21-ggplot2.Rmd

```{r echo = FALSE}
library(knitr)

# Color text
colorize <- function(x, color) {
  
  if (knitr::is_latex_output()) {
    
    sprintf("\\textcolor{%s}{%s}", color, x)
    
  } else if (knitr::is_html_output()) {
    
    sprintf("<span style='color: %s;'>%s</span>", color, x)
    
  } else { x }
}
```

# Visualizando datos: incursión a ggplot2 {#ggplot2}

:::: {.blackbox data-latex=""}

Scripts usados:

* [**script21.R**](https://github.com/dadosdelaplace/courses-ECI-2022/blob/main/scripts/script21.R): incursión a ggplot2.  Ver en <https://github.com/dadosdelaplace/courses-ECI-2022/blob/main/scripts/script21.>

::::

Una de las principales fortalezas de `R` frente a `Python` es el manejo de datos con `{tidyverse}`, entorno en el que se incluye el paquete `{ggplot2}`.

```{r}
library(tidyverse)
```

La <mark>**visualización de datos o dataviz**</mark> debería ser una parte fundamental de todo análisis de datos. No es solo que nuestro trabajo sea más **presentable y estético** (algo fundamental). La visualización de datos es <mark>**fundamental para convertir el dato en información**</mark>, y usar dicha información para <mark>**contar una historia**</mark> con nuestros datos: no solo importa lo que cuentas sino **cómo lo cuentas**. 

```{r echo = FALSE, out.width = "60%", fig.align = "center", fig.cap = "Imagen extraída de Reddit <https://www.reddit.com/r/lego/comments/pezxk5/oc_a_lego_data_story_adapted_from_original_image/>."}
knitr::include_graphics("./img/telling-dataviz")

```

<!---
Uno de los ejemplos más famosos para explicar la **importancia de la visualización de datos** en el análisis exploratorio es el conocido como [**cuarteto de Anscombe**](https://cartasdelaplace.substack.com/p/carta-2): cuatro pares de datos $(X, Y)$ con la misma media de todas las $X$, la misma media de todas las $Y$, la misma correlación en todos los pares y la misma recta de regresión si la pintásemos. Matemáticamente, con dichos indicadores, no podríamos distinguir un conjunto de datos de otro, pero al visualizarlos, son datos totalmente distintos. Algo similar sucede con el <mark>**conjunto de datos `Datasaurus`**</mark> que te visualizo debajo de estas líneas, conjunto creado por el experto en visualización de datos **Alberto Cairo**: mismas medias y varianzas, mismas correlaciones, pero datos totalmente distintos.

-->

```{r include = FALSE, eval = FALSE}
library(datasauRus)
library(glue)
library(ggthemes)
library(gganimate)
library(tidyverse)

anotaciones <- datasaurus_dozen %>% group_by(dataset) %>%
  mutate(media_x = mean(x), media_y = mean(y),
         var_x = var(x), var_y = var(y),
         cor_xy = cor(x, y),
         texto = glue("Media X = {round(media_x, 1)}
                      Varianza X = {round(var_x, 1)}
                      Media Y = {round(media_y, 1)}
                      Varianza Y = {round(var_y, 1)}
                      Corr(X, Y) = {round(cor_xy, 1)}")) %>%
  ungroup()

ggplot(datasaurus_dozen,
         # Color en función del conjunto
         aes(x = x, y = y, color = as.numeric(as.factor(dataset)))) +
  geom_point(size = 9, alpha = 0.5, show.legend = FALSE) +
  # Escala de colores en gradiente
  scale_color_gradient2_tableau("Red-Blue Diverging") +
  # Anotaciones de los cálculos
  geom_text(data = anotaciones %>% group_by(dataset) %>% slice(1),
            aes(x = 83, y = 5, label = texto),
            color = "black", hjust = 0, vjust = -1.5,
            size = 4) +
  ggtitle("THE DATASAURUS DOZEN\n") +
  labs(subtitle =
         paste0("Gráficos: J. Álvarez Liébana | ",
                "Datos: Alberto Cairo")) +
  coord_cartesian(clip = "off") +
  theme(legend.position = "none") + # sin leyenda
  # Transiciones y fade-in/fade-out
  transition_states(dataset, 3, 1) + enter_fade() + exit_fade()

```


## Grammar of graphics (gg): entendiendo la gramática ggplot2

La idea de la filosofía detrás del paquete `{ggplot2}` (ya incluido en `{tidyverse}`) es <mark>**entender los gráficos como parte integrada del flujo de procesamiento, depuración y modelado**</mark> de los datos, dándoles una gramática, basándose en la idea de [«The Grammar of Graphics» de Leland Wilkinson](https://www.amazon.es/Grammar-Graphics-Statistics-Computing/dp/0387245448). Puedes profundizar en esa idea de _Grammar of Graphics_  en las siguientes <mark>**obras de referencia del dataviz**</mark>

- [«Gramática de las gráficas: pistas para mejorar las representaciones de datos» de Joaquín Sevilla](https://academica-e.unavarra.es/bitstream/handle/2454/15785/Gram%C3%A1tica.pdf)
- [«Quantitative Graphics in Statistics: A Brief History» de James R. Beniger y Dorothy L. Robyn. The American Statistician (1978)](https://www.jstor.org/stable/2683467)]
- [«Presentation Graphics» de Leland Wilkinson. International Encyclopedia of the Social & Behavioral Sciences](https://www.cs.uic.edu/~wilkinson/Publications/iesbs.pdf)
- [«The Visual Display of Quantitative Information» de E. W. Tufte](https://www.amazon.es/Visual-Display-Quantitative-Information/dp/0961392142)
- [«The Functional Art: an introduction to information graphics and visualization» de Alberto Cairo](https://www.amazon.es/Functional-Art-Voices-That-Matter/dp/0321834739)

La documentación del paquete puedes consultarla en <https://ggplot2-book.org/introduction.html> y nos permitirá <mark>**combinar**</mark> diferentes elementos gráficos y <mark>**ligarlos a los datos**</mark>. El objetivo es empezar con un lienzo en blanco e ir <mark>**añadiendo capas**</mark> a tu gráfico, como harías por ejemplo en Photoshop, con la diferencia de que nuestras **capas podemos ligarlas al conjunto de datos**, tanto las capas estéticas como las estadísticas. Y dicho paquete nos permite hacerlo con la misma filosofía con la que hemos procesado los datos


```{r grammar, echo = FALSE, out.width = "65%", fig.align = "center", fig.cap = "Idea detrás de la «Grammar of graphics» de Wilkinson."}
knitr::include_graphics("./img/grammar.jpg")
```


La ventaja del sistema `{ggplot2}` es poder <mark>**mapear atributos estéticos (color, forma, tamaño) de objetos geométricos (puntos, barras, líneas)**</mark> en función de los datos, añadiendo transformaciones de los datos, resúmenes estadísticos y transformaciones de las coordenadas.


Un gráfico se compondrá de las **siguientes capas**

* <mark>**Datos**</mark>: nuestro gráfico estará vinculado a un conjunto de datos.
* <mark>**Mapeado de elementos (aesthetics)**</mark>: ejes, color, forma, tamaño, etc (en función de los datos)
* <mark>**Elementos geométricos (geom)**</mark>: puntos, líneas, barras, polígonos, etc.
* <mark>**Componer gráficas (facet)**</mark>: visualizar varias gráficas a la vez.
* <mark>**Transformaciones estadísticas (stat)**</mark>: ordenar, resumir, agrupar, etc.
* <mark>**Sistema de coordenadas (coord)**</mark>: coordenadas, grids, etc.
* <mark>**Temas (theme)**</mark>: fuente, tamaño de letra, subtítulos, captions, leyenda, ejes, etc.

## Primer intento: scatter plot o diagrama de puntos

Veamos un primer intento para entender la filosofía. Imagina que queremos dibujar un _scatter plot_ o <mark>**diagrama de (dispersión) de puntos**</mark>.


### Datos: gapminder

Para ello vamos a usar el conjunto de datos `gapminder`, del paquete homónimo: un fichero con <mark>**datos de esperanzas de vida, poblaciones y renta per cápita**</mark> de distintos países en distintos momentos temporales.

```{r}
library(gapminder)
gapminder
glimpse(gapminder)
```

Para empezar con algo sencillo <mark>**filtraremos los datos de 1997**</mark> haciendo uso de `filter()`.

```{r}
gapminder_1997 <- gapminder %>% filter(year == 1997)
gapminder_1997
```

Vamos a realizar un <mark>**diagrama de puntos**</mark> enfrentando en el <mark>**eje Y**</mark> la población (variable `pop`) y en el <mark>**eje X**</mark> la renta per cápita (variable `gdpPercap`). **¿Qué necesitamos?**

* <mark>**Datos**</mark>: el conjunto filtrado `gapminder_1997`.
* <mark>**Mapeado**</mark>: indicarle en `aes()` (<mark>**aesthetics**</mark>) las variables a pintar en cada coordenada. Todo lo que esté asignado dentro de `aes()` dependerá de una variable contenida en los datos. En este caso, el eje X dependerá de la variable `gdpPercap`, y el eje Y de la variable `pop`.
* <mark>**Elegir una geometría**</mark>: optaremos en este primer caso por puntos.

```{r}
ggplot(gapminder_1997, aes(x = gdpPercap, y = pop)) +
  geom_point() # Geometría
```


### Mapeado de elementos (aesthetics)

#### Variables de los ejes

Para profundizar en el mapeado de `aes()` vamos a hacer lo mismo pero <mark>**cambiando el rol de los ejes**</mark>, intercambiando las variables, en este caso `aes(y = gdpPercap, x = pop)`

```{r}
ggplot(gapminder_1997, aes(y = gdpPercap, x = pop)) +
  geom_point()
```

La idea podemos repetirla enfrentando ahora la <mark>**esperanza de vida en el eje X**</mark> (variable `lifeExp`) y la <mark>**renta per cápita en el eje Y**</mark> (variable `gdpPercap`).

```{r}
ggplot(gapminder_1997, aes(y = gdpPercap, x = lifeExp)) +
  geom_point()
```

#### Colores, formas, tamaños


<mark>**¿Cómo podemos dar color y tamaño a nuestro gráfico?**</mark>

La opción más sencilla es indicándole, dentro de `geom_point()` el color de la geometría con `color = ...` (en este caso, el <mark>**color del punto**</mark>), mediante un <mark>**color fijo**</mark>, bien sea con alguno de los colores reservados que tiene `R`, bien sea con su [código hexadecimal](https://htmlcolorcodes.com/es/)

```{r}
# Color con palabra reservada
ggplot(gapminder_1997, aes(y = gdpPercap, x = lifeExp)) +
  geom_point(color = "red")

# Color en hexadecimal, de la página https://htmlcolorcodes.com/es/
ggplot(gapminder_1997, aes(y = gdpPercap, x = lifeExp)) +
  geom_point(color = "#2EA2D8")
```

De la misma manera podemos indicarle el <mark>**tamaño de la geometría**</mark> (en este caso del punto) con `size = ...`, incluso el <mark>**porcentaje transparencia**</mark> que queremos para un color dado con `alpha = ...` (entre 0 - transparente - y 1 - totalmente opaco).

```{r}
# Color opaco
ggplot(gapminder_1997, aes(y = gdpPercap, x = lifeExp)) +
  geom_point(color = "#A02B85", size = 4)

# alpha = 50%
ggplot(gapminder_1997, aes(y = gdpPercap, x = lifeExp)) +
  geom_point(color = "#A02B85", size = 8, alpha = 0.4)
```

Si te fijas dichos parámetros se los hemos pasado <mark>**fijos y constantes**</mark>, pero podemos <mark>**mapear en `aes()`**</mark> para que **dependan de los datos**, por ejemplo, asignándole un <mark>**color a cada dato en función de su continente**</mark>.

```{r}
ggplot(gapminder_1997, aes(y = gdpPercap, x = lifeExp, color = continent)) +
  geom_point(size = 4.5)
```

Podemos combinarlo con lo que hemos hecho anteriormente e indicarle además que queremos el <mark>**tamaño en función de la población**</mark>, con cierto grado de transparencia. 

```{r}
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp, color = continent, size = pop)) +
  geom_point(alpha = 0.7)
```

En lugar de jugar con el color, también podríamos añadir las variables en función de la <mark>**forma de la geometría**</mark> (en este caso la forma de los «puntos») con `shape = ...`, haciéndola depender de `continent` (suficientes variables podríamos incluir, solo con ejes + colores + tamaños + formas + transparencia, hasta 6 variables distintas).

```{r}
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp, shape = continent, size = pop)) +
  geom_point(alpha = 0.7)
```

### Scales y paletas de colores

Reflexionemos sobre el gráfico que acabamos de hacer

```{r}
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop)) +
  geom_point(alpha = 0.7)
```

Usando los datos hemos conseguido dibujar en un <mark>**gráfico bidimensional 4 variables**</mark> (`lifeExp` y `gdpPercap` en los ejes $(X,Y)$, `continent` como color y `pop` como tamaño de la geometría) con muy pocas líneas de código. A veces nos puede ser más conveniente representar alguna de las variables en <mark>**escala logarítmica**</mark> (importante indicarlo en el gráfico), lo que podemos hacer facilmente con `scale_x_log10()` y `scale_y_log10()`

```{r scale-log}
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop)) +
  geom_point(alpha = 0.7) +
  # Eje Y con escala logarítmica
  scale_y_log10()
```

Respecto a los colores, si te fijas `R` **ha elegido automáticamente la paleta** de colores pero podemos <mark>**indicarle alguna paleta**</mark> concreta de varias maneras.

La primera y más inmediata es indicarle los <mark>**colores manualmente**</mark>: con `scale_color_manual` le podemos indicar un vector de colores.


```{r scale-color-manual}
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop)) +
  geom_point(alpha = 0.7) +
  # Eje Y con escala logarítmica
  scale_y_log10() +
  # Escala manual de colores
  scale_color_manual(values = c("#A02B85", "#2DE86B", "#4FB2CA",
                                "#E8DA2D", "#E84C2D"))
```


Otra opción es elegir alguna de las <mark>**paletas de colores**</mark> disponibles en el paquete `{ggthemes}`, como `scale_color_economist()`, `scale_color_excel()` o `scale_color_tableau()`.

```{r ggthemes}
library(ggthemes)

# scale_color_economist()
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop)) +
  geom_point(alpha = 0.8) +
  # Eje Y con escala logarítmica
  scale_y_log10() +
  scale_color_economist()

# scale_color_excel()
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop)) +
  geom_point(alpha = 0.8) +
  # Eje Y con escala logarítmica
  scale_y_log10() +
  scale_color_excel()

# scale_color_tableau()
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop)) +
  geom_point(alpha = 0.8) +
  # Eje Y con escala logarítmica
  scale_y_log10() +
  scale_color_tableau()
```

También existen múltiples <mark>**paquetes que nos proporcionan paletas**</mark> de colores basados en <mark>**películas**</mark> (paquete `{harrypotter}` descargado desde el repositorio de Github), <mark>**pájaros**</mark> (paquete `{Manu}`) o <mark>**cuadros**</mark> (paquete `{MetBrewer}`).

```{r eval = FALSE}
devtools::install_github(repo = "https://github.com/aljrico/harrypotter")
```

```{r harrypotter}
library(harrypotter)
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop)) +
  geom_point(alpha = 0.9) +
  scale_y_log10() +
  scale_color_hp_d(option = "gryffindor")

ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop)) +
  geom_point(alpha = 0.9) +
  scale_y_log10() +
  scale_color_hp_d(option = "hufflepuff")
```

```{r eval = FALSE}
devtools::install_github("G-Thomson/Manu")
```

```{r manu}
library(Manu)
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop)) +
  geom_point(alpha = 0.9) +
  scale_y_log10() +
  # paleta del pájaro Takahē - Porphyrio hochstetteri
  scale_colour_manual(values = get_pal("Takahe"))
```

```{r eval = FALSE}
devtools::install_github("BlakeRMills/MetBrewer") 
```

```{r metbrewer}
library(MetBrewer)
MetBrewer::met.brewer("Renoir")
MetBrewer::met.brewer("Monet")
MetBrewer::met.brewer("Hokusai")

ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop)) +
  geom_point(alpha = 0.9) +
  scale_y_log10() +
  scale_colour_manual(values = met.brewer("Klimt"))
```

### Geometrías (geom)

Hemos jugado un poco con las formas, tamaños y colores, pero siempre ha sido un <mark>**diagrama de dispersión con puntos**</mark>. Al igual que hemos usado `geom_point()`, podríamos usar otras geometrías como <mark>**líneas**</mark> con `geom_line()`.

```{r geom-line}
# Sin separar por continente
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp)) +
  geom_line(alpha = 0.8) +
  scale_y_log10() +
  scale_color_tableau()

# Separando por continente
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent)) +
  geom_line(alpha = 0.8) +
  scale_y_log10() +
  scale_color_tableau()
```

Fíjate que la <mark>**filosofía es la misma**</mark>: dado que cada elemento lo podemos tratar de forma individual, pasar de un gráfico a otro es relativamente sencillo, sin más que cambiar `geom_point()` por `geom_line()`.

De la misma manera podemos dibujar un diagrama de dispersión con <mark>**formas hexagonales**</mark> con `geom_hex()`. Ahora el parámetro `color` corresponderá al cortono de la forma, y `fill` al <mark>**relleno de la misma**</mark> (fíjate que también cambiamos `scale_color_tableau()` por `scale_fill_tableau()`)

```{r geom-hex}
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           fill = continent, size = pop)) +
  geom_hex(alpha = 0.8) +
  scale_y_log10() + scale_fill_tableau()
```

Con `geom_tile()` también podemos dibujar en <mark>**mosaico**</mark> (como en baldosas).

```{r geom-tile}
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop)) +
  geom_tile(alpha = 0.8) +
  scale_y_log10() +
  scale_color_tableau()
```

Por último, con `geom_text()` podemos hacer que en lugar de una forma geométrica aparezcan <mark>**textos**</mark> que tengamos en alguna variable, que la pasaremos en `aes()` por el parámetro `label` (en este caso, la variable de la que tomará los nombres será `country`).

```{r geom-text}
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop, label = country)) +
  geom_text(alpha = 0.8) +
  scale_y_log10() +
  scale_color_tableau()
```

### Componer (facets)

Hasta ahora hemos pintado una sola gráfica, **codificando** en colores y formas. Pero también podemos <mark>**dividir/desagregar los gráficos (_facetar_) por variables**</mark>, pintando por ejemplo un **gráfico por continente**, mostrando todos los gráficos a la vez pero por separado, con `facet_wrap()`.

```{r facet-wrap-1}
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp)) +
  geom_point(alpha = 0.9) +
  scale_y_log10() +
  facet_wrap(~ continent)
```

Le podemos pasar <mark>**argumentos opcionales**</mark> para indicarle el número de columnas o de filas que queremos.

```{r facet-wrap-2}
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp)) +
  geom_point(alpha = 0.9) +
  scale_y_log10() +
  facet_wrap(~ continent, nrow = 3)
```

```{r}
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp)) +
  geom_point(alpha = 0.9) +
  scale_y_log10() +
  facet_wrap(~ continent, ncol = 4)
```

De esta manera podríamos incluso visualizar el fichero de datos originales <mark>**incluye hasta 5 variables**</mark>: las variables `pop` y `lifeExp` en los ejes, la variable `gdpPercap` en el tamaño, la variable `continent` en el color y la variable `year` en la composición de `facet_wrap()`.

```{r facet-wrap-3}
library(MetBrewer)
ggplot(gapminder,
       aes(y = lifeExp, x = pop, size = gdpPercap, color = continent)) +
  geom_point(alpha = 0.6) +
  scale_x_log10() +
  scale_colour_manual(values = met.brewer("Klimt")) +
  facet_wrap(~ year)
```

Con `facet_grid()` podemos incluso <mark>**organizar una cuadrícula en base a dos variables**</mark>, por ejemplo que haya una <mark>**fila por año**</mark> (vamos a usar la tabla original en los años 1952, 1972, 1982 y 2002) y una <mark>**columna por continente**</mark>.


```{r facet-grid}
ggplot(gapminder %>% filter(year %in% c(1952,  1972, 1982,  2002)),
       aes(y = gdpPercap, x = lifeExp)) +
  geom_point(alpha = 0.9) +
  scale_y_log10() +
  facet_grid(year ~ continent)
```



### Coordenadas y tema

Los <mark>**gráficos pueden además personalizarse añadiendo**</mark>, por ejemplo, **títulos y subtítulos de la gráfica** con `labs()`, asignando textos a `title`, `subtitle` y `caption`.

```{r}
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop)) +
  geom_point(alpha = 0.8) +
  # Eje Y con escala logarítmica
  scale_y_log10() +
  scale_color_tableau() +
  labs(title = "EJEMPLO DE SCATTERPLOT CON GGPLOT2",
       subtitle =
         "Esperanza vida vs renta per cápita (año 1997)",
       caption = "Autor: Javier Álvarez Liébana | Datos: gapminder")
```

También podemos personalizar algunos aspectos extras, como el <mark>**título que vamos a dar a los ejes**</mark> o el <mark>**título de las leyendas**</mark>.

```{r}
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop)) +
  geom_point(alpha = 0.8) +
  # Eje Y con escala logarítmica
  scale_y_log10() +
  scale_color_tableau() +
  labs(x = "Esperanza de vida", y = "Renta per cápita",
       color = "Continente", size = "Población",
       title = "EJEMPLO DE SCATTERPLOT CON GGPLOT2",
       subtitle =
         "Esperanza vida vs renta per cápita (año 1997)",
       caption = "Autor: Javier Álvarez Liébana | Datos: gapminder")
```

También podemos <mark>**ocultar algún nombre de las leyendas**</mark> (o ambos) si ya es explícito de lo que se está hablando. Por ejemplo, vamos a indicarle que no queremos el nombre de la leyenda en continentes, haciendo `color = NULL` (la variable que codifica los continentes a `NULL`).

```{r}
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop)) +
  geom_point(alpha = 0.8) +
  # Eje Y con escala logarítmica
  scale_y_log10() +
  scale_color_tableau() +
  labs(x = "Esperanza de vida",
       y = "Renta per cápita",
       color = NULL, size = "Población",
       title = "EJEMPLO DE SCATTERPLOT CON GGPLOT2",
       subtitle =
         "Esperanza vida vs renta per cápita (año 1997)",
       caption = "Autor: Javier Álvarez Liébana | Datos: gapminder")
```


Incluso podemos <mark>**ocultar la leyenda**</mark> en sí de alguna de alguna de las variables con `guides(size = "none")` (en este caso, `size = "none"` nos elimina la leyenda que codifica el tamaño de los puntos).

```{r}
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop)) +
  geom_point(alpha = 0.8) +
  # Eje Y con escala logarítmica
  scale_y_log10() +
  scale_color_tableau() +
  guides(size = "none") +
  labs(x = "Esperanza de vida",
       y = "Renta per cápita",
       color = NULL, size = "Población",
       title = "EJEMPLO DE SCATTERPLOT CON GGPLOT2",
       subtitle =
         "Esperanza vida vs renta per cápita (año 1997)",
       caption = "Autor: Javier Álvarez Liébana | Datos: gapminder")
```

```{r}
ggplot(gapminder_1997,
       aes(y = gdpPercap, x = lifeExp,
           color = continent, size = pop)) +
  geom_point(alpha = 0.8) +
  # Eje Y con escala logarítmica
  scale_y_log10() +
  scale_color_tableau() +
  guides(size = "none", color = "none") +
  labs(x = "Esperanza de vida",
       y = "Renta per cápita",
       color = NULL, size = "Población",
       title = "EJEMPLO DE SCATTERPLOT CON GGPLOT2",
       subtitle =
         "Esperanza vida vs renta per cápita (año 1997)",
       caption = "Autor: Javier Álvarez Liébana | Datos: gapminder")
```




## Segundo intento: diagrama de barras

Veamos un segundo intento dibujando un <mark>**diagrama de barras**</mark>.

La forma más inmediata de hacerlo es haciendo uso de `geom_col()` para un <mark>**diagrama de barras vertical**</mark>, al que le pasaremos la variable `gdpPercap` a representar en el eje Y (la altura de las barras) y `year`en el eje X (tendremos una barra por año, con la altura del total mundial para ese año)

```{r}
ggplot(gapminder,
     aes(y = gdpPercap, x = year)) +
  geom_col()
```

Lo que hemos hecho con `geom_col()` es **sumar todos los valores de renta per cápita**, de todos los países, para cada año.

¿Cómo podríamos dibujar, <mark>**para cada año, una barra para cada continente (con su suma)**</mark>?

Primero vamos a obtener los <mark>**datos agrupados por continente y año**</mark>.

```{r}
gapminder_por_continente <-
  gapminder %>% group_by(year, continent) %>%
  summarise(sum_gdpPercap = sum(gdpPercap))
gapminder_por_continente
```

Será ese conjunto `gapminder_por_continente` el que usaremos para dibujar nuestro diagrama de barras.

```{r}
ggplot(gapminder_por_continente,
     aes(y = sum_gdpPercap, x = year,
         fill = continent)) +
  geom_col() +
  scale_fill_tableau()
```

Esta forma de dibujar las barras es lo que se conoce como <mark>**formato stack o apilado**</mark>: las barras de cada año las ha apilado unas **encima de otras**. Si queremos que las <mark>**barras desapiladas (por separado)**</mark> indicándole `position = "dodge2"` en la función `geom_col()`

```{r}
ggplot(gapminder_por_continente,
     aes(y = sum_gdpPercap, x = year,
         fill = continent)) +
  geom_col(position = "dodge2") +
  scale_fill_tableau()
```

El formato de barras apiladas nos da una información más limpia en este caso pero <mark>**no permite una buena comparación**</mark> entre contienentes con valores similares, dependiendo además de la renta per cápita global (la altura de la barra total). Para <mark>**facilitar esa comparación**</mark> podemos indicarle `position = "fill"`, que hará cada barra de igual longitud, permitiéndonos visualizar los datos <mark>**en relativo**</mark>.

```{r}
ggplot(gapminder_por_continente,
     aes(y = sum_gdpPercap, x = year,
         fill = continent)) +
  geom_col(position = "fill") +
  scale_fill_tableau()
```

Las barras además pueden ser <mark>**horizontales**</mark>, añadiendo `coord_flip()`. Además vamos a darle un <mark>**título y otros elementos**</mark> que hemos visto anteriormente

```{r}
ggplot(gapminder_por_continente,
     aes(y = sum_gdpPercap, x = year,
         fill = continent)) +
  geom_col() + coord_flip() +
  scale_fill_tableau() +
  labs(x = "Renta per cápita",
       y = "Año", color = "Continente",
       title = "EJEMPLO DE DIAGRAMA DE BARRAS CON GGPLOT2",
       subtitle =
         "Barras horizontales apiladas (agrupadas por continente y año)",
       caption = "Autor: Javier Álvarez Liébana | Datos: gapminder")
```





 
## 📝 Ejercicios

(haz click en las flechas para ver soluciones)


<details>
  <summary>📝<strong>Ejercicio 1</strong>: del conjunto `starwars` (del entorno de paquetes `{tidyverse}`), filtra solo los registros que no tenga ausente `NA` en las columnas `mass, height, eye_color` </summary>


<!-- toc -->
- Solución:


```{r}
# Eliminamos NA
starwars_filtro <- starwars %>% drop_na(c(mass, height, eye_color))
```

<!-- tocstop -->
</details>

&nbsp;

<details>
  <summary>📝<strong>Ejercicio 2</strong>: con ese conjunto filtrado dibuja un diagrama de puntos enfrentando `x = height` en el eje X e `y = mass` en el eje Y.</summary>


<!-- toc -->
- Solución:


```{r}
ggplot(starwars_filtro, aes(x = height, y = mass)) +
  geom_point()
```

<!-- tocstop -->
</details>

&nbsp;

<details>
  <summary>📝<strong>Ejercicio 3</strong>: modifica el código del gráfico anterior para asignar el tamaño de los puntos en función de la variable `mass`.</summary>


<!-- toc -->
- Solución:


```{r}
ggplot(starwars_filtro,
       aes(x = height, y = mass, size = mass)) +
  geom_point()
```

<!-- tocstop -->
</details>

&nbsp;

<details>
  <summary>📝<strong>Ejercicio 4</strong>: modifica el código del gráfico anterior para asignar el color en función de su color de ojos guardado en `eye_color`. Antes procesa la variable para quedarte con colores reales: si hay dos colores, quédate con el primero; el color `"hazel"` pásalo a `"brown"`; los colores `"unknown"` pásalo a gris.</summary>


<!-- toc -->
- Solución:


```{r}
# Transformar colores
starwars_filtro <-
   starwars_filtro %>%
    mutate(eye_color =
             case_when(eye_color == "blue-gray" ~ "blue",
                       eye_color == "hazel" ~ "brown",
                       eye_color == "unknown" ~ "gray",
                       eye_color == "green, yellow" ~ "green",
                       TRUE ~ eye_color))

# Visualizamos
ggplot(starwars_filtro,
       aes(x = height, y = mass, size = mass, color = eye_color)) +
  geom_point() +
  scale_color_manual(values =
                       c("black", "blue", "brown", "gray", "green",
                         "orange", "red", "white", "yellow"))
```

<!-- tocstop -->
</details>

&nbsp;

<details>
  <summary>📝<strong>Ejercicio 5</strong>: repite el gráfico anterior localizando ese dato con un peso extremadamente elevado (outlier), elimínalo y vuelve a repetir la visualización.</summary>


<!-- toc -->
- Solución:


```{r}
# Localizamos el valor
starwars_filtro %>% slice_max(mass, n = 5)
starwars_filtro %>% slice_max(mass, n = 5) %>% pull(name)
starwars_filtro <- starwars_filtro %>%
  filter(name != "Jabba Desilijic Tiure")

# Visualizamos
ggplot(starwars_filtro,
       aes(x = height, y = mass,
           size = mass, color = eye_color)) +
  geom_point() +
  scale_color_manual(values =
                       c("black", "blue", "brown", "gray", "green",
                         "orange", "red", "white", "yellow"))
```

<!-- tocstop -->
</details>

&nbsp;

<details>
  <summary>📝<strong>Ejercicio 6</strong>: repite el gráfico anterior eliminando la leyenda del tamaño del punto y cambia el título de la leyenda del color de ojos a castellano. Añade además transparencia `alpha = 0.6` a los puntos.</summary>


<!-- toc -->
- Solución:


```{r}
ggplot(starwars_filtro,
       aes(x = height, y = mass,
           size = mass, color = eye_color)) +
  geom_point(alpha = 0.6) +
  guides(size = "none") +
  scale_color_manual(values =
                       c("black", "blue", "brown", "gray", "green",
                         "orange", "red", "white", "yellow")) +
  labs(color = "color de ojos")
```

<!-- tocstop -->
</details>

&nbsp;

<details>
  <summary>📝<strong>Ejercicio 7</strong>: repite el gráfico modificando los títulos de los ejes (a castellano) y escribiendo título, subtítulo y caption.</summary>


<!-- toc -->
- Solución:


```{r}
ggplot(starwars_filtro,
       aes(x = height, y = mass,
           size = mass, color = eye_color)) +
  geom_point(alpha = 0.6) +
  guides(size = "none") +
  scale_color_manual(values =
                       c("black", "blue", "brown", "gray", "green",
                         "orange", "red", "white", "yellow")) +
  labs(color = "color de ojos",
       x = "altura (cm)", y = "peso (kg)",
       title = "STARWARS",
       subtitle = "Diagrama de puntos altura vs peso",
       caption = "Autor: Javier Álvarez Liébana | Datos: starwars")
```

<!-- tocstop -->
</details>


&nbsp;

<details>
  <summary>📝<strong>Ejercicio 8</strong>: repite el gráfico anterior explicitando los cortes en los ejes con `scale_x_continuous()` y `scale_y_continuous()`: el eje X de 60 a 240 (de 30 en 30 cada marca), el eje Y de 20 a 160 (de 20 en 20 cada marca).</summary>


<!-- toc -->
- Solución:


```{r}
ggplot(starwars_filtro,
       aes(x = height, y = mass,
           size = mass, color = eye_color)) +
    geom_point(alpha = 0.6) +
    guides(size = "none") +
    scale_color_manual(values =
                           c("black", "blue", "brown", "gray", "green",
                             "orange", "red", "white", "yellow")) +
  scale_y_continuous(breaks = seq(20, 160, by = 20)) +
  scale_x_continuous(breaks = seq(60, 240, by = 30)) +
  labs(color = "color de ojos",
       x = "altura (cm)", y = "peso (kg)",
       title = "STARWARS",
       subtitle = "Diagrama de puntos altura vs peso",
       caption = "Autor: Javier Álvarez Liébana | Datos: starwars")
```

<!-- tocstop -->
</details>


&nbsp;

<details>
  <summary>📝<strong>Ejercicio 9</strong>: del conjunto de datos original, elimina los registros que tengan ausente la variable `sex`. Agrupa por dicha variable y contabiliza los personajes de cada sexo. Visualízalo en un diagrama de barras vertical, con la escala de colores de `scale_fill_tableau()`, cambiando el nombre de leyenda y de ejes, y poniéndo títulos y subtítulos.</summary>


<!-- toc -->
- Solución:


```{r}
library(ggthemes)
starwars_filtro <- starwars %>% drop_na(sex)

# Vertical
ggplot(starwars_filtro %>% group_by(sex) %>% count(),
       aes(x = sex, y = n, fill = sex)) +
  geom_col() +
  scale_fill_tableau() +
  labs(fill = "Sexo",
       x = "Sexo", y = "Número de personajes",
       title = "STARWARS",
       subtitle = "Diagrama de barras verticales",
       caption = "Autor: Javier Álvarez Liébana | Datos: starwars")

# Horizontal
ggplot(starwars_filtro %>% group_by(sex) %>% count(),
       aes(x = sex, y = n, fill = sex)) +
  geom_col() +
  coord_flip() +
  scale_fill_tableau() +
  labs(fill = "Sexo",
       x = "Sexo", y = "Número de personajes",
       title = "STARWARS",
       subtitle = "Diagrama de barras vertical",
       caption = "Autor: Javier Álvarez Liébana | Datos: starwars")
```

<!-- tocstop -->
</details>