Switch to English | Mudar para Português 

# Cargamos las librerias
library(ggplot2) # para los graficos
library(dplyr) # para manipulacion de datos
library(STNet) # para los datos

# Cargamos los datos de la libreria STNet
data('captures') # Cargamos los datos
head(captures) # imprimimos las primeras observaciones
##    municipality          location             Loc     date year captures
## 1 Temascaltepec San Pedro Tenayac   Cueva  el Uno 11/06/14 2014        6
## 2      Tlatlaya  Nuevo Copaltepec La alcantarilla 12/05/05 2005        3
## 3      Tlatlaya  Nuevo Copaltepec La alcantarilla 12/05/07 2007       30
## 4      Tlatlaya  Nuevo Copaltepec La alcantarilla 12/03/09 2009        0
## 5      Tlatlaya  Nuevo Copaltepec La alcantarilla 10/08/10 2010        4
## 6      Tlatlaya  Nuevo Copaltepec La alcantarilla 16/05/11 2011        4
##   treated      lat       lon trap_type
## 1       6 18.03546 -100.2095         1
## 2       2 18.40417 -100.2688         1
## 3      29 18.40417 -100.2688         4
## 4       0 18.40417 -100.2688         3
## 5       3 18.40417 -100.2688         1
## 6       3 18.40417 -100.2688         2

1 Graficos en R

Por default, R incluye múltiples funciones para crear una variedad de figuras, pero el código puede volverse complejo y difícil de leer mientras mas detalle agregamos a las figuras. ggplot2 es una librería que proporciona funciones para producir diferentes tipos de gráficos.
La función ggplot() se usa al principio de del código para definir la figura, esta funcion establece un lienzo blanco para nuestra figura. Si llamamos la funcion sin ningun argumento, veremos un lienzo vacio, por ejemplo:

ggplot()

Podemos agregar poco a poco las capas a nuestro lienzo basado en nuestros datos que queremos visualizar. De manera similar a los pipes, podemos conectar las diferentes capas de nuestra figura con el operador +.

Los componentes basicos que debemos definir para nuestra figura son los siguientes:

  • data, el conjunto de datos que usaremos para generar la figura.
  • geometry el tipo de grafico que generaremos (p.ej. histograma, barras, puntos, etc..)
  • aesthetic (estetica), variables o argumentos que usaremos para mappear los datos con los elementos de la figura (p. ej. ubicacion x/y, color, tamaño, etc…)

Por ejemplo:

ggplot(data = captures) + # Estos son los datos que usaremos
  geom_histogram( # Esta es la geometria
    aes(x = treated) # La estetuca incluye una sola variable representando el eje x
  )

Otros componentes de los graficos se pueden definir para personalizar nuestras figuras con mas detalle, y cubriremos eso mas adelante.
Como te podras dar cuenta en el ejemplo previo, podemos imprimir nuestras figuras directamente desde la consola de R, pero una manera de mantener nuestro trabajo organizado es poner nuestras figuras en objetos. A continuación voy a crear una lista (list), el cual es un tipo de objeto especial. Las listas en R son contenedores para otros objetos:

# Para crear una lista vacia, usamos la function list()
figures <- list()

2 Visualizando distribuciones

2.1 Variables continuas

2.1.1 Histogramas

La manera mas simple de visualizar la distribución de una variable continua es mediante los histogramas. Los histogramas son un tipo especial de un gráfico de barras en donde la variable es agrupada en categorías, el eje-x muestra el valor de la categoría en orden ascendete y el eje-y la frecuencia de observaciones en cada categoría.
Ahora que tenemos nuestra lista vacía para las figuras, podemos guardar el histograma que crearemos y asignarle un nombre.
Observa que en el siguiente codigo combinaremos

Notice that we will combine the pipes with the ggplot syntax. you can either define the name of the data in the ggplot function or before the function and connect it with a pipe.

figures$histogram <- captures %>% # This is the data we use.
  ggplot() + # we set the empty canvas
  geom_histogram(aes(x = treated)) # add a layer to visualize a histogram

# we can see our plot by calling the name in our container list
figures$histogram

2.1.2 Boxplots

Los graficos de caja (boxplot) son excelentes para mostrar la distribución de una variable continua. Podemos usarlo para mostrar solo una variable o múltiples variables. Es importante ser muy descriptivo al hacer las figuras, la idea de una figura es que pueda explicarse por sí misma. Poco a poco iremos introduciendo funciones para hacer esto y personalizar nuestras figuras.

# crear nuestro boxplot
figures$box <- captures %>% 
  ggplot() +
  geom_boxplot(aes(y = treated))

figures$box

2.2 Variables categoricas

2.3 Graficos de pay… ?

Los gráficos de pay (pie charts) no son muy sencillos de hacer en ggplot, NO existe ninguna funcione geom_pie. Para hacer esto, básicamente puedes hacer un gráfico de barras con algunas especificaciones y luego usar la función coord_polar() que convertirá las coordenadas de la figura.

captures %>% count(municipality) %>% 
  ggplot() +
  geom_bar(aes(x = 'municipality', y = n, fill = municipality), stat = 'identity') +
  coord_polar('y') +
  theme_void()

Quizás te preguntes por qué no hay geom_pie en ggplot… A pesar de que los gráficos de pie son una de las figuras más comunes en los medios para datos categóricos, los gráficos circulares han sido criticados por ser difíciles de interpretar cuando se buscan distribuciones, particularmente cuando la distribución de los variable es muy homogénea. Puedes evaluarlo tu mismo en la siguiente figura:

Comparacion de la misma informacion mediante dos approximaciones diferentes. Tomado de: https://en.wikipedia.org/wiki/File:Piecharts.svg
Comparacion de la misma informacion mediante dos approximaciones diferentes. Tomado de: https://en.wikipedia.org/wiki/File:Piecharts.svg

Algunas alternativas a los gráficos de pay incluyen: gráficos de mosaico y de barras.

2.4 Graficos de mosaico (Treemap)

El principal inconveniente de los gráficos de mosaico es que no hay una función específica de la biblioteca ggplot2 para hacer este gráfico, lo que significa que no se integra tan bien con algunas de las funciones que usaremos en este taller. Podemos usar otra biblioteca (treemap) para generar esta figura. Usamos la función treemap() de la misma biblioteca:

library(treemap) # Cargamos la libreria

captures %>% # Estos son nuestros datos
  count(municipality, captures) %>% # Contamos cuantos municipios y capturas 
  treemap(
    ., # Esta es nuestra data
    index = 'municipality', # Definimos la variable indice
    vSize = 'n' # Variable que indica la frequencia (tamano de los mozaicos)
  )

Los treemaps (o mosaicos) pueden incluir multiples jerarquías.

captures %>% 
  count(municipality, location, captures) %>% 
  treemap(., index = c('municipality', 'location'), vSize = 'n')

2.5 Graficos de barra (Barplot)

Las graficas de barras son excelentes para representar frecuencias de categorías. En el siguiente ejemplo, primero contaremos el número de pacientes tratados por año y luego lo veremos en un gráfico de barras.

figures$bars <- captures %>% 
  count(municipality) %>% 
  ggplot() +
  geom_bar(aes(
    x = n, # X axis
    y = municipality # Y axis
  ), stat = 'identity') # type of barplot

figures$bars

Podemos agregar variables adicionales para indicar la composición (usando otra variable) de cada uno de los niveles en nuestras figuras. Por ejemplo, agregaremos la variable trap_type para colorear las barras en esta figura. Para hacer esto agregamos el argumento fill=factor(trap_type) a nuestra función aes()

figures$bars <- captures %>% 
  count(municipality, trap_type) %>% 
  ggplot() +
  geom_bar(aes(
    y = municipality, # X axis
    x = n, # Y axis
    fill = factor(trap_type) # Variable used for fill
  ), stat = 'identity') # type of bar plot

figures$bars

Hay diferentes estrategias para visualizar esto, otro ejemplo sería desglosar la composición en barras individuales como en la siguiente figura, esto puede ser útil para comparar la composición dentro del grupo:

captures %>% 
  count(municipality, trap_type) %>% 
  ggplot() +
  geom_bar(aes(
    y = municipality, # X axis
    x = n, # Y axis
    fill = factor(trap_type)
  ), stat = 'identity', position = 'dodge') # type of bar plot

Otra opción es ver la composición como una proporción agregando el argumento position = 'fill a la función geom_bar(), observe que esto elimina el sentido del número de observaciones para la categoría principal (year):

captures %>% 
  count(municipality, trap_type) %>% 
  ggplot() +
  geom_bar(aes(
    y = municipality, # X axis
    x = n, # Y axis
    fill = factor(trap_type)
  ), stat = 'identity',
  position = 'fill') # type of bar plot

3 Visualizando relaciones

3.1 Graficos de puntos (Scatterplots)

Este es uno de los tipos de gráficos más populares, es útil para representar la relación entre dos variables continuas.

figures$scatter <- captures %>% # Primero empezamos con el nombre de nuestros datos
  ggplot() + # Despues ponemos nuestro lienzo
  geom_point(aes(x = treated, y = captures)) # Y agregamos una capa de los puntos

figures$scatter

3.2 Mapas de calor (Heatmaps)

Los mapas de calor representan la frecuencia (u otros valores) para una combinación de variables en una matriz. Por ejemplo, podemos visualizar la frecuencia de capturas por tipo de trampa para cada uno de los municipios de nuestros datos:

figures$heatmap <- captures %>% # The data we are using
  count(municipality, trap_type) %>% # We count the data by municipality and trap type
  ggplot() +
  geom_tile(aes(
    y = municipality, # y axis
    x = factor(trap_type), # x axis
    fill = n # The fill for each cell
  ))

figures$heatmap

3.3 Boxplots (again..)

Los graficos de caja pueden incluir mas de un grupo. Esto es idea para comparar la distribucion de un valor en diferentes grupos.

# Only one variable
figures$box <- captures %>% 
  ggplot() +
  geom_boxplot(aes(x = treated, y = municipality))

figures$box

4 Series de tiempo

Para crear una serie temporal, necesitaremos reformatear los datos un poco para que R pueda hacer lo que queremos. Introduciremos un nuevo tipo de variable: date. Las variables de fecha son más o menos lo que suena, es una variable que tiene un formato con año, mes y día; Hay otras formas de formatear fechas en R, pero esta es la más común y sencilla.

tCaptures <- captures %>% 
  mutate(date = as.Date(date, "%d/%m/%y"), # Primero formateamos la variable
         month = lubridate::floor_date(date, 'month')) %>%  # Después redondeamos la fecha al principio del mes
  count(month) # Contamos el numero de observaciones por mes

Ahora que tenemos nuestras variables en el formato correcto, podemos usarlas como cualquier otra variable.

figures$timeseries <- tCaptures %>% 
  ggplot() +
  geom_line(aes(x = month, y = n))

figures$timeseries

Este ejercicio ha diso desarrollado con contribuciones de: Jose Pablo Gomez-Vazquez.
Sientase libre de usar los materiales para entrenamiento y sus propios fines de investigacion. Al usar este material apreciariamos que nos referencie con los creditos adecuados. Si esta interesado en agendar una sesion de entrenamiento, contactar a: