R Markdown

This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.

When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:

library(ggplot2)
## Registered S3 methods overwritten by 'ggplot2':
##   method         from 
##   [.quosures     rlang
##   c.quosures     rlang
##   print.quosures rlang

En esta sección vamos a seguir trabajando con el paquete ggplot2, en este caso para usar los diagramas de cajas. Cargamos el dataset mtcars y lo guardamos como df.

df <- mtcars
head(df)
##                    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

El diagrama de cajas se usa en variables numéricas ya que nos proporcionará tanto la mediana como los cuartiles y los outliers. Vamos a inspeccionar el dataset.

str(df)
## 'data.frame':    32 obs. of  11 variables:
##  $ mpg : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
##  $ cyl : num  6 6 4 6 8 6 8 4 4 6 ...
##  $ disp: num  160 160 108 258 360 ...
##  $ hp  : num  110 110 93 110 175 105 245 62 95 123 ...
##  $ drat: num  3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
##  $ wt  : num  2.62 2.88 2.32 3.21 3.44 ...
##  $ qsec: num  16.5 17 18.6 19.4 17 ...
##  $ vs  : num  0 0 1 1 0 1 0 1 1 1 ...
##  $ am  : num  1 1 1 0 0 0 0 0 0 0 ...
##  $ gear: num  4 4 4 3 3 3 3 4 4 4 ...
##  $ carb: num  4 4 1 1 2 1 4 2 2 4 ...

Todas las variables son numéricas, aunque algunas de ellas realmente tienen un número limitado de valores (como es el caso de la variable cyl, que solo tiene el 4,6 y 8). La sintaxis básica para una representación de un diagrama de cajas es la siguiente:

pl <- ggplot(df, aes(x=0, y=mpg))

El elemento geométrico que se le añade es geom_boxplot()

pl + geom_boxplot()

Obtenemos así la distribución en cajas de la variable mpg.

Otra característica importante es que podemos calcular la distribución de una variable respecto a otra categórica. Si, por ejemplo, quisiéramos ver cómo se distribuye la variable mpg en función de cyl, simplemente modificaríamos la sintaxis básica de la siguiente manera:

pl <- ggplot(df, aes(x=factor(cyl),y=mpg))
pl + geom_boxplot()

Al igual que los otros tipos de gráficos, se puede modificar tanto su tamaño, color, relleno y otros parámetros que se encuentran en la documentación. Rellenaremos el gráfico en función de otra columna.

pl + geom_boxplot(aes(fill=factor(cyl))) + theme_bw()

Para cambiar de dirección el gráfico cuando prefiramos poner los diagramas de cajas en horizontal añadimos el siguiente comando:

pl + geom_boxplot() + coord_flip()