Organización y Visualización: Variables cualitativas

class: center, middle, inverse, title-slide

# Organización y Visualización: Variables cualitativas
### Evelyn Gutierrez<a href="#fn1" class="footnote-ref" id="fnref1">1</a>
### Abril, 2021

---

class: middle

Para la sesión, necesitamos instalar los siguientes paquetes:

* janitor
* summarytools
* tidyverse

Para instalarlos, utilizamos los siguientes comandos en la consola una sola vez.

```r
install.packages("janitor")
install.packages("summarytools")
install.packages("tidyverse")
```

Luego, esperamos a que complete la instalación y verificamos:

```r
library(janitor)
library(summarytools)
library(ggplot2)
```

---
class: center, middle

En esta sesión veremos la exploración de variables cualitativas utilizando tablas, y gráficos.

Para ello, abrimos el archivo: **"Univar_1_Var_Cualitativas.R"**.

Si no lo tienes, puedes ir copiando y pegando los siguientes códigos que mostraremos.

---

# Lectura de datos.

Con el siguiente código, leemos los datos directamente desde un enlace:

```r
# Cargar los datos sobre Cancer de mama:
url<-"https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer/breast-cancer.data"
datos <- read.table(url, sep=",",stringsAsFactors=TRUE)
names(datos) <- c("clase","edad","menopausia","tamanio",
 "inv_nodes","node_caps","deg_malig",
 "breast","breast_quad","irradiat")
## Mas informacion en: https://archive.ics.uci.edu/ml/datasets/Breast+Cancer
```

---

# Exploración inicial.

Exploramos el dataset observando los primeros 6 registros. Para ello, usamos el comando `head`:

```r
head(datos) # primeros 6 
```

Luego, realizamos una exploración del tipo de columnas que tiene este dataset.

```r
str(datos)
```

```
## 'data.frame':	286 obs. of  10 variables:
##  $ clase      : Factor w/ 2 levels "no-recurrence-events",..: 1 1 1 1 1 1 1 1 1 1 ...
##  $ edad       : Factor w/ 6 levels "20-29","30-39",..: 2 3 3 5 3 5 4 5 3 3 ...
##  $ menopausia : Factor w/ 3 levels "ge40","lt40",..: 3 3 3 1 3 1 3 1 3 3 ...
##  $ tamanio    : Factor w/ 11 levels "0-4","10-14",..: 6 4 4 3 1 3 5 4 11 4 ...
##  $ inv_nodes  : Factor w/ 7 levels "0-2","12-14",..: 1 1 1 1 1 1 1 1 1 1 ...
##  $ node_caps  : Factor w/ 3 levels "?","no","yes": 2 2 2 2 2 2 2 2 2 2 ...
##  $ deg_malig  : int  3 2 2 2 2 2 2 1 2 2 ...
##  $ breast     : Factor w/ 2 levels "left","right": 1 2 1 2 2 1 1 1 1 2 ...
##  $ breast_quad: Factor w/ 6 levels "?","central",..: 3 6 3 4 5 3 3 3 3 4 ...
##  $ irradiat   : Factor w/ 2 levels "no","yes": 1 1 1 1 1 1 1 1 1 1 ...
```

Observamos que en este set de datos todas las variables excepto `deg_malig` son de tipo factor (observe 'Factor' al lado de cada variable).

---
#  Organización y visualización: Variables cualitativas.

Ahora, comenzaremos a explorar el dataset utilizando tablas y gráficos para variables cualitativas.

---
## Tablas de Frecuencias.

Las tablas de frecuencias se pueden construir de diferentes maneras en R.

- Aquí veremos 3 formas.

--
### Utilizando `table`

Exploramos la variable clase con tablas de frecuencias:

```r
# Explorando con tablas: frecuencias y proporciones
table(datos$clase)
```

```
## 
## no-recurrence-events    recurrence-events 
##                  201                   85
```

--
**Interpretación**:
- Tenemos 201 casos de eventos no recurrentes de cáncer, y 
- 85 observaciones con eventos recurrentes de cáncer,

---

#### Proporciones.

```r
# prop.table convierte la tabla a proporciones
proptable <- prop.table(table(datos$clase))
# round redondea a los digitos indicados en el segundo argumento.
round(proptable, 3) 
```

```
## 
## no-recurrence-events    recurrence-events 
##                0.703                0.297
```

**Interpretación**:
- El 70.3% de las observaciones son eventos no recurrentes de cáncer, y 
- 29.7% de las observaciones son eventos recurrentes de cáncer,

```r
# El comando as.data.frame convierte esta tabla a un data frame para mejorar la visualización 
as.data.frame(proptable)  
```

```
##                   Var1      Freq
## 1 no-recurrence-events 0.7027972
## 2    recurrence-events 0.2972028
```

---

### Utilizando `janitor`

Ahora, exploramos la variable `age` con tablas de frecuencias. Esta vez utilizaremos el paquete janitor para una mejor visualización.

Utilizamos el comando `tabyl` para crear la tabla de frecuencias y observamos los resultados e interpretamos.

```r
library(janitor)
janitor::tabyl(datos$edad)
```

```
##  datos$edad  n     percent
##       20-29  1 0.003496503
##       30-39 36 0.125874126
##       40-49 90 0.314685315
##       50-59 96 0.335664336
##       60-69 57 0.199300699
##       70-79  6 0.020979021
```

---

### Utilizando `summarytools`
 
Otra opción es usar el paquete `summarytools`. 
Si ya realizó la instalación, utilice el siguiente código:

```r
library(summarytools)
summarytools::freq(datos$menopausia, 
                   order = "freq")
```

```
## Frequencies 
## datos$menopausia 
## Type: Factor 
## 
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ------------- ------ --------- -------------- --------- --------------
## premeno 150 52.45 52.45 52.45 52.45
## ge40 129 45.10 97.55 45.10 97.55
## lt40 7 2.45 100.00 2.45 100.00
## <NA> 0 0.00 100.00
## Total 286 100.00 100.00 100.00 100.00
```

**Interpretación**:
- El 52.45% de las observaciones son mujeres que tuvieron pre menopausia.
- El 45.10% de las observaciones son mujeres que tuvieron la menopausia a los 40 o más.
- Solo el 2.42% tuvo la menopausia antes de los 40.

---

## Gráfico circular

Para crear un gráfico circular, utilizamos el comando `pie`. Por ejemplo, lo utilizaremos para observar la clasificación de los casos de cancer.

```r
pie(table(datos$clase), 
    main="Gráfico para la clasificación de casos")
```

Note que despues de *main* vemos un texto. Este texto es el título principal (main) del gráfico. Podemos modificar el título, cambiando el texto dentro de las comillas.
  
---

Alternativamente, podemos utilizar la librería ggplot para crear un gráfico de pie con mejor apariencia.

```r
tabla_clase <- data.frame(table(datos$clase))
names(tabla_clase) <- c("Clase","Frecuencia")

library(ggplot2)
ggplot(tabla_clase, 
       aes(x="", y=Frecuencia, fill=Clase)) +
  geom_bar(stat="identity", width=1) + 
  coord_polar("y", start=0) + theme_void()
```

---

## Gráfico de barras.

Creamos el gráfico de barras para la variable menopausia.

```r
  barplot(table(datos$menopausia), 
          xlab="Menopausia",
          ylab="Frecuencia",
          main="Distribución de tipos de menopausia")
```

Este gráfico acompaña a la tabla de frecuencias para una visualización rápida de la distribución de la variable.

---
name: section
class: top, inverse
background-image: url("img/dog_working.jpg")
background-size: cover

---
name: yourturn
template: section

.left-column[
# .fancy[Ejercicio]
]

---

-name: yourturn1

.right-column[
Realizar el análisis univariado de las variables del dataset que no han sido analizadas. Considerar lo siguiente:

1. Explorar la variable .heatinline[**tumor-size**] (tamaño del tumo) utilizando un gráfico y una tabla de frecuencias. Observar la frecuencia y proporciones de cada categoría. Interpretar resultados.

2. Explorar la variable .heatinline[**deg-malig**] (grado histológico del tumor) utilizando un gráfico y tabla de frecuencias. Observar la frecuencia y proporciones de cada categoría e interpretar resultados.

3. Explorar la variable .heatinline[**breast**] (lado) utilizando un gráfico y tabla de frecuencias. Observar la frecuencia y proporciones de cada categoría e interpretar resultados.
]

.left-column[
## .fancy[.acidinline[10:00 minutos]]
]

<!--

# Ejercicios

Realizar el análisis univariado de las variables del dataset que no han sido analizadas. Considerar lo siguiente:

3. Explorar la variable .heatinline[**breast**] (lado) utilizando un gráfico y tabla de frecuencias. Observar la frecuencia y proporciones de cada categoría e interpretar resultados.

# Otros materiales

* [Gráficos de barra](https://bookdown.org/jboscomendoza/r-principiantes4/graficas-de-barras.html)

setwd("G:/Mon Drive/6. Trabajos/2021/UNICA/Presentaciones/Grupo 2/Tema2_Univariado/")
knitr::purl("Exploracion_y_visualizacion.Rmd","1_Variables_Cualitativas.R")

----

--->