Switch to english | Mudar para Português

Este laboratorio continúa con el trabajo realizado anteriormente en la Sección I, asegúrese de tener los objetos generados en la sección anterior.

1 Temas

ggplot incluye la función theme() para definir la mayoría de los aspectos de la figura como el color de fondo, la cuadrícula, los ejes, la leyenda, entre muchos otros. También hay varios temas predefinidos que puedes usar (todos comienzan con theme_ seguido del nombre del tema), si no quieres meterse con todos los argumentos de la función theme(). Por ejemplo:

# Todos los temas predefinidos empiexan con: theme_
figures$heatmap <- figures$heatmap +
  theme_classic2() + # Aqui usaremos el tema llamado classic2
  coord_equal() # Vamos a fijar las coordenadas iguales

figures$heatmap

2 Otra esteticas

2.1 Forma

Hay otras estéticas que podemos definir como color, tipo de punto, tamaño, entre muchas otras. Intentemos cambiar la forma del punto para una de las gráficas que hicimos anteriormente:

figures$scatter <- captures %>% # Los datos que estamos usando
  ggplot() + # we set the canvas
  geom_point(aes(
    x = captures, # X axis
    y = treated, # Y axis
    shape = factor(trap_type) # point shape
  )) +
  theme_classic() # now lets try the theme 'classic'

figures$scatter

2.2 Color

Podemos usar diferentes variables para definir el color de algunos elementos de nuestro grafico. En el siguiente ejemplo usaremos el tipo de trampa (trap_type) para definir el color de la linea.

tCaptures <- captures %>% 
  mutate(date = as.Date(date, "%d/%m/%y"), # First we will format the date
         year = lubridate::floor_date(date, 'year')) %>%  # The we create a variable formatting the date as month of the year
  count(year, trap_type) # Count the number of observations by month

figures$timeseries <- tCaptures %>% 
  ggplot() +
  geom_line(aes(x = year, y = n, col = factor(trap_type))) +
  theme_minimal()

figures$timeseries

3 Personalizacion no-estetica

Hasta ahora solo hemos agregado variables dentro de nuestra función aes(), pero podemos agregar algunos argumentos fuera de la función aes() que queremos que se apliquen a TODAS las observaciones. Por ejemplo, podemos cambiar el tamaño y la transparencia de los puntos en nuestro diagrama de dispersión, lo que puede ser útil para ver dónde hay más superposición de observaciones:

figures$scatter <- captures %>% # the data we are using
  ggplot() + # we set the canvas
  geom_point(
    aes(x = captures, y = treated, shape = factor(trap_type)), # aesthetics
    size = 2.5,
    alpha = 0.2 # alpha will define the transparency of the points
  )

figures$scatter

Puede cambiar otros componentes de la figura, como el color, la forma, el tamaño, etc. Recuerde que todo lo que va dentro de la función aes() dependerá de las variables de los datos y todo lo que está fuera son constantes para todas las observaciones

4 Escalas

Como habras notado, por defecto, R elige colores y formas específicas para las variables que usamos para mapear nuestra figura, las escalas en ggplot2 son una forma de especificar las formas, colores o tamaños utilizados para las figuras. Hay una familia de funciones (scales_*) donde * representa la estética que queremos definir. En función del tipo de variable para la que quieras configurar la escala, seleccionarás la función correspondiente.

4.1 Valores continous

Por ejemplo, si queremos cambiar los colores del relleno de una variable continua, podemos definir los colores de un degradado con la función scale_fill_gradient().

figures$heatmap <- figures$heatmap + # Lets us our previously defined heatmap
  scale_fill_gradient(low = 'black', high = 'red') # we use the function to set the colors

figures$heatmap

4.2 Valores categoricos

Cuando usamos variables categóricas, definimos una paleta de colores específica. Para ello necesitamos saber cuántas categorías tiene nuestra variable. Por ejemplo

# Define a oclor palette
colpal <- c('gold2', 'seagreen3', 'red2', 'orchid')

# Make the figure
figures$bars <- figures$bars +
  scale_fill_manual(values = colpal) # We know our variable has 4 categories, so we define 4 colors

figures$bars

4.3 Como encontrar los colores?

R administra los colores de tres maneras diferentes: por nombre (p. ej. ‘red’), por valor rgb usando la función ‘rgb()’ (p. ej. rgb(1, 0, 0)), o usando código hexadecimal (p. ej. “#FF0000”). Puede obtener una lista completa de los colores con nombre en R usando la función colors(), pero solo podrá ver los nombres. Por suerte, alguien creó una herramienta que puede ayudarnos exactamente con los colores que queremos: el Addin Color Picker. Los addins son herramientas que están disponibles en Rstudio para facilitar las tareas, probemos el selector de color (debería estar en la barra de herramientas de complementos).

Algunos otros recursos para encontrar color y paletas incluyen:

  • Coolors palette generator: Este sitio web genera paletas de colores aleatorias e incluye otras paletas generadas por el usuario.
  • Colour contrast checker: Este sitio web dispone de una herramienta para comprobar el contraste entre dos colores, puede ser útil a la hora de poner etiquetas y otras anotaciones en nuestras figuras.

5 Etiquetas

Por lo general, tratamos de evitar los espacios cuando usamos nombres para los nombres de las columnas, pero para nuestras etiquetas de figuras, esta podría no ser la forma más directa de comunicar nuestro análisis, podemos establecer etiquetas específicas para que nuestros gráficos sean más legibles y se expliquen por sí mismos. Mejoremos un poco más la figura del gráfico de barras para que quede más claro, podemos usar la figura que creamos previamente contenida en nuestra lista de figuras figures$bars

figures$bars <- figures$bars + # we call the figure previously created
  labs(# We will use the function labs to generate our labels
    title = 'Number of observations by Municipality', # The title we will give to our figure
    x = 'Number of observations', # The label for x axis
    y = 'Municipality', # label for y axis
    fill = 'Trap type'
  )

figures$bars

5.1 In figure labels

De igual manera podemos agregar etiquetas para determinados elementos de nuestra figura. Por ejemplo, vamos a agregar una etiqueta que nos proporcione informacion extra sobre nuestras lineas en la serie de tiempo:

library(ggrepel) # Usamos la paqueteria especifica para esto

lab <- tCaptures %>% 
  group_by(trap_type) %>% 
  filter(year == min(year))

figures$timeseries <- figures$timeseries +
  geom_label_repel(data = lab, aes(x = year, y = n, label = paste('Trap type: ', trap_type), fill = factor(trap_type)), alpha = 0.6, size = 3) +
  scale_color_manual(values = colpal) +
  theme(legend.position = 'none')

figures$timeseries

6 Mas alla de los temas predefinidos

Supongamos que queremos voltear el eje de nuestro gráfico de barras porque creemos que se ajustará mejor a nuestro informe, podemos hacerlo desde la función aes() al redefinir los ejes, pero en este caso solo usaré la función coord_flip() para hacer lo mismo.

figures$bars <- figures$bars + # we call the figure previously created
  coord_flip() # We use this function to flip the x and y axis.

figures$bars

Como notará, hay cierta superposición entre el texto de los municipios y apenas podemos leerlos. Podemos modificar la posición de las etiquetas x para arreglar esto, para hacer esto necesitamos modificar el tema.

6.1 Leyendas

La función theme() tiene un montón de argumentos que puede ver en detalle en la documentación (o usando la funcionalidad de autocompletar en RStudio/posit.cloud), el argumento que necesitaremos definir es axis.text.x, el argumento toma un tipo específico de objeto usado para formatear el texto, para crear este objeto usamos la función element_text(). Tendrá más sentido cuando lo probemos:

figures$bars <- figures$bars + # we call the figure previously created
  coord_flip() + # We use this function to flip the x and y axis.
  theme(axis.text.x = element_text(angle = 40, size = 7))

figures$bars

6.2 Cuadricula

Otro elemento que podemos cambiar en la función theme() incluye el fondo de la figura, hagamos algunos cambios en la cuadrícula y el color de fondo.

figures$bars <- figures$bars +
  theme(
    panel.grid = element_line(color = 'grey80'), # Change the color of the grid
    panel.grid.major.x = element_blank(),# Remove the grid for the x axis
    panel.background = element_rect(fill = 'mintcream') # Change the background of the figure
  )

figures$bars

Si se dio cuenta, al definir los argumentos, utilicé diferentes funciones para los elementos utilizados (es decir, element_blank(), element_rect(), element_line()). Dependiendo del elemento del tema, deberá definir el elemento apropiado para usar, en resumen:

  • element_blank() Es para elementos vacios (p.ej. en casi de que quieras removerlos)
  • element_rect() Es para elementos con relleno (p.ej. el panel de fondo o la leyenda)
  • element_line() Para lineas, p.e. las lineas de la cuadricula
  • element_text() Para el texto de los elementos, por ejemplo si queremos cambiar el tamaño o color del texto

7 Ejercicio:

Ahora dedique un tiempo a usar los recursos de los que hablamos para modificar la figura y ser creativo con los colores y el tema, tal vez use la escala de colores de su equipo deportivo favorito, el personaje de una película o algo que te guste. ¡Siéntase libre de modificar cualquiera de las figuras que creamos anteriormente!

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: