Perché utilizzare i grafici a dispersione?

Un grafico a dispersione è ideale per visualizzare le relazioni tra variabili. Può essere utilizzato per:

• Mostrare le relazioni tra due variabili numeriche;
• Individuare pattern, cluster o valori anomali;
• Esplorare la correlazione (positiva/negativa/assenza).

Sintassi del grafico a dispersione in ggplot2

È possibile creare un grafico a dispersione con geom_point(). Per farlo, specificare le estetiche sia per l'asse x che per l'asse y.

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

Per distinguere i gruppi all'interno dei dati, è possibile aggiungere una variabile di raggruppamento all'estetica color. Questo assegna colori diversi a ciascun gruppo, facilitando l'individuazione dei pattern.

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

Esempio: Prezzo di vendita vs. Chilometri percorsi

Un grafico a dispersione può essere utilizzato per esaminare come l'utilizzo di un'auto sia correlato al suo prezzo di vendita. In questo esempio, l'asse x mostra il numero di chilometri percorsi, mentre l'asse y mostra il prezzo di vendita.

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")

Questa visualizzazione spesso evidenzia le tendenze di deprezzamento: all'aumentare del chilometraggio, il prezzo di vendita tende a diminuire. Può anche rivelare valori anomali, come auto con prezzi insolitamente alti nonostante un chilometraggio elevato.