Rでvarやsdで計算されるのは標本分散、標本標準偏差ではなくそれぞれ不偏分散と不偏標準偏差になります。
をサンプル数、
を平均値とします。
標本分散と標準偏差、ついでにCV（coefficient of variation, 標準偏差/平均)を求める関数は下のようになります。
# 標本分散
sample_var <- function(x,...){
return(var(x,...) * (length(x)-1) / length(x))
}
# 標本標準偏差
sample_sd <-function(x,...){
return(sd(x,...) * sqrt((length(x)-1)/length(x)))
}
# 変動係数
cv <- function(x,...){
return(sample_sd(x,...)/mean(x))
}
量的データのプロットに関して、色を付ける方法を紹介する。また、凡例をどうつければいいか一例を示す。なお、データがカテゴリカルデータの場合はこちらの記事をみてほしい。
gray(level)（levelは0から1の間）で指定できる。0で黒、１で白になる。
赤、緑、青の値で色を表現する。Rではrgb(red,green,blue)で指定する。デフォルトだとそれぞれの色は0から1の間にする必要がある。rgb(red,green,blue,maxColorValue=255)とするとそれぞれの色の範囲を0から255として指定できる。
hsv(hue, saturation,value)によって指定できる。上の図は、3つのパラメータのうち一つだけを0から１へ変化させた場合の色の変化を示したもの。なお、変化させない2つのパラメータは共に1である。
pal = colorRamp(c("blue", "red"), space="rgb")
pal = colorRamp(c("blue","white","red"),space="rgb")
pal = colorRamp(c("blue","green","yellow","orange","red"),space="rgb")
として色を指定した。このとき、palは0から1の数値を引数に取りその値に対応するRBG値を返す関数である。
一番上の散布図の凡例はSDMtoolsというライブラリのlegend.gradientという関数を用いて書いた。
pnts = cbind(x =c(2.5,3,3,2.5), y =c(3,3,2,2))
legend.gradient(pnts,
cols=apply(colorRamp(c("blue","yellow","red"),space="rgb")(0:100/100)/256,1,function(x){rgb(x[[1]],x[[2]],x[[3]])}),
limits=c(0,1),
title=""
)
pntsは凡例の位置、colsは描画するのに使う色（２色以上で今は101色）、limitsは値の範囲、titleは凡例の題名。
https://github.com/kubotam-m/R_codes/blob/master/color_test.R
Rで下のようなプロットをするときに、使える色の指定方法をまとめる。今回はデータがカテゴリーデータの場合に使える方法を5個紹介する。 なお、量的なデータの場合の色指定の方法はこちら。
楽。ただし色数が限られるので、多数のカテゴリーがある場合は対応できない。 一番直感的でわかりやすいのはこの方法だと思う。しかし、多数のカテゴリーがあると、適切に指定しないとカテゴリーが見分け辛くなるし、指定するのもめんどくさい。 すでに作られたパレットから選択して使えるので、色を選びやすいのがメリット。デメリットは、色数が一番多いパレットでも12色しかないことだ。 最初と最後の色だけではなく、中間の色も指定することができる。 自分で色を指定してパレットを作ることができるのがメリット。色指定が手間といえば手間と言えるが、色覚特性に配慮した色にしたい場合などではかなり使いやすいと思う。また、色数を多くできる。 パレットがすでに定義されていて、さらに色数を自分で指定できるというメリットがある。また、"#FFFFFF"などのような文字列で返されるので扱いやすい。デメリットは特に思いつかないが、色数を多くしたときにパレットによっては色の区別が付き辛くなるかもしれない。 一番直感的でわかりやすいのは色名で指定する方法だろう。しかし、色数が多いときに指定するのが面倒だ。色の数が比較的少ない(10程度)ならRColorBrewerを使うのが一番楽なのではないかと思う。色数がそれ以上になると、RColorBrewerでは対応できないので、colorRamp、もしくはcolorRampsを使うのが良いと思われる。自分で色を指定してパレットを作りたいならcolorRamp、既存のパレットでいいならcolorRampsが扱いやすいだろう。 R Color Reference Sheet | Brokering Closure 使用したコード https://github.com/kubotam-m/R_codes/blob/master/color_test.R
col=(整数)で指定する方法
plot(x,y,col=1)などとすることで色の指定ができる。指定できる色は上の8色。メリット・デメリット
Rで指定されている色名によって指定する方法
plot(x, y, col="red")などとして使う。指定できる色の一覧を示したのが上の図だ。それぞれの番号の色がどんな名前で定義されているか下のリンクから参照できる。
https://github.com/kubotam-m/R_codes/blob/master/color_list.txtメリット・デメリット
RColorBrewerを使う方法
brewer.pal(5, "Blues")のようにbrewer.pal(<色数>, <パレットの名前>)で色を取得できる。このとき"#FFFFFF"のように文字列で返ってくるので扱いが楽。メリット・デメリット
colorRampを使う方法
pal <- colorRampPalette(c("blue","green","yellow","orange","red"),space="rgb")
col_l <- pal(25)
barplot(1:25, names=1:25,col=col_l)
メリット・デメリット
colorRampsを使う方法
メリット・デメリット
使い分けについて
参考リンクおよび使用したコード
