-
Notifications
You must be signed in to change notification settings - Fork 0
/
Presentacion_introggplot2.html
724 lines (523 loc) · 21.5 KB
/
Presentacion_introggplot2.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
<!DOCTYPE html>
<html lang="" xml:lang="">
<head>
<title>Presentacion_introggplot2.utf8</title>
<meta charset="utf-8" />
<link href="Presentacion_introggplot2_files/remark-css-0.0.1/default.css" rel="stylesheet" />
<link href="Presentacion_introggplot2_files/remark-css-0.0.1/rladies.css" rel="stylesheet" />
<link href="Presentacion_introggplot2_files/remark-css-0.0.1/default-fonts.css" rel="stylesheet" />
<link href="Presentacion_introggplot2_files/font-awesome-5.3.1/css/fontawesome-all.min.css" rel="stylesheet" />
</head>
<body>
<textarea id="source">
class: middle
<style type="text/css">
.silver{color: silver;}
.gray{color: darkgray;}
</style>
<!-- <div class="my-footer"><span>text</span></div>
-->
.pull-left[
# Taller Introductorio a `ggplot2`
## RLadies Chile
### .gray[Aprendamos sobre visualización y el uso del paquete ggplot2]
### .gray[Gabriela Sandoval]
[<i class="fab fa-twitter "></i>@gabysandovalm](http://twitter.com/gabysandovalm)
[<i class="fab fa-github "></i> @gabysandovalm](http://github.com/gabysandovalm)
]
.pull-right[
.center[
<br>
<br>
<br>
]]
---
class: middle
# Sobre el taller
<small>Ilustración por: Allison Horst, adaptación de: [R4DS](https://r4ds.had.co.nz/explore-intro.html)</small>
---
class: middle
# ¿Qué es necesario para este taller?
- Conocer sobre R y RStudio.
- Tener una cuenta en **RStudio Cloud** (si desean acceder al ejercicio para volver a hacerlo).
- Tener ganas de aprender sobre visualización.
## Objetivo:
>Hablar sobre visualización de datos y la lógica de funcionamiento de `ggplot2` y por supuesto construir algunos gráficos. <i class="fas fa-rocket "></i>
---
class: middle, inverse
# Visualización de datos
---
# ¿Por qué hacemos visualizaciones de datos?
--
Visualizamos para:
--
- Expresar
<div class="figure" style="text-align: center">
<img src="images/historia.png" alt="Pintura rupestre" width="70%" />
<p class="caption">Pintura rupestre</p>
</div>
---
# ¿Por qué hacemos visualizaciones de datos?
Visualizamos para:
- Comunicar
<div class="figure" style="text-align: center">
<img src="images/playfair.png" alt="William Playfair (1786) El Atlas Comercial y Político: Representando el progreso del comercio, ingresos, gastos y deudas de Inglaterra durante todo el siglo XVIII." width="70%" />
<p class="caption">William Playfair (1786) El Atlas Comercial y Político: Representando el progreso del comercio, ingresos, gastos y deudas de Inglaterra durante todo el siglo XVIII.</p>
</div>
---
# ¿Por qué hacemos visualizaciones de datos?
Visualizamos para:
- Transmitir el significado de los datos
<div class="figure" style="text-align: center">
<img src="images/rosaflorence.jpg" alt="Diagrama de la rosa de Florence Nightingale, sirvió para determinar que la principal causa de muerte de los soldados durante la guerra de Crimea, era falta de higiene en los hospitales." width="70%" />
<p class="caption">Diagrama de la rosa de Florence Nightingale, sirvió para determinar que la principal causa de muerte de los soldados durante la guerra de Crimea, era falta de higiene en los hospitales.</p>
</div>
---
class: inverse center
## Al realizar visualizaciones de datos tenemos un gran poder en nuestras manos.
--
<img src="images/pinera1.jpg" width="70%" style="display: block; margin: auto;" />
---
class: inverse center
## Al realizar visualizaciones de datos tenemos un gran poder en nuestras manos.
<img src="images/tioben.jpg" width="70%" style="display: block; margin: auto;" />
---
background-image: url(images/patri.png)
background-size: 50%
background-position: 90% 50%
# Características de una buena visualizacion de datos
.pull-left[
+ Que sea agradable a la vista
+ Que sea funcional
+ Que muestre hallazgos
+ Que esté basada en datos confiables, es decir, que transmita la verdad.
]
.pull.right[
<br><br><br><br><br><br><br><br><br><br><br><br><br>
]
<small>**Nota:** Esta visualización fue realizada por Patricia Loto y en este [LINK](https://github.com/PatriLoto/viz-datos-con-ggplot2-para-WIDS2020/blob/master/material/PRESENTACION_WIDS2020.pdf) pueden encontrar una presentación muy completa sobre aspectos relacionados a visualización de datos.</small>
---
# Elementos de una visualización
--
### .gray[1) Señales visuales]
--
### .gray[2) Sistema de coordenadas]
--
### .gray[3) Escalas]
--
### .gray[4) Contexto]
--
<img src="images/esquemapatri.png" width="70%" style="display: block; margin: auto;" />
<small>
Diagrama por Patricia Loto en base a [Data points visualizations that means something.](https://www.amazon.es/Data-Points-Visualization-Means-Something/dp/111846219X)</smal>
---
background-image: url(images/visualizacion.jpg)
background-size: cover
class: center,top
#**¿Qué herramientas usar para generar visualizaciones de datos?**
---
background-image: url(images/ggplot.png)
background-size: 35%
background-position: 50%,50%
class: inverse
---
background-image: url(images/ggplot.png), url(images/tidy.png)
background-size: 10%, 10%
background-position: 80% 10%, 93% 10%
class: middle
.center[# Paquete `ggplot2`]
- Es un paquete de `R` para crear gráficos de forma **declarativa**.
- Proporcionamos los datos y luego le decimos cómo mapear las variables (estéticas/**aesthetics**), qué tipo de gráfica (geometría/**geom**) usar y detalles adicionales.
- Fue desarrollado por [Hadley Wickham](https://github.com/hadley) (2008) y está basado en [The Grammar of Graphics.](https://www.amazon.com/Grammar-Graphics-Statistics-Computing/dp/0387245448/ref=as_li_ss_tl?ie=UTF8&qid=1477928463&sr=8-1&keywords=the+grammar+of+graphics&linkCode=sl1&tag=ggplot2-20&linkId=f0130e557161b83fbe97ba0e9175c431)
- Es parte de la colección de paquetes para Ciencia de Datos [Tidyverse](https://www.tidyverse.org/).
```r
#Para instalar (todo tidyverse incluido ggplot2)
install.packages("tidyverse")
#Para instalar solo ggplot2
install.packages("ggplot2")
```
---
# Gramática de los gráficos y capas
Un objeto ggplot requiere:
- Datos
- Estéticas de mapeo (**aesthetics**) de las variables y sus propiedades visuales.
- Al menos una **capa** que indique la forma en que se representarán los datos (**geom**).
### Datos
Vamos a usar el set de datos `millas` del paquete `datos` que contiene observaciones para 38 modelos de automóviles recopiladas por la Agencia de Protección Ambiental de los EE. UU.
```r
#install.packages("remotes")
remotes::install_github("cienciadedatos/datos")
library(datos)
```
---
class: middle
```r
library(datos)
str(millas)
```
```
## Classes 'tbl_df', 'tbl' and 'data.frame': 234 obs. of 11 variables:
## $ fabricante : chr "audi" "audi" "audi" "audi" ...
## $ modelo : chr "a4" "a4" "a4" "a4" ...
## $ cilindrada : num 1.8 1.8 2 2 2.8 2.8 3.1 1.8 1.8 2 ...
## $ anio : int 1999 1999 2008 2008 1999 1999 2008 1999 1999 2008 ...
## $ cilindros : int 4 4 4 4 6 6 6 4 4 4 ...
## $ transmision: chr "auto(l5)" "manual(m5)" "manual(m6)" "auto(av)" ...
## $ traccion : chr "d" "d" "d" "d" ...
## $ ciudad : int 18 21 20 21 16 18 18 18 16 20 ...
## $ autopista : int 29 29 31 30 26 26 27 26 25 28 ...
## $ combustible: chr "p" "p" "p" "p" ...
## $ clase : chr "compacto" "compacto" "compacto" "compacto" ...
```
---
### Tenemos los datos... empecemos a sentirnos artistas.
<div class="figure" style="text-align: center">
<img src="images/art.png" alt="Ilustración por Allison Horst" width="60%" />
<p class="caption">Ilustración por Allison Horst</p>
</div>
Iniciamos el gráfico con la función: `ggplot()`.
```r
ggplot(data=millas)
```
---
### Capas
.pull-left[
<br>
<br>
Cada capa se agrega con un signo +. Por ejemplo, `geom_point()` agrega una capa de puntos al gráfico. En cada geom podemos incluir el argumento `mapping` (que se empareja con `aes()`) en donde indicamos las variables que vamos a "mapear".
]
.pull-right[
<img src="Presentacion_introggplot2_files/figure-html/unnamed-chunk-14-1.png" width="504" />
]
```r
*ggplot(data = <DATOS>) +
* <GEOM_FUNCIÓN>(mapping = aes(<MAPEOS>))
```
```r
ggplot(data = millas) +
geom_point(mapping = aes(x = cilindrada, y = autopista))
```
---
class:middle
### ¿Cómo cambiar/incluir más estéticas en mi gráfica?
.pull-left[
#### Cambiar el color de los puntos:
Cambiamos la estética, pero **no** añadimos información adicional. El argumento `color` va dentro de la función `geom_point()`.
]
.pull-right[
<img src="Presentacion_introggplot2_files/figure-html/unnamed-chunk-17-1.png" width="504" />
]
```r
ggplot(data = millas) +
* geom_point(mapping = aes(x = cilindrada, y = autopista),color="blue")
```
---
class: middle
.pull-left[
#### Diferenciar los puntos según la variable `clase`:
Cambiamos la estética y añadimos información adicional. El argumento `color` va dentro de la función `aes()`.
]
.pull-right[
<img src="Presentacion_introggplot2_files/figure-html/unnamed-chunk-19-1.png" width="504" />
]
```r
ggplot(data = millas) +
* geom_point(mapping = aes(x = cilindrada, y = autopista,color=clase))
```
---
### ¿Qué pasa si colocamos el argumento `mapping` en `ggplot()`?
```r
ggplot(data = millas,mapping = aes(x = traccion, y = autopista)) +
geom_point()
```
--
.pull-left[
Colocar `mapping` como argumento en una función `geom_()` hace que esas estéticas se reconozcan como locales. Colocar `mapping` en `ggplot()` conserva esa información en todas las capas. Con eso podríamos ahorrarnos algo de código.
]
.pull-right[
<img src="Presentacion_introggplot2_files/figure-html/unnamed-chunk-22-1.png" width="504" />
]
---
###.gray[Veamos un ejemplo:]
```r
*ggplot(data = millas,mapping = aes(x = cilindrada, y = autopista)) +
geom_point() +
geom_smooth()
```
.pull-left[
<br><br><br>
Con esto se conservan las mismas variables de mapeo en todas capas que agregamos. No debemos volver a escribir `mapping = aes(x = cilindrada, y = autopista)` en cada función `geom_()`.
]
.pull-right[
<img src="Presentacion_introggplot2_files/figure-html/unnamed-chunk-24-1.png" width="504" />
]
---
## Facetas
Para dividir un gráfico en sub gráficos (facetas) tenemos las funciones `facet_grid()` y `facet_wrap()`.
Usemos la variable `traccion` para crear sub gráficos para cada tipo de tracción.
Pero primero podemos guardar en un objeto llamado `p` la función `ggplot()` con las estéticas declaradas para luego ir sumando capas:
```r
p <- ggplot(data = millas,mapping = aes(x = cilindrada, y = autopista))
```
---
.pull-left[
```r
p +
geom_point() +
geom_smooth() +
* facet_grid(.~ traccion)
```
]
.pull-right[
<img src="Presentacion_introggplot2_files/figure-html/unnamed-chunk-27-1.png" width="504" />
]
Este esquema nos explica bien las diferentes formas de usar `facet_grid()` y `facet_wrap()`:
<img src="images/facetas.png" width="35%" style="display: block; margin: auto;" />
---
## Temas
También podemos usar temas predeterminados para agregar personalizaciones a nuestros gráficos.
.pull-left[
```r
p +
geom_point() +
geom_smooth() +
facet_grid(.~ traccion) +
* theme_bw()
```
]
.pull-right[
<img src="Presentacion_introggplot2_files/figure-html/unnamed-chunk-30-1.png" width="504" />
]
---
## Transformaciones estadísticas
Ahora usemos un `geom_bar()` para visualizar el número total de autos según las categorías de la variable `clase`.
Por defecto, con `geom_bar()` ggplot nos muestra el total de cada categoría.
```r
ggplot(data = millas) +
* geom_bar(mapping=aes(x=clase))
```
<img src="Presentacion_introggplot2_files/figure-html/unnamed-chunk-32-1.png" width="40%" style="display: block; margin: auto;" />
---
### .gray[¿Cómo hacemos si en lugar del total de cada categoría quiero la proporción?]
Usamos una trasformación estadística para el eje y:
```r
ggplot(data = millas) +
* geom_bar(mapping = aes(x = clase, y = stat(prop)))
```
<img src="Presentacion_introggplot2_files/figure-html/unnamed-chunk-34-1.png" width="40%" style="display: block; margin: auto;" />
¡Pero todas las barras tienen la misma altura!
---
En este caso es necesario especificar un argumento adicional en la función `aes()`. Con `group=1` hacemos que la proporción se calcule respecto a todos los datos y no respecto a cada categoría.
```r
ggplot(data = millas) +
* geom_bar(mapping = aes(x = clase, y = stat(prop),group=1))
```
<img src="Presentacion_introggplot2_files/figure-html/unnamed-chunk-36-1.png" width="40%" style="display: block; margin: auto;" />
---
### .gray[¿Qué tal si quiero cambiar el orden de mis categorías?]
Para ordenar una forma sencilla es usar la función `fct_infreq()` del paquete `forcats` en la variable clase:
```r
ggplot(data = millas) +
* geom_bar(mapping=aes(x=forcats::fct_infreq(clase)))
```
<img src="Presentacion_introggplot2_files/figure-html/unnamed-chunk-38-1.png" width="40%" style="display: block; margin: auto;" />
---
Pongamos un poco de color también, esta vez con el argumento `fill`:
```r
ggplot(data = millas) +
* geom_bar(mapping=aes(x=forcats::fct_infreq(clase)),fill="blue")
```
<img src="Presentacion_introggplot2_files/figure-html/unnamed-chunk-40-1.png" width="40%" style="display: block; margin: auto;" />
¡Pero el nombre del eje x cambió!
---
Cambiemos también el nombre del eje x con `xlab()`:
```r
ggplot(data = millas) +
geom_bar(mapping=aes(x=forcats::fct_infreq(clase)),fill="blue")+
* xlab("Clase")
```
<img src="Presentacion_introggplot2_files/figure-html/unnamed-chunk-42-1.png" width="40%" style="display: block; margin: auto;" />
---
###.gray[¿Y si quiero que cada barra tenga un color distinto?]
Podemos usar la variable `clase` en el argumento `fill` pero esta vez dentro de la función `aes()`.
```r
ggplot(data = millas) +
* geom_bar(mapping=aes(x=forcats::fct_infreq(clase),fill=clase))+
xlab("Clase")
```
<img src="Presentacion_introggplot2_files/figure-html/unnamed-chunk-44-1.png" width="40%" style="display: block; margin: auto;" />
Pero este gráfico es redundante porque la información de la leyenda es la misma que tenemos en el eje x.
---
Para quitar la leyenda usamos el argumento `show.legend = FALSE` dentro de la función `geom_()`
```r
ggplot(data = millas) +
* geom_bar(mapping=aes(x=forcats::fct_infreq(clase),fill=clase),show.legend = FALSE)+
xlab("Clase")
```
<img src="Presentacion_introggplot2_files/figure-html/unnamed-chunk-46-1.png" width="50%" style="display: block; margin: auto;" />
---
### .gray[¿Visualizar un resumen estadístico?]
También podemos visualizar un resumen estadístico. Por ejemplo visualicemos el mínimo, máximo y mediana de la variable `autopista` para cada categoría de `clase` usando `stat_summary()`:
```r
ggplot(data = millas) +
* stat_summary(
mapping = aes(x = clase, y = autopista),
fun.min = min,
fun.max = max,
fun = median
)
```
<img src="Presentacion_introggplot2_files/figure-html/unnamed-chunk-48-1.png" width="30%" style="display: block; margin: auto;" />
---
class: inverse, center, middle
## Y con eso tienes una base para introducirte al increíble mundo de la visualización de datos <i class="fas fa-rocket "></i>
---
class: middle, inverse
## Recursos recomendados:
+ [Cheatsheet de ggplot2 en español](https://rstudio.com/wp-content/uploads/2016/12/ggplot2-cheatsheet-2.1-Spanish.pdf)
+ [Libro de ggplot](https://www.amazon.es/ggplot2-Elegant-Graphics-Data-Analysis/dp/0387981403)
+ Capítulo 3 y 28 de R para [Ciencia de Datos](https://es.r4ds.hadley.nz/visualizaci%C3%B3n-de-datos.html#sistemas-de-coordenadas) (este taller esta basado en el libro).
+ [Página web de ggplot](https://ggplot2.tidyverse.org/index.html)
+ [Taller de visualización de datos de Patricia Loto](https://github.com/PatriLoto/viz-datos-con-ggplot2-para-WIDS2020) (incluye más recomendaciones a material y comunidades)
+ [Data Visualization in R por Emi Tanaka](https://emitanaka.org/workshopUTokyo2018/day1-session02-datavis.html#1)
+ [A ggplot2 Tutorial for Beautiful Plotting in R por Cedric Schere](https://cedricscherer.netlify.app/2019/08/05/a-ggplot2-tutorial-for-beautiful-plotting-in-r/)
+ [Workshop de ggplot por Thomas Lin Pedersen](https://www.youtube.com/channel/UCT9SgxpakGSH-yfRj_QhzIQ
)
---
class: inverse, center, middle
## ¡Muchas gracias por venir hoy!
.center[
]
</textarea>
<style data-target="print-only">@media screen {.remark-slide-container{display:block;}.remark-slide-scaler{box-shadow:none;}}</style>
<script src="https://remarkjs.com/downloads/remark-latest.min.js"></script>
<script>var slideshow = remark.create({
"highlightLines": true,
"slide-level": 2,
"center": true
});
if (window.HTMLWidgets) slideshow.on('afterShowSlide', function (slide) {
window.dispatchEvent(new Event('resize'));
});
(function(d) {
var s = d.createElement("style"), r = d.querySelector(".remark-slide-scaler");
if (!r) return;
s.type = "text/css"; s.innerHTML = "@page {size: " + r.style.width + " " + r.style.height +"; }";
d.head.appendChild(s);
})(document);
(function(d) {
var el = d.getElementsByClassName("remark-slides-area");
if (!el) return;
var slide, slides = slideshow.getSlides(), els = el[0].children;
for (var i = 1; i < slides.length; i++) {
slide = slides[i];
if (slide.properties.continued === "true" || slide.properties.count === "false") {
els[i - 1].className += ' has-continuation';
}
}
var s = d.createElement("style");
s.type = "text/css"; s.innerHTML = "@media print { .has-continuation { display: none; } }";
d.head.appendChild(s);
})(document);
// delete the temporary CSS (for displaying all slides initially) when the user
// starts to view slides
(function() {
var deleted = false;
slideshow.on('beforeShowSlide', function(slide) {
if (deleted) return;
var sheets = document.styleSheets, node;
for (var i = 0; i < sheets.length; i++) {
node = sheets[i].ownerNode;
if (node.dataset["target"] !== "print-only") continue;
node.parentNode.removeChild(node);
}
deleted = true;
});
})();
(function() {
"use strict"
/* Replace <script> tags in slides area to make them executable
*
* Runs after post-processing of markdown source into slides and replaces only
* <script>s on the last slide of continued slides using the .has-continuation
* class added by xaringan. Finally, any <script>s in the slides area that
* aren't executed are commented out.
*/
var scripts = document.querySelectorAll(
'.remark-slides-area .remark-slide-container:not(.has-continuation) script'
);
if (!scripts.length) return;
for (var i = 0; i < scripts.length; i++) {
var s = document.createElement('script');
var code = document.createTextNode(scripts[i].textContent);
s.appendChild(code);
scripts[i].parentElement.replaceChild(s, scripts[i]);
}
var scriptsNotExecuted = document.querySelectorAll(
'.remark-slides-area .remark-slide-container.has-continuation script'
);
if (!scriptsNotExecuted.length) return;
for (var i = 0; i < scriptsNotExecuted.length; i++) {
var comment = document.createComment(scriptsNotExecuted[i].outerHTML)
scriptsNotExecuted[i].parentElement.replaceChild(comment, scriptsNotExecuted[i])
}
})();
(function() {
var links = document.getElementsByTagName('a');
for (var i = 0; i < links.length; i++) {
if (/^(https?:)?\/\//.test(links[i].getAttribute('href'))) {
links[i].target = '_blank';
}
}
})();
// adds .remark-code-has-line-highlighted class to <pre> parent elements
// of code chunks containing highlighted lines with class .remark-code-line-highlighted
(function(d) {
const hlines = d.querySelectorAll('.remark-code-line-highlighted');
const preParents = [];
const findPreParent = function(line, p = 0) {
if (p > 1) return null; // traverse up no further than grandparent
const el = line.parentElement;
return el.tagName === "PRE" ? el : findPreParent(el, ++p);
};
for (let line of hlines) {
let pre = findPreParent(line);
if (pre && !preParents.includes(pre)) preParents.push(pre);
}
preParents.forEach(p => p.classList.add("remark-code-has-line-highlighted"));
})(document);</script>
<script>
slideshow._releaseMath = function(el) {
var i, text, code, codes = el.getElementsByTagName('code');
for (i = 0; i < codes.length;) {
code = codes[i];
if (code.parentNode.tagName !== 'PRE' && code.childElementCount === 0) {
text = code.textContent;
if (/^\\\((.|\s)+\\\)$/.test(text) || /^\\\[(.|\s)+\\\]$/.test(text) ||
/^\$\$(.|\s)+\$\$$/.test(text) ||
/^\\begin\{([^}]+)\}(.|\s)+\\end\{[^}]+\}$/.test(text)) {
code.outerHTML = code.innerHTML; // remove <code></code>
continue;
}
}
i++;
}
};
slideshow._releaseMath(document);
</script>
<!-- dynamically load mathjax for compatibility with self-contained -->
<script>
(function () {
var script = document.createElement('script');
script.type = 'text/javascript';
script.src = 'https://mathjax.rstudio.com/latest/MathJax.js?config=TeX-MML-AM_CHTML';
if (location.protocol !== 'file:' && /^https?:/.test(script.src))
script.src = script.src.replace(/^https?:/, '');
document.getElementsByTagName('head')[0].appendChild(script);
})();
</script>
</body>
</html>