Column

Centro de Gerenciamento e Análise de Dados

Column

1.1 Scatter plot (mtcars)

data(mtcars)

ggplot(data = mtcars, aes(x = wt, y = mpg, color = factor(cyl))) +
  geom_point(size = 3, alpha = 0.85) +
  labs(
    title = "Relação entre Peso e Consumo de Combustível",
    x = "Peso do carro (WT)",
    y = "Consumo (mpg - milhas por galão)",
    color = "Cilindros"
  ) +
  theme_minimal()

1.2 Barras (diamonds)

df_cut <- diamonds %>%
  count(cut, name = "qtd") %>%
  mutate(cut = fct_reorder(cut, qtd, .desc = TRUE))

ggplot(df_cut, aes(x = cut, y = qtd, fill = cut)) +
  geom_col() +
  geom_text(aes(label = qtd), vjust = -0.3, size = 4) +
  labs(
    title = "Contagem de diamantes por corte (cut)",
    x = "Corte (cut)",
    y = "Quantidade"
  ) +
  scale_fill_brewer(palette = "RdYlBu") +
  theme_minimal() +
  theme(legend.position = "none")

1.3 Boxplot (price por cut)

cores_cut <- c(
  "Fair" = "#1b9e77",
  "Good" = "#d95f02",
  "Very Good" = "#7570b3",
  "Premium" = "#e7298a",
  "Ideal" = "#66a61e"
)
 
ggplot(diamonds, aes(x = cut, y = price, fill = cut)) +
  geom_boxplot(outlier_alpha = 0.3) +
  labs(
    title = "Distribuição do preço por tipo de corte",
    x = "Tipo de corte (cut)",
    y = "Preço (price)"
  ) +
  scale_fill_manual(values = cores_cut) +
  theme_minimal() +
  theme(
    legend.position = "none",
    axis.text.x = element_text(angle = 45, hjust = 1)
  )

1.4 Respostas teóricas

  • Diferença entre geom_point() e geom_jitter():
    geom_point() plota os pontos exatamente nas coordenadas; geom_jitter() adiciona um pequeno deslocamento aleatório para dimunuir a sobreposição de pontos.

  • Gramática dos Gráficos e ggplot2:
    O ggplot2 implementa a ideia de construir gráficos por camadas (dados + estética + geometria + escalas + facetas + tema), combinadas com +.