1 Presentación

El presente documento contiene el solucionario a los ejercicios 3.3.1 del libro de R for Data Science de Hadley Wickham y Garrett Grolemund en su versión en español.

Este documento se realiza con fines académicos para el curso de Técnicas de Exploración de Datos de la carrera de Estadística e Informática de la Universidad Nacional Agraria La Molina de Lima, Perú.

2 Marco téorico

2.1 3.3 Mapeos estéticos

En el siguiente gráfico, un grupo de puntos (resaltados en rojo) parece quedar fuera de la tendencia lineal. Estos automóviles tienen un kilometraje mayor de lo que esperaríamos. ¿Cómo puedes explicar estos vehículos?

Supongamos que estos automóviles son híbridos. Una forma de probar esta hipótesis es observando la variable que indica la clase de cada automóvil. La variable clase del conjunto de datos de millas clasifica los autos en grupos como compacto, mediano y SUV. Si los puntos periféricos corresponden a automóviles híbridos, deberían estar clasificados como compactos o, tal vez, subcompactos (ten en cuenta que estos datos se recopilaron antes de que las camionetas híbridas y SUV se hicieran populares).

Puedes agregar una tercera variable, como clase, a un diagrama de dispersión bidimensional asignándolo a un parámetro estético. Un parámetro estético (o estética) es una propiedad visual de los objetos de un gráfico. Las estéticas incluye cosas como el tamaño, la forma o el color de tus puntos. Puedes mostrar un punto (como el siguiente) de diferentes maneras si cambias los valores de sus propiedades estéticas. Como ya usamos la palabra “valor” para describir los datos, usemos la palabra “nivel” para describir las propiedades estéticas. Aquí cambiamos los niveles del tamaño, la forma y el color de un punto para que el punto sea pequeño, triangular o azul:

El mapeo entre las propiedades estéticas de tu gráfico y las variables de tu dataset te permite comunicar información sobre tus datos. Por ejemplo, puedes asignar los colores de los puntos de acuerdo a la variable clase para indicar a qué clase pertenece cada automóvil.

ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista, color = clase))

(Si prefieres el inglés británico, como Hadley, puedes usar colour en lugar de color).

Para mapear (o asignar) una estética a una variable, debes asociar el nombre de la estética al de la variable dentro de aes(). ggplot2 asignará automáticamente un nivel único de la estética (en este ejemplo, un color) a cada valor único de la variable. Este proceso es conocido como escalamiento (scaling). ggplot2 acompañará el gráfico con una leyenda que explica qué niveles corresponden a qué valores.

Los colores revelan que muchos de los puntos inusuales son automóviles de dos asientos. ¡Estos no parecen híbridos y son, de hecho, automóviles deportivos! Los automóviles deportivos tienen motores grandes, como las camionetas todo terreno o pickups, pero su cuerpo es pequeño, como los automóviles medianos y compactos, lo que mejora su consumo de gasolina. En retrospectiva, es poco probable que estos automóviles sean híbridos, ya que tienen motores grandes.

En el ejemplo anterior asignamos la variable clase a la estética de color, pero podríamos haberla asignado a la estética del tamaño del mismo modo. En este caso, el tamaño exacto de cada punto revelaría a qué clase pertenece. Recibimos aquí una advertencia (warning), porque mapear una variable no ordenada (clase) a una estética ordenada (size) no es una buena idea.

ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista, size = clase))

Warning: Using size for a discrete variable is not advised.

También podríamos haber asignado la variable clase a la estética alpha, que controla la transparencia de los puntos, o a la estética shape que controla la forma (shape) de los puntos.

# Izquierda
ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista, alpha = clase))

# Derecha
ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista, shape = clase))

¿Qué pasó con los SUV? ggplot2 solo puede usar seis formas a la vez. De forma predeterminada, los grupos adicionales no se grafican cuando se emplea la estética de la forma (shape).

Para cada estética utilizamos aes() para asociar su nombre con la variable seleccionada para graficar. La función aes() reúne cada una de las asignaciones estéticas utilizadas por una capa y las pasa al argumento de mapeo de la capa. La sintaxis resalta una visión útil sobre x e y: las ubicaciones de x e y de un punto son en sí mismas también estéticas, es decir propiedades visuales que se puede asignar a las variables para mostrar información sobre los datos.

Una vez que asignas (o “mapeas”) una estética, ggplot2 se ocupa del resto. El paquete selecciona una escala razonable para usar con la estética elegida y construye una leyenda que explica la relación entre niveles y valores. Para la estética x e y, ggplot2 no crea una leyenda, pero sí una línea que delimita el eje con sus marcas de graduación y una etiqueta. La línea del eje actúa como una leyenda; explica el mapeo entre ubicaciones y valores.

También puedes fijar las propiedades estéticas de tu geom manualmente. Por ejemplo, podemos hacer que todos los puntos del gráfico sean azules:

ggplot(data = millas) +
 geom_point(mapping = aes(x = cilindrada, y = autopista), color = "blue")

Aquí, el color no transmite información sobre una variable, sino que cambia la apariencia del gráfico. Para establecer una estética de forma manual, debes usar el nombre de la estética como un argumento de la función geom; es decir, va fuera de aes(). Tendrás que elegir un nivel que tenga sentido para esa estética:

  • El nombre de un color como cadena de caracteres.

  • El tamaño de un punto en mm.

  • La forma de un punto como un número, tal como se muestra en la Figura @ref(fig:shapes).

R tiene 25 formas predefinidas que están identificadas por números. Hay algunas que parecen duplicados: por ejemplo 0, 15 y 22 son todos cuadrados. La diferencia viene de la interacción entre las estéticas color y fill (relleno). Las formas vacías (0–14) tienen un borde determinado por color; las formas sólidas (15–18) están rellenas con color; las formas rellenas (21–24) tienen un borde de color y están rellenas por fill.

3 Ejercicios

rm(list = ls())
cat("\014")
graphics.off()
setwd(dirname(rstudioapi::getActiveDocumentContext()$path))
options(scipen = 999)

library(pacman)
p_load(ggplot2, dplyr, datos)

millas |> str(); millas |> View()
## tibble [234 × 11] (S3: tbl_df/tbl/data.frame)
##  $ fabricante : chr [1:234] "audi" "audi" "audi" "audi" ...
##  $ modelo     : chr [1:234] "a4" "a4" "a4" "a4" ...
##  $ cilindrada : num [1:234] 1.8 1.8 2 2 2.8 2.8 3.1 1.8 1.8 2 ...
##  $ anio       : int [1:234] 1999 1999 2008 2008 1999 1999 2008 1999 1999 2008 ...
##  $ cilindros  : int [1:234] 4 4 4 4 6 6 6 4 4 4 ...
##  $ transmision: chr [1:234] "auto(l5)" "manual(m5)" "manual(m6)" "auto(av)" ...
##  $ traccion   : chr [1:234] "d" "d" "d" "d" ...
##  $ ciudad     : int [1:234] 18 21 20 21 16 18 18 18 16 20 ...
##  $ autopista  : int [1:234] 29 29 31 30 26 26 27 26 25 28 ...
##  $ combustible: chr [1:234] "p" "p" "p" "p" ...
##  $ clase      : chr [1:234] "compacto" "compacto" "compacto" "compacto" ...

3.1 Ejercicio 1

¿Qué no va bien en este código? ¿Por qué hay puntos que no son azules?

ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista, color = "blue"))

El argumento (color = “blue”) no va dentro de la función aes(), sino dentro de la función que va a graficar, como es geom_point. Por eso, los puntos no son rojos. A continuación, pondré un código que sí coloque los puntos de color azul.

ggplot(data = millas, aes(x = cilindrada, y = autopista, )) +
  geom_point(color ="blue") 

3.2 Ejercicio 2

¿Qué variables en millas son categóricas? ¿Qué variables son continuas? (Pista: escribe ?millas para leer la documentación de ayuda para este conjunto de datos). ¿Cómo puedes ver esta información cuando ejecutas millas?

attach(millas)

Hay 11 variables, de las cuales a continuación mostraré cuáles son continuas y cuáles son categóricas.

fabricante |> typeof() 
## [1] "character"
modelo |> typeof()
## [1] "character"
cilindrada |> typeof()
## [1] "double"
anio |> typeof()
## [1] "integer"
cilindros |> typeof()
## [1] "integer"
transmision |> typeof()
## [1] "character"
traccion |> typeof()
## [1] "character"
ciudad |> typeof()
## [1] "integer"
autopista |> typeof()
## [1] "integer"
combustible |> typeof()
## [1] "character"
clase |> typeof()
## [1] "character"

Usando los códigos mostrados, con la función typeof() podemos ver los tipos de variables que son. Teniendo así, que las variables: “fabricante”, “modelo”, “transmision”, “traccion”, “combustible” y “clase” son factores. Y las continuas son: “cilindrada”, “anio”, “cilindros”, “ciudad” y “autopista”.

3.3 Ejercicio 3

Asigna una variable continua a color, size, y shape. ¿Cómo se comportan estas estéticas de manera diferente para variables categóricas y variables continuas?

Las estéticas son los atributos visuales que se pueden asignar a los datos, como el color, el tamaño y la forma. Estas estéticas se comportan de manera diferente según el tipo de variable que se les asigne. Las variables pueden ser continuas o categóricas.

3.3.1 VARIABLES CONTINUAS:

ggplot(data = millas, aes(x = cilindrada, y = autopista, color = ciudad)) +
  geom_point()

ggplot(data = millas, aes(x = cilindrada, y = autopista, size = ciudad)) +
  geom_point(color = "blue")

Este seria el tercer codigo, pero no se ejecute porque tiene un error el cual es que no corre porque asignamos una variable continua (ciudad) a una estética que solo acepta variables discretas (shape). Shape solo puede tomar valores categóricos, no valores numéricos.

ggplot(data = millas, aes(x = cilindrada, y = autopista, shape = ciudad)) + geom_point()

Cuando se asigna una variable continua a una estética, ggplot2 crea una escala de acuerdo a la intencidad de las variables que representa con diferentes niveles. Por ejemplo, si se asigna una variable continua a color, ggplot2 usa una paleta de colores que va desde el más claro al más oscuro según el valor de la variable. Si se asigna una variable continua a size, ggplot2 usa un rango de tamaños que va desde el más pequeño al más grande según el valor de la variable. Si se asigna una variable continua a shape, ggplot2 usa una serie de formas que van desde el más simple al más complejo según el valor de la variable.

3.3.2 VARIABLES CATEGÒRICAS:

ggplot(data = millas, aes(x = cilindrada, y = autopista, color = clase)) +
  geom_point()

ggplot(data = millas, aes(x = cilindrada, y = autopista, size = clase)) +
  geom_point(color = "blue")

ggplot(data = millas, aes(x = cilindrada, y = autopista, shape = clase)) +
  geom_point()

Cuando se asigna una variable categórica a una estética, ggplot2 crea una elementos visuales que representan a los valores de las variables con diferentes categorias . Por ejemplo, si se asigna una variable categórica a color, ggplot2 usa una paleta de colores que distingue cada categoría de la variable con un color diferente. Si se asigna una variable categórica a size, ggplot2 usa un conjunto de tamaños que distingue cada categoría de la variable con un tamaño diferente. Si se asigna una variable categórica a shape, ggplot2 usa un conjunto de formas que distingue cada categoría de la variable con una forma diferente.

3.4 Ejercicio 4

¿Qué ocurre si asignas o mapeas la misma variable a múltiples estéticas?

ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista, color = clase, size = clase, shape = clase))

Cada valor de la variable tendrá un nivel único de cada estética. En este caso mapee la variable clase a las estéticas de color, tamaño y forma, cada valor de clase tendrá un color, un tamaño y una forma diferentes. Esto puede ser útil para resaltar las diferencias entre los grupos, pero también puede ser confuso o redundante si hay muchas categorías.

3.5 Ejercicio 5

¿Qué hace la estética stroke? ¿Con qué formas trabaja? (Pista: consulta ?geom_point)

ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista, color = clase),
             stroke = 3)

La estética stroke se usa para controlar el grosor del borde de los puntos. Solo trabaja con las formas que tienen bordes

3.6 Ejercicio 6

¿Qué ocurre si se asigna o mapea una estética a algo diferente del nombre de una variable, #como aes(color = cilindrada < 5)?

ggplot(data = millas) + geom_point(mapping = aes(x = cilindrada, y = autopista, color = cilindrada < 5))

ggplot(data = millas) + geom_point(mapping = aes(x = cilindrada, y = autopista, color = fabricante != "dodge"))

Si se asigna o mapea una estética a una expresión lógica, ggplot2 crea una variable lógica que solo puede tomar dos valores: TRUE o FALSE. Luego, usa una paleta de colores que distingue estos dos valores con dos colores diferentes. En el primer código, los puntos que tienen cilindrada menor que 5 serán de un color, y los que tienen cilindrada mayor o igual que 5 serán de otro color. En el segundo código, los puntos que tienen fabricante diferente de “dodge” serán de un color, y los que tienen fabricante igual a “dodge” serán de otro color.