Gráficos

Ejercicios gráficos de ggplot2

A lo largo de estos ejercicios, se desarrollan distintas visualizaciones que permiten observar cómo se relacionan las variables del conjunto de datos. Desde gráficos de dispersión hasta histogramas y boxplots, cada ejercicio busca destacar una forma distinta de representar visualmente los datos para facilitar su interpretación. Estas técnicas son esenciales en el análisis exploratorio y ayudan a tomar decisiones informadas a partir de la información visualizada.

library(ggplot2)

## Warning: package 'ggplot2' was built under R version 4.4.3

library(dplyr)

## Warning: package 'dplyr' was built under R version 4.4.3

## 
## Adjuntando el paquete: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

# Cargar el dataset diamonds
data("diamonds")

# Ejercicio 1: Dispersión entre precio y quilates
ggplot(diamonds, aes(x = carat, y = price)) +
  geom_point(color = "blue")

Gráfico de dispersión simple

• Asigna los ejes del gráfico (carat en X y price en Y)
• Crea un gráfico de puntos (dispersión) en color azul.

# Ejercicio 2: Colorear por calidad del corte
ggplot(diamonds, aes(x = carat, y = price, color = cut)) +
  geom_point(size = 1.5) +
  ggtitle("Relación entre Precio y Quilates según el Corte")

Dispersión con color por tipo de corte

• Colorea los puntos según la variable cut (calidad del corte).
• Aumenta el tamaño de los puntos.
• Añade un título al gráfico.

# Ejercicio 3: Boxplot del precio por claridad
ggplot(diamonds, aes(x = clarity, y = price)) +
  geom_boxplot(fill = "orange") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Boxplot del precio según claridad

• Crea diagramas de caja para cada tipo de clarity.
• Rellena las cajas con color naranja.
• Gira las etiquetas del eje X 45° para mejor lectura.

# Ejercicio 4: Histograma de precios
ggplot(diamonds, aes(x = price)) +
  geom_histogram(bins = 30, fill = "green", color = "black")

Histograma de precios

• Crea un histograma de la variable price.
• Divide los datos en 30 segmentos (barras).
• Barras verdes con bordes negros.

# Ejercicio 5: Gráfico de líneas de precio promedio por quilate
diamonds_avg <- diamonds %>%
  group_by(carat) %>%
  summarise(avg_price = mean(price))

ggplot(diamonds_avg, aes(x = carat, y = avg_price)) +
  geom_line() +
  ggtitle("Precio Promedio por Quilate")

Histograma de precios

• Agrupa los datos por carat y calcula el promedio del precio (avg_price).
• Grafica una línea con esos promedios.
• Agrega un título al gráfico. Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.