Linkedin Learning - Aprendendo Visualização de Dados

library(tidyverse)
library(dados)
library(patchwork)

Introdução

Este arquivo concentra as visualizações construídas para o curso “Aprendendo Visualização de Dados” disponível na plataforma do Linkedin Learning, tendo como base/inspiração os gráficos do livro “Fundamentals of Data Visualization” do Claus O. Wilke.

Variáveis Discretas

Rótulos longos? Use barras horizontais​

dados::pixar_bilheteria %>%  
  left_join(dados::pixar_filmes) %>% 
  mutate(filme_nchar = str_length(filme)) %>% 
  filter(filme_nchar < 20, filme_nchar > 4) %>% 
  filter(classificacao_indicativa == "Orientação parental sugerida") %>% 
  filter(filme != "Os Incríveis 2") %>% 
  ggplot(aes(fct_reorder(filme, -bilheteria_mundial), bilheteria_mundial)) +
    geom_col(fill = "lightgrey") +
    cowplot::theme_minimal_hgrid(13) +
    scale_y_continuous(expand = c(0,0), 
                       limits = c(0,1100000000),
                       labels = scales::label_dollar(scale_cut = scales::cut_short_scale())) +
    labs(title = "Bilheteria mundial - animações Pixar",
           subtitle = "",
           x = NULL,
           y = "",
           fill = NULL) +
    theme(axis.line.x = element_line(size = 0.7, color = "darkgrey"),
          panel.grid.major.x = element_blank(),
          axis.text.x = element_text(angle = 45, hjust=1)) 

dados::pixar_bilheteria %>%  
  left_join(dados::pixar_filmes) %>% 
  mutate(filme_nchar = str_length(filme)) %>% 
  filter(filme_nchar < 20, filme_nchar > 4) %>% 
  filter(classificacao_indicativa == "Orientação parental sugerida") %>% 
  filter(filme != "Os Incríveis 2") %>% 
  ggplot(aes(fct_reorder(filme, bilheteria_mundial), bilheteria_mundial)) +
    geom_col(fill = "lightgrey") +
    cowplot::theme_minimal_vgrid(13) +
  coord_flip() +
    scale_y_continuous(expand = c(0,0), 
                       limits = c(0,1100000000),
                       labels = scales::label_dollar(scale_cut = scales::cut_short_scale())) +
    labs(title = "Bilheteria mundial - animações Pixar",
           subtitle = "",
           x = NULL,
           y = "",
           fill = NULL) +
    theme(axis.line.y = element_line(size = 0.7, color = "darkgrey"),
          panel.grid.major.y = element_blank()) 

Variável Nominal? Ordene pelos resultados

dados::pixar_bilheteria %>%  
  left_join(dados::pixar_filmes) %>% 
  mutate(filme_nchar = str_length(filme)) %>% 
  filter(filme_nchar < 20, filme_nchar > 4) %>% 
  filter(classificacao_indicativa == "Orientação parental sugerida") %>% 
  filter(filme != "Os Incríveis 2") %>% 
  ggplot(aes(fct_rev(filme), bilheteria_mundial)) +
    geom_col(fill = "lightgrey") +
    cowplot::theme_minimal_vgrid(13) +
  coord_flip() +
    scale_y_continuous(expand = c(0,0), 
                       limits = c(0,1100000000),
                       labels = scales::label_dollar(scale_cut = scales::cut_short_scale())) +
    labs(title = "Bilheteria mundial - animações Pixar",
           subtitle = "",
           x = NULL,
           y = "",
           fill = NULL) +
    theme(axis.line.y = element_line(size = 0.7, color = "darkgrey"),
          panel.grid.major.y = element_blank()) 

Variável Ordinal? Respeite a ordem dos rótulos​

dados::questionario %>%
  drop_na(idade) %>% 
  mutate(idade_faixas = case_when(
    idade <= 15 ~ "< 15",
    between(idade, 15, 24) ~ "15 a 24",
    between(idade, 25, 34) ~ "25 a 34",
    between(idade, 35, 44) ~ "35 a 44",
    between(idade, 45, 54) ~ "45 a 54",
    between(idade, 55, 64) ~ "55 a 64",
    between(idade, 65, 74) ~ "65 a 74",
    idade >= 75 ~ "> 74",
    .default = "other"
  )) %>% 
  #janitor::tabyl(idade, idade_faixas) %>% 
  mutate(idade_faixas = forcats::fct_infreq(idade_faixas)) %>% 
  ggplot(aes(idade_faixas)) + 
  geom_bar(fill = "lightgrey") +
  cowplot::theme_minimal_hgrid(13) +
  scale_y_continuous(expand = c(0,0)) +
  labs(title = "Idade dos respondentes do questionário GSS",
             subtitle = "",
             x = NULL,
             y = NULL,
             fill = NULL) +
  theme(axis.line.x = element_line(size = 0.7, color = "darkgrey")) 

dados::questionario %>%
  drop_na(idade) %>% 
  mutate(idade_faixas = case_when(
    idade <= 15 ~ "< 15",
    between(idade, 15, 24) ~ "15 a 24",
    between(idade, 25, 34) ~ "25 a 34",
    between(idade, 35, 44) ~ "35 a 44",
    between(idade, 45, 54) ~ "45 a 54",
    between(idade, 55, 64) ~ "55 a 64",
    between(idade, 65, 74) ~ "65 a 74",
    idade >= 75 ~ "> 74",
    .default = "other"
  )) %>% 
  mutate(idade_faixas = factor(idade_faixas, ordered = TRUE)) %>% 
  mutate(idade_faixas = forcats::fct_shift(idade_faixas)) %>% 
  # janitor::tabyl(idade_faixas)
  ggplot(aes(idade_faixas)) + 
  geom_bar(fill = "lightgrey") +
  cowplot::theme_minimal_hgrid(13) +
  scale_y_continuous(expand = c(0,0)) +
  labs(title = "Idade dos respondentes do questionário GSS",
             subtitle = "",
             x = NULL,
             y = NULL,
             fill = NULL) +
  theme(axis.line.x = element_line(size = 0.7, color = "darkgrey")) 

Evite gráficos truncados, inicie no zero​

dados::dados_gapminder %>% 
  filter(ano == "2007", continente == "Europa") %>% 
  slice_max(pib_per_capita, n = 3) %>% 
  mutate(pais = forcats::fct_relevel(pais, c("Noruega", "Irlanda", "Suíça"))) %>% 
  ggplot(aes(pais, pib_per_capita)) +
    geom_col(fill = "lightgrey") +
  cowplot::theme_minimal_hgrid(13) +
  scale_y_continuous(expand = c(0,0), 
                     labels = scales::label_dollar(scale_cut = scales::cut_short_scale())) +
  coord_cartesian(ylim = c(35000,NA)) +
  labs(title = "Gapminder: top 3 maiores PIB's da Europa em 2007",
             subtitle = "",
             x = NULL,
             y = NULL,
             fill = NULL) +
  theme(axis.line.x = element_line(size = 0.7, color = "darkgrey")) 

dados::dados_gapminder %>% 
  filter(ano == "2007", continente == "Europa") %>% 
  slice_max(pib_per_capita, n = 3) %>% 
  mutate(pais = forcats::fct_relevel(pais, c("Noruega", "Irlanda", "Suíça"))) %>% 
  # janitor::tabyl(pais)
  ggplot(aes(pais, pib_per_capita)) +
    geom_col(fill = "lightgrey") +
  cowplot::theme_minimal_hgrid(13) +
  scale_y_continuous(expand = c(0,0), 
                     labels = scales::label_dollar(scale_cut = scales::cut_short_scale())) +
  labs(title = "Gapminder: top 3 maiores PIB's da Europa em 2007",
             subtitle = "",
             x = NULL,
             y = NULL,
             fill = NULL) +
  theme(axis.line.x = element_line(size = 0.7, color = "darkgrey")) 

Considere o gráfico Lollipop como alternativa​

gapminder::gapminder_unfiltered %>% 
  filter(year == 2007) %>% 
  filter(continent == "Europe") %>% 
  left_join(dslabs::gapminder %>% filter(year ==2007) %>%  select(country,region)) %>% 
  filter(region == "Northern Europe") %>% 
  drop_na() %>% 
  mutate(country = forcats::fct_reorder(country, gdpPercap)) %>% 
  ggplot(aes(gdpPercap, country)) +
  geom_col(fill = "lightgrey") +
  #facet_wrap(. ~ region) +
  cowplot::theme_minimal_vgrid(13) +
  scale_x_continuous(expand = c(0,0), 
                    limits = c(0,50000),
                     labels = scales::label_dollar(scale_cut = scales::cut_short_scale())) +
  labs(title = "Gapminder: PIB, norte da Europa, 2007",
             subtitle = "",
             x = NULL,
             y = NULL,
             fill = NULL) +
  theme(axis.line.x = element_line(size = 0.7, color = "darkgrey"),
        panel.grid.major.x = element_blank()) 

gapminder::gapminder_unfiltered %>% 
  filter(year == 2007) %>% 
  filter(continent == "Europe") %>% 
  left_join(dslabs::gapminder %>% filter(year ==2007) %>%  select(country,region)) %>% 
  filter(region == "Northern Europe") %>% 
  drop_na() %>% 
  mutate(country = forcats::fct_reorder(country, gdpPercap)) %>% 
  ggplot(aes(gdpPercap, country)) +
  geom_segment(aes(x=0, xend=gdpPercap, yend=country), color = "lightgrey", linetype = 2) +
  geom_point(color = "grey", size = 2.5) +
  #facet_wrap(. ~ region) +
  cowplot::theme_minimal_vgrid(13) +
  scale_x_continuous(expand = c(0,0), 
                     labels = scales::label_dollar(scale_cut = scales::cut_short_scale())) +
  coord_cartesian(xlim = c(15000,50000)) +
  labs(title = "Gapminder: PIB, norte da Europa, 2007",
             subtitle = "",
             x = NULL,
             y = NULL,
             fill = NULL) +
  theme(axis.line.x = element_line(size = 0.7, color = "darkgrey"),
        panel.grid.major.x = element_blank()) 

Muitas categorias? Considere agrupa-las

dados::voos %>% 
  left_join(dados::companhias_aereas) %>% 
  janitor::tabyl(nome) %>% 
  arrange(-n)

##                         nome     n      percent
##        United Air Lines Inc. 58665 1.741959e-01
##              JetBlue Airways 54635 1.622295e-01
##     ExpressJet Airlines Inc. 54173 1.608577e-01
##         Delta Air Lines Inc. 48110 1.428546e-01
##       American Airlines Inc. 32729 9.718329e-02
##                    Envoy Air 26397 7.838148e-02
##              US Airways Inc. 20536 6.097822e-02
##            Endeavor Air Inc. 18460 5.481388e-02
##       Southwest Airlines Co. 12275 3.644856e-02
##               Virgin America  5162 1.532770e-02
##  AirTran Airways Corporation  3260 9.680025e-03
##         Alaska Airlines Inc.   714 2.120104e-03
##       Frontier Airlines Inc.   685 2.033993e-03
##           Mesa Airlines Inc.   601 1.784569e-03
##       Hawaiian Airlines Inc.   342 1.015512e-03
##        SkyWest Airlines Inc.    32 9.501865e-05

dados::voos %>% 
  left_join(dados::companhias_aereas) %>% 
   mutate(nome = fct_infreq(nome)) %>%
  ggplot(aes(fct_rev(nome))) +
    geom_bar(fill = "lightgrey") +
    coord_flip() +
    cowplot::theme_minimal_vgrid(13) +
    scale_y_continuous(expand = c(0,0),
                       labels = scales::label_number(scale_cut = scales::cut_short_scale())) +
    labs(title = "Nº de voos partindo de NY (2013)",
             subtitle = "",
             x = NULL,
             y = "",
             fill = NULL) +
    theme(axis.line.y = element_line(size = 0.7, color = "darkgrey"),
          panel.grid.major.y = element_blank()) 

Use as cores de maneira estratégica ​

dados::voos %>% 
  left_join(dados::companhias_aereas) %>% 
   mutate(nome = fct_infreq(nome),
          nome = fct_lump_n(nome, 7),
          highlight = fct_other(nome,
                                keep = "Other", other_level = "Named")) %>%
  ggplot(aes(fct_rev(nome), fill = highlight)) +
    geom_bar() +
    coord_flip() +
    cowplot::theme_minimal_vgrid(13) +
    scale_y_continuous(expand = c(0,0),
                       labels = scales::label_number(scale_cut = scales::cut_short_scale())) +
  scale_fill_manual(values = c("maroon4", "lightgrey"), guide = "none") +
    labs(title = "Nº de voos partindo de NY (2013)",
             subtitle = "",
             x = NULL,
             y = "",
             fill = NULL) +
    theme(axis.line.y = element_line(size = 0.7, color = "darkgrey"),
          panel.grid.major.y = element_blank()) 

Evite o 3D

plot3D::hist3D (x = 1:5, y = 1:4, z = VADeaths,
        bty = "g", phi = 20,  theta = -60, 
        xlab = "", ylab = "", zlab = "", main = "Dados VADeaths",
        col = "maroon4", border = "magenta4", shade = 0.8,
        ticktype = "detailed", space = 0.1, d = 2, cex.axis = 1e-9)
# Use text3D to label x axis
 plot3D::text3D(x = 1:5, y = rep(0.5, 5), z = rep(3, 5),
       labels = rownames(VADeaths),
       add = TRUE, adj = 0, cex = 0.7)
# Use text3D to label y axis
 plot3D::text3D(x = rep(1, 4),   y = 1:4, z = rep(0, 4),
       labels  = colnames(VADeaths),
       add = TRUE, adj = 1, cex = 0.7) 
 # Use text3D to label y axis
 plot3D::text3D(x = rep(0, 3), y = rep(5, 3), z = c(20,40,60),
                labels  = c("20","40","60"),
                add = TRUE, adj = 0, cex = 0.7) 

VADeaths_tidy <- VADeaths %>% 
  as_data_frame() %>% 
  rownames_to_column()

VADeaths_tidy$rowname <- row.names(VADeaths)

VADeaths_tidy %>% 
  pivot_longer(-rowname) %>% 
  ggplot(aes(rowname, value)) + 
  geom_col(fill = "maroon4") + 
  facet_wrap(. ~  name, ncol = 2) +
  labs(title = "Dados VADeaths",
             subtitle = "",
             x = NULL,
             y = "",
             fill = NULL) +
  theme(plot.title = element_text(hjust = 0.5))

Cuidado no uso dos gráficos de pizza!​

# create 3 data frame:
data1 <- data.frame( name=LETTERS[1:5], value=c(17,18,20,22,24) )
data2 <- data.frame( name=LETTERS[1:5], value=c(20,18,21,20,20) )
data3 <- data.frame( name=LETTERS[1:5], value=c(24,23,21,19,18) )

# Plot
plot_pie <- function(data, vec){

ggplot(data, aes(x="name", y=value, fill=name)) +
  geom_bar(width = 1, stat = "identity") +
  coord_polar("y", start=0, direction = -1) +
  viridis::scale_fill_viridis(discrete = TRUE,  direction=-1, option = "inferno") + 
  geom_text(aes(y = vec, label = rev(name), size=4, color=c( "white", rep("black", 4)))) +
  scale_color_manual(values=c("black", "white")) +
  theme_minimal() +
  theme(
    legend.position="none",
    plot.title = element_text(size=14),
    panel.grid = element_blank(),
    axis.text = element_blank(),
    legend.margin=unit(0, "null")
  ) +
  xlab("") +
  ylab("")
}

a <- plot_pie(data1, c(10,35,55,75,93)) + ggtitle("Exemplo de ressalvas do site data-to-viz")
b <- plot_pie(data2, c(10,35,53,75,93))
c <- plot_pie(data3, c(10,29,50,75,93))

a + b + c

plot_bar <- function(data){
  ggplot(data, aes(x=name, y=value, fill=name)) +
    geom_bar( stat = "identity") +
    viridis::scale_fill_viridis(discrete = TRUE, direction=-1, option = "inferno") + 
    scale_color_manual(values=c("black", "white")) +
    theme_minimal() +
    theme(
      legend.position="none",
      plot.title = element_text(size=14),
      panel.grid = element_blank(),
    ) +
    ylim(0,25) +
    xlab("") +
    ylab("")
}

# Make 3 barplots
a <- plot_bar(data1) + ggtitle("Exemplo de ressalvas do site data-to-viz")
b <- plot_bar(data2)
c <- plot_bar(data3)

# Put them together with patchwork
a +  b + c

Variáveis Contínuas

Sobreposição?

Adicione um ruído aleatório​

ggridges::lincoln_weather %>% 
  janitor::clean_names() %>% 
  mutate(mean_temperature_c = (mean_temperature_f - 32)/1.8) %>% 
  mutate(month_short = month(as_date(cst), label = TRUE)) %>% 
  # glimpse() 
  ggplot(aes(x = month_short, y = mean_temperature_c)) +
  geom_point(size = 1.2) +
  theme_classic() +
    scale_y_continuous(label = scales::label_number(suffix = "º")) +
    labs(title = "Temperatura média (Celsius) da Cidade de Lincoln, EUA",
             subtitle = "",
             x = NULL,
             y = NULL,
             fill = NULL) +
    theme(panel.grid.major.y = element_blank()) 

ggridges::lincoln_weather %>% 
  janitor::clean_names() %>% 
  mutate(mean_temperature_c = (mean_temperature_f - 32)/1.8) %>% 
  mutate(month_short = month(as_date(cst), label = TRUE)) %>% 
  # glimpse() 
  ggplot(aes(x = month_short, y = mean_temperature_c)) +
  geom_violin(fill = "lightgrey", color = NA) +
  ggforce::geom_sina(size = 1.2) +
  # geom_point(size = 1.5, position = position_jitter( width = 0.15, height = 0)) +
  theme_classic() +
    scale_y_continuous(label = scales::label_number(suffix = "º")) +
    labs(title = "Temperatura média (Celsius) da Cidade de Lincoln, EUA",
             subtitle = "",
             x = NULL,
             y = NULL,
             fill = NULL) +
    theme(panel.grid.major.y = element_blank()) 

Adicione também transparência

dados::milhas  %>% 
    mutate(tracao = case_when(
    tracao == "d" ~ "dianteira", 
    tracao == "t" ~ "traseira", 
    tracao == "4" ~ "4x4", 
    )) %>% 
  ggplot(aes(cidade, cilindrada, color = tracao)) +
  geom_point(size = 2.5) +
  #geom_point(size = 1.5, alpha = 0.4, position = position_jitter( width = 0.15, height = 0)) +
  scale_color_viridis_d(name = 'tipo de tração:', option = 'viridis') + 
  theme_classic(base_size = 13) +
  labs(title = "Combustível automotivo: milhas por galão vs. cilindrada",
             subtitle = "",
             x = NULL,
             y = NULL,
             fill = NULL,
        ) +
    theme(panel.grid.major.y = element_blank(),
          legend.position = c(.8, .8)) 

dados::milhas  %>% 
    mutate(tracao = case_when(
    tracao == "d" ~ "dianteira", 
    tracao == "t" ~ "traseira", 
    tracao == "4" ~ "4x4", 
    )) %>% 
  ggplot(aes(cidade, cilindrada, color = tracao)) +
  #geom_point(size = 1.5) +
  geom_point(size = 2.5, alpha = 0.5, position = position_jitter(width = 0.1, height = 0.1)) +
  scale_color_viridis_d(name = 'tipo de tração:', option = 'viridis') + 
  theme_classic(base_size = 13) +
  labs(title = "Combustível automotivo: milhas por galão vs. cilindrada",
             subtitle = "",
             x = NULL,
             y = NULL,
             fill = NULL,
        ) +
    theme(panel.grid.major.y = element_blank(),
          legend.position = c(.8, .8)) 

Eixos são suscetíveis a distorções

Esticar vs. comprimir

p1 <- ggridges::lincoln_weather %>% 
  janitor::clean_names() %>% 
  mutate(date = lubridate::as_date(cst)) %>% 
  ggplot(aes(date, wind_dir_degrees)) + 
  stat_smooth(method = 'gam', se = FALSE, color = "darkgray") +
  theme_classic(base_size = 13) +
  labs(title = "", subtitle = "", x = NULL, y = NULL, fill = NULL) +
    theme(panel.grid.major.y = element_blank(),
          legend.position = c(.8, .8)) 

(p1 + scale_x_date(date_labels = '%b') + ggtitle(label = "",subtitle = '') +
    p1 + plot_layout(ncol = 2, widths = c(1, 3))) / 
  (p1 + plot_layout(nrow = , heights = c(3, 0))) +
   plot_annotation(title = 'Graus de direção do vento, Cidade de Lincoln, EUA')

Zoom in vs. Zoom out

dados::bebes %>% 
  group_by(ano) %>% 
  summarise(n = sum(n)) %>% 
  filter(ano >= 1947) %>% 
  ggplot(aes(ano , n)) +
    coord_cartesian(ylim = c(2900000,NA)) +
    geom_area(fill = "grey", alpha = 0.8) +
    theme_classic(base_size = 13) +
    scale_y_continuous(expand = c(0,0),
                       label = scales::label_number(scale_cut = scales::cut_short_scale())) +
    scale_x_continuous(expand = c(0,.4), breaks = seq(1947, 2017, 10)) +
    labs(title = "Quantidade de bebês dos EUA reportados pela SSA", 
         subtitle = "", x = NULL, y = NULL, fill = NULL) 

dados::bebes %>% 
  group_by(ano) %>% 
  summarise(n = sum(n)) %>% 
  filter(ano >= 1947) %>% 
  ggplot(aes(ano , n)) +
    #coord_cartesian(ylim = c(3000000,NA)) +
    geom_area(fill = "grey", alpha = 0.8) +
    theme_classic(base_size = 13) +
    scale_y_continuous(expand = c(0,0),
                       label = scales::label_number(scale_cut = scales::cut_short_scale())) +
    scale_x_continuous(expand = c(0,.4), breaks = seq(1947, 2017, 10)) +
    labs(title = "Quantidade de bebês dos EUA reportados pela SSA", 
         subtitle = "", x = NULL, y = NULL, fill = NULL) 

Torne os eixos comparáveis ​

gapminder::gapminder_unfiltered %>% 
  left_join(dslabs::gapminder %>% filter(year == 2007) %>%  select(country,region)) %>% 
  filter(region %in% c("South America")) %>% 
  filter(year >= 1967) %>% 
  ggplot(aes(year, gdpPercap)) +
  geom_line(color = "darkgrey") +
  scale_y_continuous(labels = scales::label_number()) +
  facet_wrap(. ~ country, scales = "free_y", ncol = 3) +
  theme_minimal() +
    labs(title = "Gapminder: PIB dos países da América do Sul, entre 1967 e 2007",
             subtitle = "",
             x = NULL,
             y = NULL,
             fill = NULL) +
  theme(axis.line.x = element_line(size = 0.7, color = "darkgrey"),
        panel.grid.major.x = element_blank(),
        panel.grid.minor.x = element_blank()) 

gapminder::gapminder_unfiltered %>% 
  left_join(dslabs::gapminder %>% filter(year == 2007) %>%  select(country,region)) %>% 
  filter(region %in% c("South America")) %>% 
  filter(year >= 1967) %>% 
  ggplot(aes(year, gdpPercap)) +
  geom_line(color = "darkgrey") +
  scale_y_continuous(labels = scales::label_number(scale_cut = scales::cut_short_scale()),
                     n.breaks = 5) +
  facet_wrap(. ~ country, ncol = 3) +
  #facet_wrap(. ~ country, scales = "free_y") +
  theme_minimal() +
    labs(title = "Gapminder: PIB dos países da América do Sul, entre 1967 e 2007",
             subtitle = "",
             x = NULL,
             y = NULL,
             fill = NULL) +
  theme(axis.line.x = element_line(size = 0.7, color = "darkgrey"),
        panel.grid.major.x = element_blank(),
        panel.grid.minor.x = element_blank()) 

Design

Evite usar cores indistintamente​

muni_map %>% 
  ggplot() +
  geom_sf(aes(fill = idhm, colour = idhm), size = 0.1) +
  geom_sf(data = brazilmaps::get_brmap("State"), fill = "transparent",
          colour = "white", size = 0.5) +
  scale_color_gradientn(
    name = "Índice de \nDesenvolvimento \nHumano \ndos municípios \nbrasileiros", 
    colours = rainbow(6), labels = scales::percent) +
  scale_fill_gradientn(guide = FALSE, colours = rainbow(6)) +
  theme(panel.grid = element_line(colour = "transparent"),
        panel.background = element_blank(),
        axis.text = element_blank(),
        axis.ticks = element_blank(),
        legend.position = "left")