Utilizando os dados de produção de ovos nos EUA faça um gráfico mostrando a evolução do número de ovos de galinhas criadas livres (orgânicas e não-orgânicas) ao longo dos anos.
library(ggplot2)library(tidyverse)library(tidyr)library(RColorBrewer)library(ggsci)library(patchwork)library(ggtext)library(ggridges)library(gridExtra)library(png)library(patchwork)library(ggtext)ovos<-readr::read_csv('https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2023/2023-04-11/egg-production.csv')ovos.p<-ovos %>%filter(prod_process!="all") %>%mutate(n_eggs=n_eggs/1000000,n_hens=n_hens/1000000) %>%rename("Mês observado"=observed_month, "Tipo de produto"=prod_type, "Tipo de processo"=prod_process, "N galinhas"=n_hens,"N ovos"=n_eggs, "Origem"=source) %>%mutate(`Tipo de processo`=recode(`Tipo de processo`,all="Todos",`cage-free (non-organic)`="Não orgânico",`cage-free (organic)`="Orgânico")) %>%separate(`Mês observado`,into =c("ano","mês","dia"),sep ="-")ovos.p1<-ovos %>%mutate(n_eggs=n_eggs/1000000,n_hens=n_hens/1000000) %>%rename("Mês observado"=observed_month, "Tipo de produto"=prod_type, "Tipo de processo"=prod_process, "N galinhas"=n_hens,"N ovos"=n_eggs, "Origem"=source) %>%mutate(`Tipo de processo`=recode(`Tipo de processo`,all="Todos",`cage-free (non-organic)`="Não orgânico",`cage-free (organic)`="Orgânico")) %>%mutate(`Tipo de produto`=recode(`Tipo de produto`,`hatching eggs`="ovos para incubação",`table eggs`="ovos de mesa")) %>%separate(`Mês observado`,into =c("ano","mês","dia"),sep ="-")ovos.p1<-mutate(ovos.p1,Produtividade=(`N ovos`/`N galinhas`))g1<-ggplot(ovos.p1,aes(x=ovos.p1$ano,y=ovos.p1$`N galinhas`,fill=ovos.p1$`Tipo de processo`))+geom_boxplot(alpha=0.5)+facet_wrap(~ovos.p1$`Tipo de processo`,scales ="free_y")+labs(title ="NÚMERO DE GALINHAS",subtitle ="POR MILHÃO")+guides(fill="none")+scale_fill_brewer(palette ="Pastel2")+theme_classic()+theme(axis.title =element_blank(), plot.background =element_rect(fill="bisque", color=NA), strip.background=element_rect(fill="cornsilk3"), panel.background =element_rect(fill="aliceblue", color="black"), plot.title =element_text(colour ="darkgoldenrod2", size=22))g2<-ggplot(ovos.p1,aes(x=ovos.p1$ano,y=ovos.p1$`N ovos`,fill=ovos.p1$`Tipo de processo`))+geom_boxplot(alpha=0.5)+facet_wrap(~ovos.p1$`Tipo de processo`,scales ="free_y")+labs(title ="NÚMERO DE OVOS",subtitle ="POR MILHÃO")+guides(fill="none")+scale_fill_brewer(palette ="Pastel2")+theme_classic()+theme(axis.title =element_blank(), plot.background =element_rect(fill="bisque", color=NA), strip.background=element_rect(fill="cornsilk3"), panel.background =element_rect(fill="aliceblue", color="black"), plot.title =element_text(colour ="darkgoldenrod2", size=22))g3<-g1/g2+plot_annotation(title ="Produção de ovos nos Estados Unidos de 2016-2021",subtitle ="Aumento expressivo de galinhas livre",caption ="plot for @TidyTuesday")g3
Opção 2
Utilizando os dados de produção de ovos nos EUA faça um gráfico comparando a produtividade dos diferentes tipos de processos e dos diferentes tipos de produtos.
Calcule a produtividade como a razão entre o número de galinhas e o número de ovos
g4<-ggplot(ovos.p1,aes(x=Produtividade,y=`Tipo de processo`,fill=`Tipo de produto`))+geom_density_ridges(alpha=0.5)+scale_fill_manual(values =c("#F1EB17","#F11724"),labels=c("Ovos incubados","Ovos de Mesa"))+labs(title ="Produtividade (ovos/galinhas)",subtitle ="Produção Orgãnica se equiparam a produção tradicional")+theme_ridges()+theme(axis.title =element_blank(),legend.title =element_blank(),legend.position =c(0.1,0.3),panel.grid.major =element_blank(),panel.background =element_rect(fill ="#F0E9AD"),plot.background =element_rect(fill ="#F0E9AD"),legend.background =element_blank())g4
roedor3 <- roedor2 %>%filter(sex !="NA")g10 <-ggplot(roedor3, aes(x=treatment, y=wgt, fill=sex))+geom_boxplot(alpha=0.9, width =0.5, outlier.shape =NA, color="white")+scale_fill_manual(values=c("seagreen3", "goldenrod"), labels =c("FÊMEAS", "MACHOS"))+scale_x_discrete(labels =c("CONTROLE", "EXCLUSÃO", "REMOÇÃO"))+scale_y_continuous(expand=c(0,0),limits =c(0,100), name ="Peso corporal (g)")+labs(title ="PESO DE FÊMEAS E MACHOS NOS DIFERENTES TIPOS DE TRATAMENTO")+theme(panel.background =element_rect(fill="cornsilk4"), panel.grid.major =element_blank(),panel.grid.minor.x =element_blank(), legend.title =element_blank(),legend.position =c(0.9, 0.9), legend.background =element_blank(),legend.key =element_blank(),legend.text =element_text(color="white", size=14),axis.title.x =element_blank(),axis.text =element_text(size=14, color="black"),axis.title.y =element_text(size=14, color="black"),plot.title =element_text(size=18, color="black"))g10
Opção 7
Utilizando os dados do projeto portal - que não é do ET Bilu faça um gráfico comparando a relação linear entre o tamanho do pé e o peso dos roedores para os diferentes tratamentos.
g11 <-ggplot(roedor2, aes(x=hfl, y=wgt))+geom_point(alpha=0.1, aes(color= treatment))+facet_wrap(~treatment, labeller =labeller(treatment=c(control ="Controle", exclosure="Exclusão", removal ="Remoção")))+stat_smooth(method='lm', formula = y~poly(x,2), color="black", se=F)+scale_x_continuous(expand=c(0,0), name ="Tamanho do pé (mm)")+scale_y_continuous(expand=c(0,0), name ="Peso corporal (g)")+labs(title ="RELAÇÃO ENTRE O PESO E TAMANHO DO PÉ DE ROEDORES", subtitle ="Comparaçao entre os diferentes tratamentos")+scale_color_npg()+theme(panel.grid =element_blank(), axis.title =element_text(color="black", size=20),axis.text =element_text(color="white", size=15),plot.background =element_rect(fill ="darkslategray4", color=NA),plot.title =element_text(colour ="black", size=20),legend.position ="none", strip.background =element_rect(fill ="darkslategray4"),strip.text =element_text(colour ="white", size=14))g11
Opção 8
Use qualquer dataset do tidytuesday para fazer algum gráfico! Pense no que você quer visualizar com os dados e como fazer para plotar com as variáveis disponíveis (as possibilidades são inúmeras)
