Sesión 5 - Visualización con Gráfico de Dispersión

Descarga el conjunto de datos en formato csv en la siguiente liga: https://drive.google.com/file/d/12IpMErb4j83h5gGTdTpv0WZOf5ceY7b3/view?usp=sharing

1. Cargar los datos y algo de limpieza

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

# Leer archivo
movies_original <- read_csv("movie_info.csv", 
                   col_types = cols(.default = "c"))

movies <- movies_original %>%
  mutate(
    critic_score = as.numeric(str_remove(critic_score, "%")),
    audience_score = as.numeric(str_remove(audience_score, "%")),
    year = str_extract(release_date, "\\d{4}"),
    year = as.numeric(year)
  )

2. Crear el primer gráfico de dispersión básico

3. Personalizar apariencia de los puntos

#geom_point

4. Agregar una línea de tendencia al gráfico

#geom_smooth

5. Facetas por año de estreno

#facet_wrap(~ year, ncol = 4, scales = "free") 

6. Mini reto práctico

• Elige una película específica (title) y filtra la base.

• Compara su puntuación de crítica y audiencia contra la media general.

• Filtra las películas del año 1997, ¿cuál es la que tiene mayor puntuación en crítica?

• Crea un gráfico de dispersión sólo para las películas del año 2000 en adelante.

• Genera la media de las puntuaciones de crítica para el conjunto de datos anteriores a 2000 (inlcuido). Genera la media de las puntuaciones de crítica para el conjunto de datos posteriores a 2000. ¿Qué tan diferentes son estas medias, qué indica eso?

• Genera la media de las puntuaciones de audiciencia para el conjunto de datos anteriores a 2000 (inlcuido). Genera la media de las puntuaciones de audiencia para el conjunto de datos posteriores a 2000. ¿Qué tan diferentes son estas medias, qué indica eso?

¡Listo!

En esta sesión aprendiste a:

• Crear gráficos de dispersión en ggplot2.

• Personalizar color, forma, tamaño y transparencia.

• Agregar líneas de tendencia para interpretación.

• Separar visualizaciones por grupos usando facet_grid().