Capítulo 6 Gráficos estáticos con ggplot2

En esta sección podrás ver una guía introductoria a gráficos estáticos usando ggplot2.
Sirve para hacer gráficos mucho más elegantes.
Implementa el concepto de “gramática de gráficos en capas.”
Cuenta con muchas opciones de personalización.
Ve la clase que realicé en video desde el siguiente link.

install.packages("ggplot2")
require(ggplot2)

Primero veamos las variables de la base de datos iris:

iris %>% 
    str()

'data.frame':   150 obs. of  5 variables:
 $ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
 $ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
 $ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
 $ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
 $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...

6.1 Primer gráfico con `ggplot2`

Los gráficos con ggplot2 suelen tener la siguiente estructura

# Llamado a la función "ggplot" e indicar base de datos con la información a graficar
ggplot(data = iris) + 
    # Aesthetics: Cómo dibujar los distintos trazos, formas y colores del gráfico, "Bosquejo"
    aes(x = Sepal.Length, y = Petal.Length) + 
    # Geom del gráfico que necesitamos ver (puntos, lineas, barras, etc.)
    geom_point()

Podemos omitir el nombre de los parámetros una vez que tengamos más practica.

ggplot(iris) + 
    aes(Sepal.Length, Petal.Length) + 
    geom_point()

6.2 Aesthetics

Acá vamos a indicar que variables van en el gráfico, en conjunto a parámetros adicionales según lo que necesitemos.

x: Variable que va en el eje X.
y: Variable que va en el eje Y.
color: Dentro de las aesthetics significa colorear según una variable categórica.
fill: Dentro de las aesthetics significa rellenar de un color según una variable categórica.

Ejemplo:

Hacer un scatter plot de Sepal.Length y Petal.Length que coloree los puntos según Species.

ggplot(data = iris) +
    aes(x = Sepal.Length, y = Petal.Length, color = Species) +
    geom_point()

6.3 Geoms

Indica que tipo de gráfico necesitamos ver.

Entre las principales geoms se encuentran:

6.3.1 `geom_point()`

Es el gráfico de dispersión. Recomendado para identificar visualmente relaciones entre variables.

Ejemplo:

ggplot(data = iris) +
    aes(x = Sepal.Length, y = Petal.Length, color = Species) +
    geom_point()

6.3.2 `geom_line()`

Es el gráfico de lineas. Recomendado para graficar series de tiempo.

Ejemplo:

require(datasets)
data("economics")
economics %>% str

spec_tbl_df [574 x 6] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
 $ date    : Date[1:574], format: "1967-07-01" ...
 $ pce     : num [1:574] 507 510 516 512 517 ...
 $ pop     : num [1:574] 198712 198911 199113 199311 199498 ...
 $ psavert : num [1:574] 12.6 12.6 11.9 12.9 12.8 11.8 11.7 12.3 11.7 12.3 ...
 $ uempmed : num [1:574] 4.5 4.7 4.6 4.9 4.7 4.8 5.1 4.5 4.1 4.6 ...
 $ unemploy: num [1:574] 2944 2945 2958 3143 3066 ...

ggplot(data = economics) +
    aes(x = date, y = unemploy) +
    geom_line()

6.3.3 `geom_histogram`

Es el histograma. Sirve para ver la distribución de una variable

Ejemplo:

Al ser solo una variable, solo hay que especificar un argumento en aes.

ggplot(data = iris) +
    aes(x = Sepal.Length) +
    geom_histogram()

6.3.4 `geom_boxplot`

Es el gráfico de caja y bigote. Sirve para ver la dispersión y cuartiles de una variable.

Ejemplo:

Al ser solo una variable, solo hay que especificar un argumento en aes.

ggplot(data = iris) +
    aes(y = Sepal.Length, fill = Species) +
    geom_boxplot()

6.3.5 `geom_bar`

Es el gráfico de barras. Sirve para ver con longitudes proporcionales a los valores que representan.

Ejemplo:

ggplot(data = iris) +
    aes(x = Species, fill = Species) +
    geom_bar()

Argumentos de un geom:

aes(): En caso de querer usar una aesthetic distinta a la usada anteriormente.
color: Colorea el gráfico según el color que indiquemos.

Ejemplo:

ggplot(data = economics) +
    aes(x = date, y = unemploy) +
    geom_line(color = "dodgerblue1")

fill: Rellena el gráfico según el color que indiquemos.

Ejemplo:

ggplot(data = iris) +
    aes(x = Sepal.Length) +
    geom_histogram(fill = "deepskyblue1")

Podemos añadirle el argumento color para colorear los contornos con otro color:

ggplot(data = iris) +
    aes(x = Sepal.Length) +
    geom_histogram(color = "deepskyblue4", fill = "deepskyblue3")

linetype: Para indicar el tipo de linea que necesitamos en el gráfico.

Ejemplo:

ggplot(data = economics) +
    aes(x = date, y = unemploy) +
    geom_line(linetype = "longdash")

size: Cambia el tamaño de la geom del gráfico.

Ejemplo:

ggplot(iris) + 
    aes(Sepal.Length, Petal.Length) + 
    geom_point(size = 3)

alpha: Añade transparencia a la geom gráfico.

Ejemplo:

Añadir un 50% de transparencia al gráfico.

ggplot(data = iris) +
    aes(x = Sepal.Length) +
    geom_histogram(color = "deepskyblue4", fill = "deepskyblue3", alpha = 0.5)

6.4 Labs

Es una capa para indicar las etiquetas de Eje y título en los gráficos.

Ejemplo:

ggplot(data = economics) +
    aes(x = date, y = unemploy) +
    geom_line(color = "brown4", linetype = "solid") +
    labs(x = "Año", y = "Desempleo", title = "Desempleo a través del tiempo", 
         subtitle = "1965 a 2010")

6.5 Lims

Es una capa para indicar los límites de los ejes.

Ejemplo.

ggplot(data = iris) +
    aes(x = Sepal.Length, y = Petal.Length, color = Species) +
    geom_point() +
    lims(x = c(6, 8), y = c(4, NA))

6.6 Temas

Sirve para establecer un tema de fondo:

Los temas que se pueden usar por defecto con ggplot2 son:

theme_gray:

ggplot(data = iris) +
    aes(x = Sepal.Length, y = Petal.Length, color = Species) +
    geom_point() +
    theme_gray()

theme_bw:

ggplot(data = iris) +
    aes(x = Sepal.Length, y = Petal.Length, color = Species) +
    geom_point() +
    theme_bw()

theme_linedraw:

ggplot(data = iris) +
    aes(x = Sepal.Length, y = Petal.Length, color = Species) +
    geom_point() +
    theme_linedraw()

theme_light:

ggplot(data = iris) +
    aes(x = Sepal.Length, y = Petal.Length, color = Species) +
    geom_point() +
    theme_light()

theme_dark:

ggplot(data = iris) +
    aes(x = Sepal.Length, y = Petal.Length, color = Species) +
    geom_point() +
    theme_dark()

theme_minimal:

ggplot(data = iris) +
    aes(x = Sepal.Length, y = Petal.Length, color = Species) +
    geom_point() +
    theme_minimal()

theme_classic:

ggplot(data = iris) +
    aes(x = Sepal.Length, y = Petal.Length, color = Species) +
    geom_point() +
    theme_classic()

theme_void:

ggplot(data = iris) +
    aes(x = Sepal.Length, y = Petal.Length, color = Species) +
    geom_point() +
    theme_void()

¡Puedes buscar muchos temas más en internet!

6.7 Gráfico `ggplot` como un objeto

Podemos guardar un gráfico ggplot como un objeto de R.
Es muy eficiente.

Ejemplos:

6.7.1 1. Distintos Geoms

Guardamos el gráfico como una variable

grafico_Sepal.Length <- ggplot(data = iris) +
    aes(x = Sepal.Length)

Luego construimos los gráficos:

Histograma

grafico_Sepal.Length +
    geom_histogram(color = "dodgerblue4", fill = "dodgerblue3", alpha = 0.5) +
    theme_bw()

Boxplot

grafico_Sepal.Length +
    geom_boxplot(aes(fill = Species)) +
    coord_flip() + # Voltear ejes
    theme_light()

6.7.2 2. Gráficos interactivos

No funcionan en archivos .pdf. Creamos una variable con el gráfico:

# install.packages("plotly")
# require(plotly)
tiempo_y_desempleo <- ggplot(data = economics) +
    aes(x = date, y = unemploy) +
    geom_line(color = "brown4", linetype = "solid") +
    labs(x = "Año", y = "Desempleo", title = "Desempleo a través del tiempo", 
         subtitle = "1965 a 2010") +
    theme_bw()

Creamos gráfico interactivo:

# install.packages(plotly)

tiempo_y_desempleo %>% 
    plotly::ggplotly()

6.8 Actividad

Usando la base de datos de siguiente link, genere un gráfico de lineas para ver la evolución de la cantidad de casos por día en Chile, Argentina y Perú en enero de 2021. ¡Personalizelo a su gusto! Hint: Use dplyr y magrittr.

6.9 Solución de Actividad

require(dplyr)
require(magrittr)
require(ggplot2)
require(plotly)

data <- vroom::vroom(here::here("data", "covid", "owid-covid-data.csv"))

chile_arg_peru_01_2021 <- data %>% 
    select(location, date, new_cases) %>% 
    filter(location %in% c("Chile", "Argentina", "Peru")) %>% 
    filter(date >= "2021-01-01" & date <= "2021-01-31") %>% 
    filter(!is.na(new_cases))

grafico_actividad <- ggplot(data = chile_arg_peru_01_2021) +
    aes(x = date, y = new_cases, color = location) +
    geom_line(size = 1) +
    labs(x = "Fecha", y = "Casos Nuevos", title = "Nuevos casos por día en enero 2021",
         subtitle = "Chile, Argentina y Perú", caption = "Figura 1") +
    theme_bw() +
    scale_color_manual(labels = c("Arg", "Chi", "Per"), # Nombre de Leyendas
                       values = c("deepskyblue", "red", "gray")) + # Color de Leyendas
    guides(color = guide_legend("País")) # Título de Leyendas
    
grafico_actividad %>% 
    ggplotly()

Capítulo 6 Gráficos estáticos con ggplot2

6.1 Primer gráfico con ggplot2

6.2 Aesthetics

6.3 Geoms

6.3.1 geom_point()

6.3.2 geom_line()

6.3.3 geom_histogram

6.3.4 geom_boxplot

6.3.5 geom_bar

6.4 Labs

6.5 Lims

6.6 Temas

6.7 Gráfico ggplot como un objeto

6.7.1 1. Distintos Geoms

6.7.2 2. Gráficos interactivos

6.8 Actividad

6.9 Solución de Actividad

6.1 Primer gráfico con `ggplot2`

6.3.1 `geom_point()`

6.3.2 `geom_line()`

6.3.3 `geom_histogram`

6.3.4 `geom_boxplot`

6.3.5 `geom_bar`

6.7 Gráfico `ggplot` como un objeto