Actividad visualización de datos

Ejercicio

Crear un nuevo dataframe que sea un subconjunto del dataframe original de dfFires. El subconjunto debe contener todos los incendios del Estado de Idaho y las columnas deben ser limitadas para que sólo estén presentes las columnas YEAR_, CAUSE y TOTALACRES. Cambie el nombre de las columnas. Agrupe los datos por CAUSE y YEAR_ y luego resuma por el total de acres quemados. Trazar los resultados..

Solución

library(readr)
library(dplyr)
library(ggplot2)

Primero, importamos la base de datos y la mostramos.

StudyArea <- read_csv("C:/Users/Usuario/Downloads/RDataSets/RDataSets/StudyArea.csv")
head(StudyArea)

# A tibble: 6 × 14
    FID ORGANIZATI UNIT  SUBUNIT SUBUNIT2        FIRENAME CAUSE YEAR_ STARTDATED
  <dbl> <chr>      <chr> <chr>   <chr>           <chr>    <chr> <dbl> <chr>     
1     0 FWS        81682 USCADBR San Diego Bay … PUMP HO… Human  2001 1/1/01 0:…
2     1 FWS        81682 USCADBR San Diego Bay … I5       Human  2002 5/3/02 0:…
3     2 FWS        81682 USCADBR San Diego Bay … SOUTHBAY Human  2002 6/1/02 0:…
4     3 FWS        81682 USCADBR San Diego Bay … MARINA   Human  2001 7/12/01 0…
5     4 FWS        81682 USCADBR San Diego Bay … HILL     Human  1994 9/13/94 0…
6     5 FWS        81682 USCADBR San Diego Bay … IRRIGAT… Human  1994 4/22/94 0…
# ℹ 5 more variables: CONTRDATED <chr>, OUTDATED <chr>, STATE <chr>,
#   STATE_FIPS <dbl>, TOTALACRES <dbl>

Como el estado de interés es idaho, filtraremos la base de datos original para quedarnos con la información que nos importa, en este caso, nos quedaremos con las columnas YEAR_, CAUSE y TOTALACRES, y luego, las renombraremos.

idahostate <- subset(StudyArea, STATE =="Idaho", select =  c(STATE,YEAR_,CAUSE,TOTALACRES))
newidahostate <- rename(idahostate, Estado=STATE, Año=YEAR_, Causa= CAUSE, AcresTotal = TOTALACRES)
head(newidahostate)

# A tibble: 6 × 4
  Estado   Año Causa   AcresTotal
  <chr>  <dbl> <chr>        <dbl>
1 Idaho   1987 Human            5
2 Idaho   1991 Natural        150
3 Idaho   1991 Human          800
4 Idaho   1990 Natural          2
5 Idaho   1985 Human           38
6 Idaho   1988 Human            2

Graficas

Por último, agruparemos los datos por causa y año, para poder crear un diagrama de cajas y así obtener la información de manera visual.

cols <- c("#CFD8DC", "#90A4AE", "#455A64")
ggplot(newidahostate, aes(x=Causa, y=Año, fill = Causa)) + 
  stat_boxplot(geom = "errorbar",
               width = 0.25) + 
  geom_boxplot(alpha = 0.8,          
               colour = "#474747",   
               outlier.colour = 1) + 
  scale_fill_manual(values = cols)

Podemos decir que en el gráfico anterior, las causas human y natural presentan cajas muy parecidas, lo que puede significar que su distribución es similar, la causa undertermined presenta datos muy concentrados en los años 2010, con menor variación, en cuanto a NA su distribución es mas dispersa,y en el lado izquierdo de la caja, podemos notar que hay más agrupación de los datos, lo que puede significar asimetria hacia la izquierda. Por otro lado, para conocer el total de acres quemados y su causa, realizamos un diagrama de barras.

cols <- c("#CFD8DC", "#90A4AE", "#455A64")

# Crear el gráfico con colores personalizados
ggplot(data = newidahostate) + 
  geom_col(mapping = aes(x = Causa, y = Año, fill = Causa)) +
  scale_fill_manual(values = cols) +
  labs(
    title = "Total de Acres Quemados por Causa",
    x = "Causa",
    y = "Total de Acres Quemados"
  )