PRIMEIRA VISUALIZAÇÃO - MTCARS

head(mtcars)
##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

GRÁFICO DE DISPERSÃO

ggplot(mtcars, aes(x = wt, y = mpg, color = factor(cyl))) + geom_point() + theme_minimal() + labs(
    title = "Relação entre Peso e Consumo de combustivel",
    x = "Peso do carro",
    y = "Milhas por galão",
    color = "Cilindros"
  )

SEGUNDA VISUALIZAÇÃO - DIAMONDS

head(diamonds)
## # A tibble: 6 × 10
##   carat cut       color clarity depth table price     x     y     z
##   <dbl> <ord>     <ord> <ord>   <dbl> <dbl> <int> <dbl> <dbl> <dbl>
## 1  0.23 Ideal     E     SI2      61.5    55   326  3.95  3.98  2.43
## 2  0.21 Premium   E     SI1      59.8    61   326  3.89  3.84  2.31
## 3  0.23 Good      E     VS1      56.9    65   327  4.05  4.07  2.31
## 4  0.29 Premium   I     VS2      62.4    58   334  4.2   4.23  2.63
## 5  0.31 Good      J     SI2      63.3    58   335  4.34  4.35  2.75
## 6  0.24 Very Good J     VVS2     62.8    57   336  3.94  3.96  2.48

GRÁFICO DE BARRAS

diamonds_ord <- diamonds %>%
  count(cut) %>%
  arrange(desc(n)) %>%
  mutate(cut = factor(cut, levels = cut))

ggplot(diamonds_ord, aes(x = cut, y = n, fill = cut)) +
  geom_bar(stat = "identity") +
  geom_text(aes(label = n), vjust = -0.3) +
  scale_fill_brewer(palette = "RdYlBu") +
  labs(
    title = "Contagem de Diamantes por Corte",
    x = "Tipo de Corte",
    y = "Contagem de Diamantes",
    fill = "Corte"
  ) + theme_minimal()

CUSTOMIZAÇÃO AVANÇADA

ggplot(diamonds, aes(x = cut, y = price, fill = cut)) +
  geom_boxplot() +
  labs(
    title = "Distribuição do Preço dos Diamantes por Tipo de Corte",
    x = "Tipo de Corte",
    y = "Preço do Diamante (US$)"
  ) +
  scale_fill_manual(
    values = c(
      "Fair" = "#d73027",
      "Good" = "#fc8d59",
      "Very Good" = "#fee08b",
      "Premium" = "#91bfdb",
      "Ideal" = "#4575b4"
    )
  ) +
  theme_minimal() +
  theme(
    legend.position = "none",              
    axis.text.x = element_text(angle = 45, 
                               hjust = 1)
  )

CONCEITOS FUNDAMENTAIS

QUESTÃO 1

Explique a diferença entre os geom_point() e geom_jitter()? Em que situação cada um é mais apropriado?

A representação geom_point plota todos os dados na exata coordenada em que eles se encontram, de modo que caso haja sobreposição de pontos dificulta a visualização por não ser capaz de demonstrar a densidade da amostra. Importante quando a precisão do ponto é fundamental. É recomendado para conjuntos com pouca repetição de valores e com menor conjunto de dados.

Já na representação geom_jitter, quando há sobreposição de valores, é realizado um pequeno deslocamento aleatorio (chamado jitter), de modo a demonstrar uma maior densidade de dados naquele local. O deslocamento é apenas visual e não altera a base de dados. É recomendada quando há muitos valores iguais ou repetidos, quando há necessidade de revelar a distribuição e concentração dos dados ou para variaveis discretas ou categóricas.

QUESTÃO 2

Descreva o conceito de “Gramática dos Gráficos” e como ele é implementado no ggplot2.

O conceito de “GRAMATICA DOS GRÁFICOS” define que a construção de um gráfico estatistico pode ser construido por uma serie de camadas, as quais somadas produzem o gráfico final, de maneira semelhante a formação de uma frase.

Essa é a teoria que é utilizada na linguagem R pela biblioteca ggplot2 para criação de gráficos, fazendo seu funcionamento ser mais eficiente e estruturado.

Nele cada componente do gráfico é adicionado de forma incremental, usando o operador +.

As camadas são definidas como:

1- Dados (Data)

2- Estética (Aesthetics - aes)

3- Geometria (Geometry - geom_***)

4- Estatística (Statistics - stat_***)

5- Faceta (Facets - facet_***)

6- Coordenadas (Cordinates)

7- Tema (Theme)