El cto de datos

Trabajamos con tres variables continuas y dos factores:

vx    <- c( rnorm(50), rnorm(50,.75,.2) )
vy    <- rnorm(100, 1,.1)
vz    <- rnorm(100, 2 ,.1)
sex   <- c( rep("M", 50),rep("H", 50) )
orig  <- c( rep("Murcia", 25), rep("Hamburg", 50), rep("New York", 25) )
data  <- data.frame( vx, vy, vz, sex, orig, stringsAsFactors = TRUE )
head( data )
##            vx        vy       vz sex   orig
## 1 -0.62045769 0.9653264 2.070401   M Murcia
## 2 -0.58137768 0.9320061 2.089330   M Murcia
## 3  0.07497102 1.1912565 1.956361   M Murcia
## 4 -1.73098715 0.9804755 2.206994   M Murcia
## 5  0.44492290 0.9684064 2.218842   M Murcia
## 6  0.21992985 0.8638582 2.118747   M Murcia

Gráficos de puntos directos

La primera sentencia me determina los orígenes de datos y los aesthetic básicos: voy a poner a la variable orig en el eje OX y a representar la variable xv, el color será la variable sex en algunos casos.

library(ggplot2)
q <- ggplot(data, aes(x=orig, y=vx) )

ahí van:

q + geom_boxplot() +
    geom_point( )

q + geom_boxplot() +
    geom_point(aes(color=sex))

q + geom_violin() +
    geom_point()

q + geom_violin() +
    geom_point(aes(color=sex))

# q + geom_dotplot()  # más feo q picio

q + geom_jitter(width = 0.1, aes(color=sex))

Gráficando más variables a la vez

Generalmente queremos meter más variables a la vez con el fin de comparar o ahorrar espacio o plots para el articulo. Si quiero representar más de una variable continua a la vez debo de “remodelar” el dataframe.

Usamos la librería reshape y la función melt(), creada por la misma persona que desarrollo ggplot2: Hadley Wickham (tres hurras!).

library(reshape)
data2 <- melt(data, id=c("sex", "orig"))
head(data2)
##   sex   orig variable       value
## 1   M Murcia       vx -0.62045769
## 2   M Murcia       vx -0.58137768
## 3   M Murcia       vx  0.07497102
## 4   M Murcia       vx -1.73098715
## 5   M Murcia       vx  0.44492290
## 6   M Murcia       vx  0.21992985

Aquí está el quid de la cuestión debo proporcionar a la función melt() un dataframe refinado, en id las variables q identifiquen los grupos, y quitar las variables q no me valgan…

Vuelvo a crear un objeto ggplot básico:

q2 <- ggplot(data2, aes(x=variable, y=value))

y a pintar:

q2 + geom_violin() +
    geom_point(aes(color=sex, shape=orig), alpha = 1/5)

q2 + geom_jitter(width = 0.2, aes(color=sex, shape=orig)) 

sessionInfo()
## R version 3.4.3 (2017-11-30)
## Platform: x86_64-pc-linux-gnu (64-bit)
## Running under: Ubuntu 16.04.3 LTS
## 
## Matrix products: default
## BLAS: /usr/lib/libblas/libblas.so.3.6.0
## LAPACK: /usr/lib/lapack/liblapack.so.3.6.0
## 
## locale:
##  [1] LC_CTYPE=es_ES.UTF-8       LC_NUMERIC=C              
##  [3] LC_TIME=es_ES.UTF-8        LC_COLLATE=es_ES.UTF-8    
##  [5] LC_MONETARY=es_ES.UTF-8    LC_MESSAGES=es_ES.UTF-8   
##  [7] LC_PAPER=es_ES.UTF-8       LC_NAME=C                 
##  [9] LC_ADDRESS=C               LC_TELEPHONE=C            
## [11] LC_MEASUREMENT=es_ES.UTF-8 LC_IDENTIFICATION=C       
## 
## attached base packages:
## [1] stats     graphics  grDevices utils     datasets  methods   base     
## 
## other attached packages:
## [1] reshape_0.8.7 ggplot2_2.2.1
## 
## loaded via a namespace (and not attached):
##  [1] Rcpp_0.12.17     digest_0.6.12    rprojroot_1.2    plyr_1.8.4      
##  [5] grid_3.4.3       gtable_0.2.0     backports_1.1.0  magrittr_1.5    
##  [9] evaluate_0.10.1  scales_0.5.0     pillar_1.2.3     rlang_0.2.1     
## [13] stringi_1.2.3    lazyeval_0.2.0   rmarkdown_1.6    labeling_0.3    
## [17] tools_3.4.3      stringr_1.3.1    munsell_0.4.3    yaml_2.1.14     
## [21] compiler_3.4.3   colorspace_1.3-2 htmltools_0.3.6  knitr_1.17      
## [25] tibble_1.4.2

Referencias

H. Wickham. ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York, 2009.
H. Wickham. Reshaping data with the reshape package. Journal of Statistical Software, 21(12), 2007.

  1. Universidad de Murcia↩