시간강사_계 시간강사_여
#> 1             5             2           0           0
#> 2             5             5           0           0
#> 3             3             3           0           0
#> 4             0             0           0           0
#> 5             8             7           0           0
#> 6             0             0           0           0

## 학위과정의 순서를 맞추기 위해 학위롸정을 factor로 설정하고 level을 설정한다.
df$학위과정 <- fct_relevel(df$학위과정, '전문대학과정', '대학과정', '대학원과정')

df.extragt <- df |>
  ## df를 학위과정과 대계열로 그루핑
  group_by(학위과정, 대계열) |>
  ## 소규모 학교급(학과수가 100개 이하)을 제외
  filter(sum(학과수_전체) > 100) |>
  ## 그룹별로 학과수_전체, 지원자_전체_계, 입학자_전체_계, 재적생_전체_계의 합계와 평균 열을 생성
  summarise_at(vars(학과수_전체, 지원자_전체_계, 입학자_전체_계, 재적생_전체_계), funs(sum, mean)) |>
  ## 그룹 다시 묶어 그룹 속성을 없앰
  ungroup() |>
  ### 학위과정별로 재적생 비율을 구하기 위해 학위과정으로 다시그루핑
  group_by(학위과정) |>
  ## 각각의 행에 학과수_전체_sum의 합계에 대비한 학과수_전체_sum의 비율을 소수점 두자리까지 산출하여 rate열에 기록함
  mutate(rate = round(학과수_전체_sum/sum(학과수_전체_sum)*100, 2)) |>
  ## 그룹을 다시 묶어 그룹 속성을 없앰
  ungroup() |>
  ## 대계열별 재적생수 list를 만들기 위해 대계열로 다시 그루핑
  group_by(대계열) |>
  ## 각각의 행에 재적생_전체_계_sum의 데이터를 list로 만드는 열을 생성
  mutate(lists = list(재적생_전체_계_sum)) |>
  ## 그룹을 다시 묶어 그룹 속성을 없앰
  ungroup()

head(df.extragt)
#> # A tibble: 6 x 12
#>   학위과정     대계열     학과수_전체_sum 지원자_전체_계_sum 입학자_전체_계_sum
#>   <fct>        <chr>                <dbl>              <dbl>              <dbl>
#> 1 전문대학과정 공학계열              1885             233112              46744
#> 2 전문대학과정 교육계열               275              49326               8125
#> 3 전문대학과정 사회계열              1644             241686              39278
#> 4 전문대학과정 예체능계열            1149             237305              33905
#> 5 전문대학과정 의약계열               653             332302              36248
#> 6 전문대학과정 인문계열               210              24503               4262
#> # ... with 7 more variables: 재적생_전체_계_sum <dbl>, 학과수_전체_mean <dbl>,
#> #   지원자_전체_계_mean <dbl>, 입학자_전체_계_mean <dbl>,
#> #   재적생_전체_계_mean <dbl>, rate <dbl>, lists <list>

앞선 포스트와는 다른 몇개의 열이 포함되었다. 이는 gtExtras의 기능을 사용하기 위해 추가적으로 산출한 열로 차차 설명된다.

`gt` 객체 생성

전처리한 데이터를 사용하여 gt 객체를 생성한다. 기본 표를 그리기 위해 필요한 몇가지 스타일을 지정하도록 하겠다.

gtextras.table <- df.extragt |> 
  ##  행이름을 '대계열', 그룹열 이름을 '학위과정'으로 설정하고 `gt` 객체를 생성
  gt(rowname_col = '대계열', groupname_col = '학위과정') |>
  ## 표제목과 표부제목을 설정
  tab_header(title = '고등교육기관 계열별 데이터', subtitle = '2021년 전체 고등교육기관 대상') |> 
  ## 3번 열부터 6번 열까지 소수점을 없애고 천단위 구분자를 두는 숫자 포맷으로 설정
  fmt_number(columns = 3:6, decimals = 0, use_seps = TRUE) |>
  ## 7번 열부터 10번 열까지 소수점 첫자리, 천단위 구분자를 두는 숫자 포맷으로 설정
  fmt_number(columns = 7:10, decimals = 1, use_seps = TRUE) |> 
  ## 3번 열부터 6번 열까지 '합계' 열 그룹(spanner)로 설정
  tab_spanner(columns = 3:6, label = '합계') |>
  ## 7번 열부터 10번 열까지 '평균' 열 그룹(spanner)로 설정
  tab_spanner(columns = 7:10, label = '평균') |> 
  ## 각각의 열 이름을 설정
  cols_label(대계열 = '대계열', 
               학과수_전체_sum = '학과수', 
               지원자_전체_계_sum = '지원자',
               입학자_전체_계_sum = '입학자', 
               재적생_전체_계_sum = '재적생', 
               학과수_전체_mean = '학과수', 
               지원자_전체_계_mean = '지원자',
               입학자_전체_계_mean = '입학자', 
               재적생_전체_계_mean = '재적생'
  ) |> 
  ## 요약 행을 생성 
  summary_rows(
    ## 행 그룹별로 생성
    groups = T,
    ## 3열부터 6열까지 해당 
    columns = 3:6,
    fns = list(
      ## 요약행은 합계값으로 설정
      합계 = ~sum(.)
    ),
    ## 요약 행은 숫자열이고 소수점은 없으며 천단위 구분자를 사용
    formatter = fmt_number, 
    decimals = 0,
    use_seps = TRUE
  ) |>
  ## 요약 행을 생성
  summary_rows(
    ## 행 그룹별로 생성
    groups = T,
    ## 7열부터 10열까지 해당
    columns = 7:10,
    ## 요약행은 합계값으로 설정
    fns = list(
      합계 = ~sum(.)
    ),
    ## 요약 행은 숫자열이고 소수점은 한자리이며 천단위 구분자를 사용
    formatter = fmt_number, 
    decimals = 1,
    use_seps = TRUE
  )  |>
  ## 전체 요약행 생성
  grand_summary_rows(
    ## 3열부터 6열까지 해당 
    columns = 3:6,
    ## 요약행은 합계값으로 설정
    fns = list(
      합계 = ~sum(.)
      ), 
    ## 요약 행은 숫자열이고 소수점은 없으며 천단위 구분자를 사용
    decimals = 0,
    use_seps = TRUE
  ) |>
  ## 전체 요약 행을 생성
  grand_summary_rows(
    ## 7열부터 10열까지 해당
    columns = 7:10,
    ## 전체 요약행은 합계값으로 설정
    fns = list(
      합계 = ~sum(.)
      ), 
    ## 전체 요약 행은 숫자열이고 소수점은 한자리이며 천단위 구분자를 사용
    decimals = 1,
    use_seps = TRUE
  ) |>
  ## 7번 열은 감춤
  cols_hide(column = 7) |>
  tab_options(table.font.size = 5)

`gtExtras` 패키지 사용

이제 앞에서 기본적으로 설정한 gt 객체를 사용하여 gtExtras에서 제공하는 기능으로 표를 추가 보완하겠다. 먼저 gtExtras 패키지를 불러온다.

library(gtExtras)

표 테마 사용

앞선 gt 패키지 포스트에서 각각의 표 요소들을 개별적으로 설정하여 사용자가 원하는 표를 설정하는 과정을 살펴보았다. 하지만 이렇게 하나 하나 표를 설정하는 것은 번거로운데다가 표를 완성해놓고 보면 색상의 배열이나 표의 구조가 영 마음에 들지 않는 경우가 있을 것이다. 여러 디자이너들이 미리 예쁘게 만들어 놓은 템플릿을 사용하면 좀 편하게 표를 디자인 할 수 있을 것이다. gtExtras 패키지는 사전에 정의된 7개의 템플릿을 제공한다. 이를 적용하는 함수는 다음과 같다.

gt_theme_538() : five thirty eight(미국의 여론 조사 분석, 정치, 경제 및 스포츠 블로그를 운영하는 사이트)에서 사용하는 형태의 표
gt_theme_espn() : 미국 ESPN(스포츠 네트워크)에서 사용하는 형태의 표
gt_theme_nytimes() : 미국 뉴욕타임즈에서 사용하는 형태의 표
gt_theme_guardian() : 영국 가디언즈에서 사용하는 형태의 표
gt_theme_dot_matrix() : 도트 매트릭스 형태의 표
gt_theme_dark() : 어두운 형태의 표
gt_theme_excel() : 엑셀 형태의 표

위에서 생성한 gt 객체를 gtExtras의 테마를 다음과 같이 사용할 수 있다. ESPN 테마를 사용하는 코드는 다음과 같다.

gtextras.table1 <- gtextras.table |>
  gt_theme_espn()

gtextras.table1

고등교육기관 계열별 데이터
2021년 전체 고등교육기관 대상
	합계				평균			rate	lists
	학과수	지원자	입학자	재적생	지원자	입학자	재적생	rate	lists
전문대학과정
공학계열	1,885	233,112	46,744	190,336	174.9	35.1	142.8	29.72	190336, 603567, 57553
교육계열	275	49,326	8,125	24,054	657.7	108.3	320.7	4.34	24054, 123846, 49353
사회계열	1,644	241,686	39,278	122,393	235.3	38.2	119.2	25.92	122393, 608755, 87553
예체능계열	1,149	237,305	33,905	99,184	234.0	33.4	97.8	18.11	99184, 232760, 26975
의약계열	653	332,302	36,248	128,350	1,661.5	181.2	641.8	10.29	128350, 149975, 29655
인문계열	210	24,503	4,262	13,726	131.7	22.9	73.8	3.31	13726, 286301, 47317
자연계열	527	83,240	14,442	45,417	211.8	36.7	115.6	8.31	45417, 245482, 29009
합계	6,343	1,201,474	183,004	623,460	3,307.0	456.0	1,511.6	—	—
대학과정
공학계열	3,153	693,943	100,661	603,567	286.4	41.5	249.1	24.51	190336, 603567, 57553
교육계열	806	119,206	22,333	123,846	476.8	89.3	495.4	6.27	24054, 123846, 49353
사회계열	2,959	648,934	97,763	608,755	330.9	49.9	310.4	23.01	122393, 608755, 87553
예체능계열	1,852	362,189	42,660	232,760	249.8	29.4	160.5	14.40	99184, 232760, 26975
의약계열	665	303,254	27,922	149,975	1,290.4	118.8	638.2	5.17	128350, 149975, 29655
인문계열	1,721	322,093	51,034	286,301	270.9	42.9	240.8	13.38	13726, 286301, 47317
자연계열	1,706	302,897	41,009	245,482	217.0	29.4	175.8	13.26	45417, 245482, 29009
합계	12,862	2,752,516	383,382	2,250,686	3,122.2	401.3	2,270.3	—	—
대학원과정
공학계열	3,399	41,484	25,617	57,553	22.9	14.2	31.8	21.91	190336, 603567, 57553
교육계열	2,077	38,239	17,815	49,353	55.8	26.0	72.0	13.39	24054, 123846, 49353
사회계열	3,535	70,718	36,013	87,553	41.7	21.3	51.7	22.78	122393, 608755, 87553
예체능계열	1,264	18,680	10,415	26,975	26.6	14.8	38.4	8.15	99184, 232760, 26975
의약계열	1,115	21,769	11,678	29,655	47.9	25.7	65.3	7.19	128350, 149975, 29655
인문계열	2,047	34,603	17,085	47,317	45.6	22.5	62.3	13.19	13726, 286301, 47317
자연계열	2,078	19,251	12,309	29,009	18.7	12.0	28.2	13.39	45417, 245482, 29009
합계	15,515	244,744	130,932	327,415	259.3	136.4	349.8	—	—
합계	34,720	4,198,734	697,318	3,201,561	6,688.6	993.7	4,131.7	—	—

막대 그래프를 행에 넣기

데이터 간의 양적 차이를 비교를 할 때 많이 사용되는 그래프가 막대 그래프이다. gtExtrass는 각각의 행에 해당하는 데이터에 대한 막대 그래프를 넣어주는 열을 생성할 수 있는데 gt_plt_bar()를 사용하면 생성할 수 있다.

gt_plt_bar(gt_object, column = NULL, color = "purple", …, keep_column = FALSE, width = 70, scale_type = "none", text_color = "white")

gt_object : 표 그리기에 사용할 gt 객체
columns : 막대그래프를 그릴 열
color : 막대에 채워질 색 설정
keep_column : 원 값을 가진 열을 유지할지를 설정
width : 막대 그래프가 표시될 열의 너비 설정
scale_type : 막대에 원 값을 표기한다면 어떤 형태로 표기할 지를 설정(none, number, percent)
text_color : scale_type가 설정된 경우 글자색을 설정

위의 gt 객체에 재적학생에 대한 인라인 막대 그래프를 넣어 보도록 하겠다. 먼저 gt_duplicate_column()을 사용하여 재적학생 합계 열을 하나 더 만들고 이 열을 막대 그래프로 바꾸는 코드는 다음과 같다.

gt_duplicate_column(gt_object, column, after = dplyr::last_col(), append_text = "_dupe", dupe_name = NULL)

gt_object : 표 그리기에 사용할 gt 객체
columns : 중복이 필요한 열
after : 열의 위치 설정에 필요한 열
append_text : 열 이름에 붙여줄 문자
dupe_name : 중복된 열 이름

gtextras.table2 <- gtextras.table1 |>
  gt_duplicate_column(재적생_전체_계_sum, dupe_name = '재적생_막대그래프') |>
  gt_plt_bar(column = '재적생_막대그래프', keep_column = FALSE, width = 30)

gtextras.table2

고등교육기관 계열별 데이터
2021년 전체 고등교육기관 대상
	합계				평균			rate	lists	재적생_막대그래프
	학과수	지원자	입학자	재적생	지원자	입학자	재적생	rate	lists	재적생_막대그래프
전문대학과정
공학계열	1,885	233,112	46,744	190,336	174.9	35.1	142.8	29.72	190336, 603567, 57553
교육계열	275	49,326	8,125	24,054	657.7	108.3	320.7	4.34	24054, 123846, 49353
사회계열	1,644	241,686	39,278	122,393	235.3	38.2	119.2	25.92	122393, 608755, 87553
예체능계열	1,149	237,305	33,905	99,184	234.0	33.4	97.8	18.11	99184, 232760, 26975
의약계열	653	332,302	36,248	128,350	1,661.5	181.2	641.8	10.29	128350, 149975, 29655
인문계열	210	24,503	4,262	13,726	131.7	22.9	73.8	3.31	13726, 286301, 47317
자연계열	527	83,240	14,442	45,417	211.8	36.7	115.6	8.31	45417, 245482, 29009
합계	6,343	1,201,474	183,004	623,460	3,307.0	456.0	1,511.6	—	—	—
대학과정
공학계열	3,153	693,943	100,661	603,567	286.4	41.5	249.1	24.51	190336, 603567, 57553
교육계열	806	119,206	22,333	123,846	476.8	89.3	495.4	6.27	24054, 123846, 49353
사회계열	2,959	648,934	97,763	608,755	330.9	49.9	310.4	23.01	122393, 608755, 87553
예체능계열	1,852	362,189	42,660	232,760	249.8	29.4	160.5	14.40	99184, 232760, 26975
의약계열	665	303,254	27,922	149,975	1,290.4	118.8	638.2	5.17	128350, 149975, 29655
인문계열	1,721	322,093	51,034	286,301	270.9	42.9	240.8	13.38	13726, 286301, 47317
자연계열	1,706	302,897	41,009	245,482	217.0	29.4	175.8	13.26	45417, 245482, 29009
합계	12,862	2,752,516	383,382	2,250,686	3,122.2	401.3	2,270.3	—	—	—
대학원과정
공학계열	3,399	41,484	25,617	57,553	22.9	14.2	31.8	21.91	190336, 603567, 57553
교육계열	2,077	38,239	17,815	49,353	55.8	26.0	72.0	13.39	24054, 123846, 49353
사회계열	3,535	70,718	36,013	87,553	41.7	21.3	51.7	22.78	122393, 608755, 87553
예체능계열	1,264	18,680	10,415	26,975	26.6	14.8	38.4	8.15	99184, 232760, 26975
의약계열	1,115	21,769	11,678	29,655	47.9	25.7	65.3	7.19	128350, 149975, 29655
인문계열	2,047	34,603	17,085	47,317	45.6	22.5	62.3	13.19	13726, 286301, 47317
자연계열	2,078	19,251	12,309	29,009	18.7	12.0	28.2	13.39	45417, 245482, 29009
합계	15,515	244,744	130,932	327,415	259.3	136.4	349.8	—	—	—
합계	34,720	4,198,734	697,318	3,201,561	6,688.6	993.7	4,131.7	—	—	—

이 결과 표를 보면 어떤 계열의 재적학생이 많은지가 한눈에 띈다. 대학과정의 공학계열과 사회계열의 재적학생이 매우 많은 것으로 보이고 전문대에서는 공학계열과 의약계열, 대학원에서는 사회계열 재적학생이 많은 것으로 보인다.

컬러 박스를 행에 넣기

gtExtras 패키지에서는 값의 크기를 작은 색깔 상자를 이용해서 표현하는 함수를 제공한다. 이 함수가 gt_color_box()이며 용법은 다음과 같다.

gt_color_box(gt_object, columns, palette = NULL, …, domain = NULL, width = 70)

gt_object : 표 그리기에 사용할 gt 객체
columns : 컬러 박스를 그릴 열
palette : 컬러 박스에 사용할 팔레트
domain : 값의 범위
width : 컬러 벅스를 그릴 열 너비

gtextras.table3 <- gtextras.table2 |>
  gt_duplicate_column(재적생_전체_계_sum, dupe_name = '재적생_컬러박스') |>
  gt_color_box(columns = '재적생_컬러박스', domain = c(min(df.extragt$재적생_전체_계_sum), max(df.extragt$재적생_전체_계_sum)), palette = "ggsci::blue_material", width = 100) 

gtextras.table3

고등교육기관 계열별 데이터
2021년 전체 고등교육기관 대상
	합계				평균			rate	lists	재적생_막대그래프	재적생_컬러박스
	학과수	지원자	입학자	재적생	지원자	입학자	재적생	rate	lists	재적생_막대그래프	재적생_컬러박스
전문대학과정
공학계열	1,885	233,112	46,744	190,336	174.9	35.1	142.8	29.72	190336, 603567, 57553		190 336
교육계열	275	49,326	8,125	24,054	657.7	108.3	320.7	4.34	24054, 123846, 49353		24 054
사회계열	1,644	241,686	39,278	122,393	235.3	38.2	119.2	25.92	122393, 608755, 87553		122 393
예체능계열	1,149	237,305	33,905	99,184	234.0	33.4	97.8	18.11	99184, 232760, 26975		99 184
의약계열	653	332,302	36,248	128,350	1,661.5	181.2	641.8	10.29	128350, 149975, 29655		128 350
인문계열	210	24,503	4,262	13,726	131.7	22.9	73.8	3.31	13726, 286301, 47317		13 726
자연계열	527	83,240	14,442	45,417	211.8	36.7	115.6	8.31	45417, 245482, 29009		45 417
합계	6,343	1,201,474	183,004	623,460	3,307.0	456.0	1,511.6	—	—	—	—
대학과정
공학계열	3,153	693,943	100,661	603,567	286.4	41.5	249.1	24.51	190336, 603567, 57553		603 567
교육계열	806	119,206	22,333	123,846	476.8	89.3	495.4	6.27	24054, 123846, 49353		123 846
사회계열	2,959	648,934	97,763	608,755	330.9	49.9	310.4	23.01	122393, 608755, 87553		608 755
예체능계열	1,852	362,189	42,660	232,760	249.8	29.4	160.5	14.40	99184, 232760, 26975		232 760
의약계열	665	303,254	27,922	149,975	1,290.4	118.8	638.2	5.17	128350, 149975, 29655		149 975
인문계열	1,721	322,093	51,034	286,301	270.9	42.9	240.8	13.38	13726, 286301, 47317		286 301
자연계열	1,706	302,897	41,009	245,482	217.0	29.4	175.8	13.26	45417, 245482, 29009		245 482
합계	12,862	2,752,516	383,382	2,250,686	3,122.2	401.3	2,270.3	—	—	—	—
대학원과정
공학계열	3,399	41,484	25,617	57,553	22.9	14.2	31.8	21.91	190336, 603567, 57553		57 553
교육계열	2,077	38,239	17,815	49,353	55.8	26.0	72.0	13.39	24054, 123846, 49353		49 353
사회계열	3,535	70,718	36,013	87,553	41.7	21.3	51.7	22.78	122393, 608755, 87553		87 553
예체능계열	1,264	18,680	10,415	26,975	26.6	14.8	38.4	8.15	99184, 232760, 26975		26 975
의약계열	1,115	21,769	11,678	29,655	47.9	25.7	65.3	7.19	128350, 149975, 29655		29 655
인문계열	2,047	34,603	17,085	47,317	45.6	22.5	62.3	13.19	13726, 286301, 47317		47 317
자연계열	2,078	19,251	12,309	29,009	18.7	12.0	28.2	13.39	45417, 245482, 29009		29 009
합계	15,515	244,744	130,932	327,415	259.3	136.4	349.8	—	—	—	—
합계	34,720	4,198,734	697,318	3,201,561	6,688.6	993.7	4,131.7	—	—	—	—

백분율 막대 그래프 넣기

gtExtras 패키지에서는 백분율에 대한 막대 그래프를 넣는 기능을 제공한다. 이 기능은 gt_plt_bar_pct()함수로 생성할 수 있는데 이 함수를 적용하는 열은 백분율 수치로 표현된 열을 사용할 수도 있고 변환하도록 사용할 수도 있다.

gt_plt_bar_pct(gt_object, column, height = 16, fill = "purple", background = "#e1e1e1", scaled = FALSE)

gt_object : 표 그리기에 사용할 gt 객체
columns : 백분율 막대를 그릴 열
height : 백분율 막대 높이 설정
fill : 막대에 채울 색 설정
background : 전체 막대 배경 색 설정
scaled : 0부터 100까지 설정된 백분율 값인지 아닌지를 설정

전처리 과정에서 계산했던 각 학위과정별 재적생 비율 열을 백분율 막대 그래프로 그리는 코드는 다음과 같다. 먼저 재적생 비율 열인 rate열을 중복하여 열을 생성하고 이 열을 gt_plt_bar_pct()함수로 백분률 막대 그래프를 생성한다.

gtextras.table4 <- gtextras.table3 |>
  gt_duplicate_column(rate, dupe_name = '재적생비율_pct') |>
  gt_plt_bar_pct(column = '재적생비율_pct', scale = TRUE)

gtextras.table4

고등교육기관 계열별 데이터
2021년 전체 고등교육기관 대상
	합계				평균			rate	lists	재적생_막대그래프	재적생_컬러박스	재적생비율_pct
	학과수	지원자	입학자	재적생	지원자	입학자	재적생	rate	lists	재적생_막대그래프	재적생_컬러박스	재적생비율_pct
전문대학과정
공학계열	1,885	233,112	46,744	190,336	174.9	35.1	142.8	29.72	190336, 603567, 57553		190 336
교육계열	275	49,326	8,125	24,054	657.7	108.3	320.7	4.34	24054, 123846, 49353		24 054
사회계열	1,644	241,686	39,278	122,393	235.3	38.2	119.2	25.92	122393, 608755, 87553		122 393
예체능계열	1,149	237,305	33,905	99,184	234.0	33.4	97.8	18.11	99184, 232760, 26975		99 184
의약계열	653	332,302	36,248	128,350	1,661.5	181.2	641.8	10.29	128350, 149975, 29655		128 350
인문계열	210	24,503	4,262	13,726	131.7	22.9	73.8	3.31	13726, 286301, 47317		13 726
자연계열	527	83,240	14,442	45,417	211.8	36.7	115.6	8.31	45417, 245482, 29009		45 417
합계	6,343	1,201,474	183,004	623,460	3,307.0	456.0	1,511.6	—	—	—	—	—
대학과정
공학계열	3,153	693,943	100,661	603,567	286.4	41.5	249.1	24.51	190336, 603567, 57553		603 567
교육계열	806	119,206	22,333	123,846	476.8	89.3	495.4	6.27	24054, 123846, 49353		123 846
사회계열	2,959	648,934	97,763	608,755	330.9	49.9	310.4	23.01	122393, 608755, 87553		608 755
예체능계열	1,852	362,189	42,660	232,760	249.8	29.4	160.5	14.40	99184, 232760, 26975		232 760
의약계열	665	303,254	27,922	149,975	1,290.4	118.8	638.2	5.17	128350, 149975, 29655		149 975
인문계열	1,721	322,093	51,034	286,301	270.9	42.9	240.8	13.38	13726, 286301, 47317		286 301
자연계열	1,706	302,897	41,009	245,482	217.0	29.4	175.8	13.26	45417, 245482, 29009		245 482
합계	12,862	2,752,516	383,382	2,250,686	3,122.2	401.3	2,270.3	—	—	—	—	—
대학원과정
공학계열	3,399	41,484	25,617	57,553	22.9	14.2	31.8	21.91	190336, 603567, 57553		57 553
교육계열	2,077	38,239	17,815	49,353	55.8	26.0	72.0	13.39	24054, 123846, 49353		49 353
사회계열	3,535	70,718	36,013	87,553	41.7	21.3	51.7	22.78	122393, 608755, 87553		87 553
예체능계열	1,264	18,680	10,415	26,975	26.6	14.8	38.4	8.15	99184, 232760, 26975		26 975
의약계열	1,115	21,769	11,678	29,655	47.9	25.7	65.3	7.19	128350, 149975, 29655		29 655
인문계열	2,047	34,603	17,085	47,317	45.6	22.5	62.3	13.19	13726, 286301, 47317		47 317
자연계열	2,078	19,251	12,309	29,009	18.7	12.0	28.2	13.39	45417, 245482, 29009		29 009
합계	15,515	244,744	130,932	327,415	259.3	136.4	349.8	—	—	—	—	—
합계	34,720	4,198,734	697,318	3,201,561	6,688.6	993.7	4,131.7	—	—	—	—	—

백분율 점 그래프 넣기

gtExtras에서 제공하는 그래프 중에 가장 독특한 그래프가 바로 이 백분율 점 그래프이다. 백분률의 위치를 점으로 표현하는 이 그래프는 앞서 사용했던 각 학위과정별 재적생 비율 열을 gt_plt_percentile()을 사용하여 그릴 수 있다.

gt_plt_percentile(gt_object, column, palette = c("#007ad6", "#f0f0f0", "#f72e2e"), width = 25, scale = 1)

gt_object : 표 그리기에 사용할 gt 객체
columns : 백분율 점 그래프를 그릴 열
palette : 색 설정을 위한 팔래트
width : 백분율 점 그래프 너비 설정
scaled : 0부터 100까지 설정된 백분율 값인지 아닌지를 설정

gtextras.table5 <- gtextras.table4 |>
  gt_plt_percentile(column = rate, scale = TRUE) |>
  cols_label(rate = '재적생 비율')

gtextras.table5

고등교육기관 계열별 데이터
2021년 전체 고등교육기관 대상
	합계				평균			재적생 비율	lists	재적생_막대그래프	재적생_컬러박스	재적생비율_pct
	학과수	지원자	입학자	재적생	지원자	입학자	재적생	재적생 비율	lists	재적생_막대그래프	재적생_컬러박스	재적생비율_pct
전문대학과정
공학계열	1,885	233,112	46,744	190,336	174.9	35.1	142.8		190336, 603567, 57553		190 336
교육계열	275	49,326	8,125	24,054	657.7	108.3	320.7		24054, 123846, 49353		24 054
사회계열	1,644	241,686	39,278	122,393	235.3	38.2	119.2		122393, 608755, 87553		122 393
예체능계열	1,149	237,305	33,905	99,184	234.0	33.4	97.8		99184, 232760, 26975		99 184
의약계열	653	332,302	36,248	128,350	1,661.5	181.2	641.8		128350, 149975, 29655		128 350
인문계열	210	24,503	4,262	13,726	131.7	22.9	73.8		13726, 286301, 47317		13 726
자연계열	527	83,240	14,442	45,417	211.8	36.7	115.6		45417, 245482, 29009		45 417
합계	6,343	1,201,474	183,004	623,460	3,307.0	456.0	1,511.6	—	—	—	—	—
대학과정
공학계열	3,153	693,943	100,661	603,567	286.4	41.5	249.1		190336, 603567, 57553		603 567
교육계열	806	119,206	22,333	123,846	476.8	89.3	495.4		24054, 123846, 49353		123 846
사회계열	2,959	648,934	97,763	608,755	330.9	49.9	310.4		122393, 608755, 87553		608 755
예체능계열	1,852	362,189	42,660	232,760	249.8	29.4	160.5		99184, 232760, 26975		232 760
의약계열	665	303,254	27,922	149,975	1,290.4	118.8	638.2		128350, 149975, 29655		149 975
인문계열	1,721	322,093	51,034	286,301	270.9	42.9	240.8		13726, 286301, 47317		286 301
자연계열	1,706	302,897	41,009	245,482	217.0	29.4	175.8		45417, 245482, 29009		245 482
합계	12,862	2,752,516	383,382	2,250,686	3,122.2	401.3	2,270.3	—	—	—	—	—
대학원과정
공학계열	3,399	41,484	25,617	57,553	22.9	14.2	31.8		190336, 603567, 57553		57 553
교육계열	2,077	38,239	17,815	49,353	55.8	26.0	72.0		24054, 123846, 49353		49 353
사회계열	3,535	70,718	36,013	87,553	41.7	21.3	51.7		122393, 608755, 87553		87 553
예체능계열	1,264	18,680	10,415	26,975	26.6	14.8	38.4		99184, 232760, 26975		26 975
의약계열	1,115	21,769	11,678	29,655	47.9	25.7	65.3		128350, 149975, 29655		29 655
인문계열	2,047	34,603	17,085	47,317	45.6	22.5	62.3		13726, 286301, 47317		47 317
자연계열	2,078	19,251	12,309	29,009	18.7	12.0	28.2		45417, 245482, 29009		29 009
합계	15,515	244,744	130,932	327,415	259.3	136.4	349.8	—	—	—	—	—
합계	34,720	4,198,734	697,318	3,201,561	6,688.6	993.7	4,131.7	—	—	—	—	—

100% 누적 막대 그래프 넣기

앞서 언급한 바와 같이 아직 gtExtras 패키지는 개발이 완료되지 않았다. 그래서 몇개의 함수는 아직 그 기능이 완전치 않은데 100% 누적 막대 그래프가 그런 듯 하다. 100% 누적 막대 그래프는 특정 데이터의 구성비를 표현할 수 있는 좋은 기능인데 아직 2개나 3개의 구성비밖에 표현이 불가하다. 하지만 중요한 기능으로 보여 소개한다. 이 기능은 gt_plt_bar_stack()를 이용하여 구현할 수 있다. 다만 이 함수를 사용하기 위해서는 구성비로 표현될 데이터들을 list로 묶어서 표현된 열이 필요하다. 이를 위해 앞의 전처리 과정에서 mutate(lists = list(재적생_전체_계_sum))를 사용했다. 이 코드를 사용하기 위해 바로 앞에서 group_by(대계열)로 그루핑 했었기 때문에 대계열별 구성비가 표현될 것이다.

gt_plt_bar_stack(gt_object, column = NULL, palette = c("#ff4343", "#bfbfbf", "#0a1c2b"), labels = c("Group 1", "Group 2", "Group 3"), position = "fill", width = 70, fmt_fn = scales::label_number_si(trim = TRUE))

gt_object : 표 그리기에 사용할 gt 객체
columns : 100% 누적 막대 그래프를 그릴 열
palette : 색 설정을 위한 팔래트, 최대 3가지 색까지 설정 가능
labels : 각 그룹에 표기될 라벨 설정
position : 100% 누적 그래프, 단순 누적 그래프 설정
width : 100% 누적 막대 그래프 너비 설정
fmt_fn : 단위로 표현될 적합한 접두사 설정

gtextras.table6 <- gtextras.table5 |>
  gt_plt_bar_stack(column = lists, palette = c('red', 'darkgreen', 'darkblue'), labels = c('전문대학과정', '대학과정', '대학원과정'))

gtextras.table6

고등교육기관 계열별 데이터
2021년 전체 고등교육기관 대상
	합계				평균			재적생 비율	전문대학과정\|\|대학과정\|\|대학원과정	재적생_막대그래프	재적생_컬러박스	재적생비율_pct
	학과수	지원자	입학자	재적생	지원자	입학자	재적생	재적생 비율	전문대학과정\|\|대학과정\|\|대학원과정	재적생_막대그래프	재적생_컬러박스	재적생비율_pct
전문대학과정
공학계열	1,885	233,112	46,744	190,336	174.9	35.1	142.8				190 336
교육계열	275	49,326	8,125	24,054	657.7	108.3	320.7				24 054
사회계열	1,644	241,686	39,278	122,393	235.3	38.2	119.2				122 393
예체능계열	1,149	237,305	33,905	99,184	234.0	33.4	97.8				99 184
의약계열	653	332,302	36,248	128,350	1,661.5	181.2	641.8				128 350
인문계열	210	24,503	4,262	13,726	131.7	22.9	73.8				13 726
자연계열	527	83,240	14,442	45,417	211.8	36.7	115.6				45 417
합계	6,343	1,201,474	183,004	623,460	3,307.0	456.0	1,511.6	—	—	—	—	—
대학과정
공학계열	3,153	693,943	100,661	603,567	286.4	41.5	249.1				603 567
교육계열	806	119,206	22,333	123,846	476.8	89.3	495.4				123 846
사회계열	2,959	648,934	97,763	608,755	330.9	49.9	310.4				608 755
예체능계열	1,852	362,189	42,660	232,760	249.8	29.4	160.5				232 760
의약계열	665	303,254	27,922	149,975	1,290.4	118.8	638.2				149 975
인문계열	1,721	322,093	51,034	286,301	270.9	42.9	240.8				286 301
자연계열	1,706	302,897	41,009	245,482	217.0	29.4	175.8				245 482
합계	12,862	2,752,516	383,382	2,250,686	3,122.2	401.3	2,270.3	—	—	—	—	—
대학원과정
공학계열	3,399	41,484	25,617	57,553	22.9	14.2	31.8				57 553
교육계열	2,077	38,239	17,815	49,353	55.8	26.0	72.0				49 353
사회계열	3,535	70,718	36,013	87,553	41.7	21.3	51.7				87 553
예체능계열	1,264	18,680	10,415	26,975	26.6	14.8	38.4				26 975
의약계열	1,115	21,769	11,678	29,655	47.9	25.7	65.3				29 655
인문계열	2,047	34,603	17,085	47,317	45.6	22.5	62.3				47 317
자연계열	2,078	19,251	12,309	29,009	18.7	12.0	28.2				29 009
합계	15,515	244,744	130,932	327,415	259.3	136.4	349.8	—	—	—	—	—
합계	34,720	4,198,734	697,318	3,201,561	6,688.6	993.7	4,131.7	—	—	—	—	—

이 표중에 숫자값을 다 제거하고 그래프만 남기면 다음과 같다.

gtextras.table6 |>
  cols_hide(column = 3:10)

고등교육기관 계열별 데이터
2021년 전체 고등교육기관 대상
	재적생 비율	전문대학과정\|\|대학과정\|\|대학원과정	재적생_막대그래프	재적생_컬러박스	재적생비율_pct
	재적생 비율	전문대학과정\|\|대학과정\|\|대학원과정	재적생_막대그래프	재적생_컬러박스	재적생비율_pct	전문대학과정
공학계열				190 336
교육계열				24 054
사회계열				122 393
예체능계열				99 184
의약계열				128 350
인문계열				13 726
자연계열				45 417
합계	—	—	—	—	—
대학과정
공학계열				603 567
교육계열				123 846
사회계열				608 755
예체능계열				232 760
의약계열				149 975
인문계열				286 301
자연계열				245 482
합계	—	—	—	—	—
대학원과정
공학계열				57 553
교육계열				49 353
사회계열				87 553
예체능계열				26 975
의약계열				29 655
인문계열				47 317
자연계열				29 009
합계	—	—	—	—	—
합계	—	—	—	—	—

'데이터 시각화' 카테고리의 다른 글

학회 스타일에 맞는 회귀분석 결과표 만들기 in R - p 값의 표현 (0)	2022.11.01
APA(미국심리학회) style 논문 회귀분석 결과표 만들기 in R - p 값의 표현 (0)	2022.10.31
21년 고등교육기관 정보 요약 - gt 패키지를 이용한 데이터 강조 in R (0)	2021.12.10
21년 고등교육기관 정보 요약 - gt 패키지를 이용한 표 꾸미기 in R (0)	2021.12.08
21년 고등교육기관 정보 요약 - gt 패키지를 이용한 표 그리기 in R (3)	2021.12.06

Plotly로 시작하는 인터랙티브 데이터 시각화 in R & 파이썬

21년 고등교육기관 정보 요약 - gtExtras 패키지를 이용한 그래프 넣기 in R

`gtExtras` 패키지로 inline 그래프 그리기

`gtExtras` 패키지

Data 전처리

`gt` 객체 생성

`gtExtras` 패키지 사용

표 테마 사용

막대 그래프를 행에 넣기

컬러 박스를 행에 넣기

백분율 막대 그래프 넣기

백분율 점 그래프 넣기

100% 누적 막대 그래프 넣기

'데이터 시각화' 카테고리의 다른 글

댓글

티스토리툴바

21년 고등교육기관 정보 요약 - gtExtras 패키지를 이용한 그래프 넣기 in R

gtExtras 패키지로 inline 그래프 그리기

gtExtras 패키지

Data 전처리

gt 객체 생성

gtExtras 패키지 사용

표 테마 사용

막대 그래프를 행에 넣기

컬러 박스를 행에 넣기

백분율 막대 그래프 넣기

백분율 점 그래프 넣기

100% 누적 막대 그래프 넣기

'데이터 시각화' 카테고리의 다른 글

관련글

댓글

티스토리툴바

`gtExtras` 패키지로 inline 그래프 그리기

`gtExtras` 패키지

`gt` 객체 생성

`gtExtras` 패키지 사용