-
Notifications
You must be signed in to change notification settings - Fork 2
/
21-ggplot2.Rmd
883 lines (661 loc) · 32.6 KB
/
21-ggplot2.Rmd
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
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
```{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>
<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>
<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>
<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>
<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>
<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>
<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>
<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>
<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>