El presente documento contiene el solucionario al ejercicio 3.8.1 del libro de R for Data Science de Hadley Wickham y Garrett Grolemund en su versión en español.
Este documento se realiza con fines acadĂ©micos para el curso de TĂ©cnicas de ExploraciĂłn de Datos de la carrera de EstadĂstica e Informática de la Universidad Nacional Agraria La Molina de Lima, PerĂş.
Hay una pieza más de magia asociada con los gráficos de barras.
Puedes colorear un gráfico de barras usando tanto la estética de
color como la más útil
fill(relleno):
ggplot(data = diamantes) +
geom_bar(mapping = aes(x = corte, colour = corte))
ggplot(data = diamantes) +
geom_bar(mapping = aes(x = corte, fill = corte))
Mira lo que sucede si asignas la estética de relleno (fill)
a otra variable, como claridad: las barras se apilan
automáticamente. Cada rectángulo de color representa una combinación de
corte y claridad.
ggplot(data = diamantes) +
geom_bar(mapping = aes(x = corte, fill = claridad))
El apilamiento se realiza automáticamente mediante el ajuste de
posiciĂłn especificado por el argumento position. Si no
deseas un gráfico de barras apiladas ("stack"), uedes usar
una de las otras tres opciones: "identity",
"dodge" o "fill".
position = "identity" colocará cada objeto exactamente
donde cae en el contexto del gráfico. Esto no es muy útil al momento de
graficar barras, ya que las superpone. Para ver esa superposiciĂłn,
debemos hacer que las barras sean ligeramente transparentes configurando
el alpha a un valor pequeño, o completamente transparente
al establecer fill = NA.ggplot(data = diamantes, mapping = aes(x = corte, fill = claridad)) +
geom_bar(alpha = 1/5, position = "identity")
ggplot(data = diamantes, mapping = aes(x = corte, colour = claridad)) +
geom_bar(fill = NA, position = "identity")
El ajuste de position = identity es más útil para geoms
2D, como puntos, donde es la opciĂłn predeterminada.
position = "fill" funciona como el apilamiento de
position = "stack", pero hace que cada conjunto de barras
apiladas tenga la misma altura. Esto hace que sea más fácil comparar
proporciones entre grupos.ggplot(data = diamantes) +
geom_bar(mapping = aes(x = corte, fill = claridad), position = "fill")
position = "dodge" coloca los objetos superpuestos uno
al lado del otro. Esto hace que sea más fácil comparar valores
individuales.ggplot(data = diamantes) +
geom_bar(mapping = aes(x = corte, fill = claridad), position = "dodge")
Hay otro tipo de ajuste que no es útil para gráficos de barras, pero que puede ser muy útil para diagramas de dispersión. Recuerda nuestro primer diagrama de dispersión. ¿Notaste que mostraba solo 126 puntos, a pesar de que hay 234 observaciones en el conjunto de datos?
Los valores de las variables autopista y
cilindrada se redondean de modo que los puntos aparecen en
una cuadrĂcula y muchos se superponen entre sĂ. Este problema se conoce
como solapamiento (overplotting). Esta
disposiciĂłn hace que sea difĂcil ver dĂłnde está la masa de datos. ÂżLos
puntos de datos se distribuyen equitativamente a lo largo de la gráfica,
o hay una combinaciĂłn especial de autopista y
cilindrada que contiene 109 valores?
Puedes evitar esto estableciendo el ajuste de posición en “jitter”.
position = "jitter" agrega una pequeña cantidad de ruido
aleatorio a cada punto. Esto dispersa los puntos, ya que es poco
probable que dos puntos reciban la misma cantidad de ruido
aleatorio.
ggplot(data = millas) +
geom_point(mapping = aes(x = cilindrada, y = autopista), position = "jitter")
Agregar aleatoriedad a los puntos puede parecer una forma extraña de
mejorar tu gráfico. Si bien hace que sea menos preciso a escalas
pequeñas, lo hace ser más revelador a gran escala. Como esta es una
operaciĂłn tan Ăştil, ggplot2 incluye una abreviatura de
geom_point(position = "jitter"):
geom_jitter().
ggplot(data = millas, mapping = aes(x = ciudad, y = autopista)) +
geom_point()
RESPUESTA:
El problema del gráfico es que no es posible detectar todos los datos debido al hecho de estar superpuestos unos sobre otros.
Lo mejorarĂa cambiando la funciĂłn geom_point por geom_jitter para
generar dispersión y que se vea con un poco más de precisión la cantidad
real de datos en el gráfico. Adicional a ello le agregarĂa color con
otra variable, para tener mayor claridad y el parámetro
alpha().
ggplot(data = millas, mapping = aes(x = ciudad, y = autopista, color=cilindros)) +
geom_jitter(alpha= 0.5, show.legend = TRUE)
ggplot(data = millas, mapping = aes(x = ciudad, y = autopista, color=fabricante)) +
geom_jitter( alpha= 0.5, show.legend = TRUE)
geom_jitter() controlan la cantidad de ruido?RESPUESTA: Los parámetros width y height,
mientras mayor valor tengan, se verá mayor cantidad de ruido
aleatorio.
ggplot(data = millas, mapping = aes(x = ciudad, y = autopista, color=fabricante)) +
geom_jitter(width = 0.1, height = 0.1, alpha= 0.5, show.legend = TRUE)
ggplot(data = millas, mapping = aes(x = ciudad, y = autopista, color=fabricante)) +
geom_jitter(width = 0.9, height = 0.9, alpha= 0.5, show.legend = TRUE)
geom_jitter() con geom_count()RESPUESTA:
ggplot(data = millas, mapping = aes(x = ciudad, y = autopista, color=fabricante)) +
geom_count()
ggplot(data = millas, mapping = aes(x = ciudad, y = autopista, color=fabricante)) +
geom_jitter()
Con geom_count podemos encontrar la diferencia en la
cantidad de datos debido al volumen de los puntos en el gráfico,
teniendo el mismo orden que geom_point. En cambio, con
geom_jitter, la diferencia es debido a la cantidad de
puntos en la gráfica.
geom_boxplot() ? Crea una
visualizaciĂłn del conjunto de datos de millas que lo
demuestre.RESPUESTA: El valor predeterminado para geom_boxplot()
es position = "dodge"
ggplot(data = millas, mapping = aes(x = clase, y = autopista)) +
geom_point()
ggplot(data = millas, mapping = aes(x = clase, y = autopista)) +
geom_boxplot()
ggplot(data = millas, mapping = aes(x = clase, y = autopista)) +
geom_boxplot(position = "dodge")