library(ggplot2)
library(ggpubr)

# Crear datos de ejemplo
data <- data.frame(
  group = rep(c("A", "B"), each = 50),
  value = c(rnorm(50, mean = 5), rnorm(50, mean = 10))
)
data_pie <- data.frame(
  category = c("A", "B", "C"),
  count = c(10, 20, 30)
)
data_density <- data.frame(
  value = c(rnorm(1000, mean = 5, sd = 1))
)
data_bar <- data.frame(
  category = c("A", "B", "C"),
  count = c(10, 20, 30)
)

# Crear gráficos
boxplot <- ggplot(data, aes(x = group, y = value, fill = group)) +
  geom_boxplot() +
  labs(title = "Boxplot de Grupos A y B", x = "Grupo", y = "Valor") +
  theme_minimal()

pie_chart <- ggplot(data_pie, aes(x = "", y = count, fill = category)) +
  geom_bar(width = 1, stat = "identity") +
  coord_polar(theta = "y") +
  labs(title = "Gráfico de Torta de Categorías A, B y C") +
  theme_void()

density_plot <- ggplot(data_density, aes(x = value)) +
  geom_density(fill = "blue", alpha = 0.5) +
  labs(title = "Gráfico de Densidad", x = "Valor", y = "Densidad") +
  theme_minimal()

bar_plot <- ggplot(data_bar, aes(x = category, y = count, fill = category)) +
  geom_bar(stat = "identity") +
  labs(title = "Gráfico de Barras de Categorías A, B y C", x = "Categoría", y = "Cantidad") +
  theme_minimal()

# Combinar y mostrar gráficos en un solo layout
combined_plot <- ggarrange(
  boxplot, pie_chart, density_plot, bar_plot,
  labels = c("A", "B", "C", "D"),
  ncol = 2, nrow = 2
)

print(combined_plot)

¿Por qué estas opciones de librerias?

ggplot2:

ggplot2 es una librería altamente versátil y poderosa para la visualización de datos en R. Permite crear una amplia variedad de gráficos personalizables de manera eficiente.

Utiliza una gramática de gráficos que facilita la creación y modificación de visualizaciones mediante capas, lo que resulta en gráficos claros y profesionalmente presentados.

ggpubr:

ggpubr complementa a ggplot2 al proporcionar funciones que simplifican la personalización y la combinación de gráficos.

Ofrece herramientas adicionales para mejorar la presentación de gráficos, como la fácil adición de etiquetas, leyendas y la creación de diseños complejos al combinar múltiples gráficos en un solo layout.

Estas librerías combinadas permiten crear visualizaciones de alta calidad de manera eficiente y personalizable, facilitando tanto la exploración como la presentación de datos.

¿Por qué estas opciones?

Boxplot: Perfecto para comparar distribuciones y detectar valores atípicos entre diferentes grupos. Brinda una visión clara de la mediana, cuartiles y posibles outliers.

Pie Chart: Ideal para mostrar la proporción de diferentes categorías dentro de un todo. Facilita la visualización de cómo se distribuye una métrica entre distintas partes.

Density Plot: Útil para visualizar la distribución de una variable continua sin segmentar datos en binarios como un histograma. Proporciona una estimación más suave y detallada.

Bar Plot: Eficiente para comparar cantidades entre diferentes categorías. Claramente muestra diferencias entre grupos y es fácil de entender a simple vista.