/Rdataviz_tutorial

Tutorial de visualización de datos en R. Gráficos con R base y {ggplot2}

Primary LanguageHTML

Visualización de datos en R

En este material encontrarás una guía completa para aprender a crear y personalizar diferentes tipos de gráficos para visualizar tus datos de manera efectiva. Desde gráficos básicos como histogramas y diagramas de dispersión, hasta gráficos más avanzados como barras apiladas y diagramas de violín, aquí podrás aprender cómo utilizar las funciones de R base y el tan utilizado paquete {ggplot2} para crear gráficos atractivos y significativos. Además, encontrarás código en R y explicaciones detalladas para ayudarte a entender el proceso detrás de cada gráfico. ¡Comencemos a explorar el mundo de la visualización de datos!

LINK

inicio

Recursos necesarios

Versión R: 4.2.2
R Studio: 2022.12.0-353
Paquetes base: stats, graphics, grDevices, utils, datasets, methods, base
Paquetes cargados: ggplot2_3.4.1, agridat_1.21

Gráficos con R base

  • Gráfico de puntos
  • Gráfico de líneas
  • Grafico de barras
  • Histograma
  • Gráfico de cajas

Gráficos con {ggplot2}

  • Gráfico de dispersión
  • Gráfico de líneas
  • Grafico de barras
  • Histograma
  • Gráfico de cajas
  • Gráfico de violín
  • Gráfico de barras apiladas
  • Gráfico de barras agrupadas

gif

Datasets

Para gráficos con R base, se manejan diferentes datasets provienientes del paquete {datasets}

  • pressure: data frame de temperatura y presión
  • BOD: Biochemical Oxygen Demand cuenta con datos de tiempo y demanda de oxígeno
  • mtcars: pertenecen a Motor Trend Car Road Tests. Se utiliza la variable numérica mpg (Miles/(US) gallon).
  • ToothGrowth: con datos de longitud de odontoblastos (células responsables del crecimiento de los dientes) medidas en 60 cobayos comparando dos métodos de administración de vitamina C, jugo de naranja (OJ) o ácido ascórbico (VC).

Para gráficos en {ggplot2} se utilizaron datos provenientes del paquete {agridat} que proporciona una amplia colección de conjuntos de datos de experimentos agrícolas provenientes de papers, libros y websites (documentación).

  • australia.soybean:
    • env: ambiente, 8 niveles, primer caracter corresponde a la localidad y últimos dos caracteres corresponden al año
    • loc: localidad, 4 niveles
    • year: año, numérico (int). En realidad son 2 niveles (1970 y 1971), debemos convertirlo
    • gen: genotipos, del G01 - G58
    • variables numéricas: rendimiento, altura, lodging, tamaño, proteínas y aceites
  • aastveit.barley.height: datos de 9 años (1974-1982) de la altura de cebada
  • alwan.lamb: dataset de corderos que contiene la variable categórica raza (breed) y sexo (sex), entre otras
  • pederson.lettuce.repeated: Adataset de lechuga que posee medidas de peso (weight) de varias plantas (n = 18) en distintos días de observacion para 3 tratamientos (trt)

Ejercitación

Vamos a obtener el siguiente gráfico siguiendo las consignas detalladas debajo:

grafico_ejercicio

Utilizando el dataset australia.soybean de {agridat}

  1. Cargar los paquetes necesarios

  2. Convertir la variable year a factor

  3. Copiar el siguiente gráfico base para comenzar a trabajar:

ggplot(data = soybean, aes(x = height, y = protein)) +
  geom_point(size = 3, alpha = 0.5)

  1. Dividir el gráfico en grupos/paneles en base al ambiente (env) y agregar nrow = 4 para obtener 4 filas

  2. Modificar los puntos de geom_point() con color determinado por localidad y forma, por año

  3. Agregar etiquetas a los ejes:

    • Título: Soja en Australia
    • Eje x: Altura (m)
    • Eje y: Proteína (%)
    • Color: Localidad (modifica título de leyenda)
    • Shape: Año (modifica título de leyenda)

  4. Modificar theme a theme_bw()

  5. Guardar gráfico en png