Hvorfor bruge scatter plots?

Et scatter plot er ideelt til at visualisere forholdet mellem variable. Det kan bruges til:

• At vise forhold mellem to numeriske variable;
• At identificere mønstre, klynger eller outliers;
• At undersøge korrelation (positiv/negativ/ingen).

Scatter plot-syntaks i ggplot2

Et scatter plot kan oprettes med geom_point(). For at gøre dette, skal du angive æstetik for både x- og y-aksen.

ggplot(data = df, aes(x = variable_x, y = variable_y)) +
  geom_point()

For at skelne mellem grupper i dataene kan du tilføje en grupperingsvariabel til color-æstetikken. Dette tildeler forskellige farver til hver gruppe, hvilket gør det lettere at identificere mønstre.

ggplot(data = df, aes(x = variable_x, y = variable_y, color = group_var)) +
  geom_point()

Eksempel: Salgspris vs. kørte kilometer

Et scatter plot kan bruges til at undersøge, hvordan en bils brug påvirker dens salgspris. I dette eksempel viser x-aksen antallet af kørte kilometer, mens y-aksen viser salgsprisen.

ggplot(df, aes(x = km_driven, y = selling_price)) +
  geom_point() +
  labs(title = "Scatter Plot of Selling Price vs. Kilometers Driven",
       x = "Kilometers Driven",
       y = "Selling Price")

Denne visualisering fremhæver ofte afskrivningstendenser – når kilometertallet stiger, falder salgsprisen typisk. Den kan også afsløre outliers, såsom biler med usædvanligt høje priser trods højt kilometertal.