Introdução ao Tidyverse
Tópicos Especiais em Meio Ambiente I
Prof. Claudiano Neto
2021-07-13
library(gapminder)
# criado por jenny Bryan, conjunto de dados
library(dplyr)
# criado por Hadley Wickham, que fornece ferramentas passo a passo para transformar esses dados, como filtrar, classificar e resumir. gapminder## # A tibble: 1,704 x 6
## country continent year lifeExp pop gdpPercap
## <fct> <fct> <int> <dbl> <int> <dbl>
## 1 Afghanistan Asia 1952 28.8 8425333 779.
## 2 Afghanistan Asia 1957 30.3 9240934 821.
## 3 Afghanistan Asia 1962 32.0 10267083 853.
## 4 Afghanistan Asia 1967 34.0 11537966 836.
## 5 Afghanistan Asia 1972 36.1 13079460 740.
## 6 Afghanistan Asia 1977 38.4 14880372 786.
## 7 Afghanistan Asia 1982 39.9 12881816 978.
## 8 Afghanistan Asia 1987 40.8 13867957 852.
## 9 Afghanistan Asia 1992 41.7 16317921 649.
## 10 Afghanistan Asia 1997 41.8 22227415 635.
## # ... with 1,694 more rowsFILTER
# O verbo FILTER permite selecionar uma parte especifica dos dados para realizar sua analise. Deve ser precedido do *%>%* que significa (pegue o que estiver a frente e alimente-o na proxima etapa).
gapminder %>%
filter (year == 2007)## # A tibble: 142 x 6
## country continent year lifeExp pop gdpPercap
## <fct> <fct> <int> <dbl> <int> <dbl>
## 1 Afghanistan Asia 2007 43.8 31889923 975.
## 2 Albania Europe 2007 76.4 3600523 5937.
## 3 Algeria Africa 2007 72.3 33333216 6223.
## 4 Angola Africa 2007 42.7 12420476 4797.
## 5 Argentina Americas 2007 75.3 40301927 12779.
## 6 Australia Oceania 2007 81.2 20434176 34435.
## 7 Austria Europe 2007 79.8 8199783 36126.
## 8 Bahrain Asia 2007 75.6 708573 29796.
## 9 Bangladesh Asia 2007 64.1 150448339 1391.
## 10 Belgium Europe 2007 79.4 10392226 33693.
## # ... with 132 more rowsVocê poderia mudar o filtro para outra coisa
gapminder %>%
filter(country == "United States")## # A tibble: 12 x 6
## country continent year lifeExp pop gdpPercap
## <fct> <fct> <int> <dbl> <int> <dbl>
## 1 United States Americas 1952 68.4 157553000 13990.
## 2 United States Americas 1957 69.5 171984000 14847.
## 3 United States Americas 1962 70.2 186538000 16173.
## 4 United States Americas 1967 70.8 198712000 19530.
## 5 United States Americas 1972 71.3 209896000 21806.
## 6 United States Americas 1977 73.4 220239000 24073.
## 7 United States Americas 1982 74.6 232187835 25010.
## 8 United States Americas 1987 75.0 242803533 29884.
## 9 United States Americas 1992 76.1 256894189 32004.
## 10 United States Americas 1997 76.8 272911760 35767.
## 11 United States Americas 2002 77.3 287675526 39097.
## 12 United States Americas 2007 78.2 301139947 42952.Podemos ter multiplas condições para o filtro, basta separá-las por “,” virgula.
gapminder %>%
filter(year == 2007, country == "United States")## # A tibble: 1 x 6
## country continent year lifeExp pop gdpPercap
## <fct> <fct> <int> <dbl> <int> <dbl>
## 1 United States Americas 2007 78.2 301139947 42952.ARRANGE
# O verbo "arrange" classifica uma tabela baseado em uma variavel (crescente ou decrescente). É muito util quando voce deseja conhecer os valores mais extremos do conjunto do banco de dados.
gapminder %>%
arrange(gdpPercap)## # A tibble: 1,704 x 6
## country continent year lifeExp pop gdpPercap
## <fct> <fct> <int> <dbl> <int> <dbl>
## 1 Congo, Dem. Rep. Africa 2002 45.0 55379852 241.
## 2 Congo, Dem. Rep. Africa 2007 46.5 64606759 278.
## 3 Lesotho Africa 1952 42.1 748747 299.
## 4 Guinea-Bissau Africa 1952 32.5 580653 300.
## 5 Congo, Dem. Rep. Africa 1997 42.6 47798986 312.
## 6 Eritrea Africa 1952 35.9 1438760 329.
## 7 Myanmar Asia 1952 36.3 20092996 331
## 8 Lesotho Africa 1957 45.0 813338 336.
## 9 Burundi Africa 1952 39.0 2445618 339.
## 10 Eritrea Africa 1957 38.0 1542611 344.
## # ... with 1,694 more rows# Dentro do verbo arrange voce coloca a variavel que orientará a classificacao Podemos organizar por ordem decrescente via arrange(desc())
gapminder %>%
arrange(desc(gdpPercap))## # A tibble: 1,704 x 6
## country continent year lifeExp pop gdpPercap
## <fct> <fct> <int> <dbl> <int> <dbl>
## 1 Kuwait Asia 1957 58.0 212846 113523.
## 2 Kuwait Asia 1972 67.7 841934 109348.
## 3 Kuwait Asia 1952 55.6 160000 108382.
## 4 Kuwait Asia 1962 60.5 358266 95458.
## 5 Kuwait Asia 1967 64.6 575003 80895.
## 6 Kuwait Asia 1977 69.3 1140357 59265.
## 7 Norway Europe 2007 80.2 4627926 49357.
## 8 Kuwait Asia 2007 77.6 2505559 47307.
## 9 Singapore Asia 2007 80.0 4553009 47143.
## 10 Norway Europe 2002 79.0 4535591 44684.
## # ... with 1,694 more rowsSuponha que voce deseja encontrar (paises com maior gdp em apenas um ano)
gapminder %>%
filter(year==2007) %>%
arrange(desc(gdpPercap))## # A tibble: 142 x 6
## country continent year lifeExp pop gdpPercap
## <fct> <fct> <int> <dbl> <int> <dbl>
## 1 Norway Europe 2007 80.2 4627926 49357.
## 2 Kuwait Asia 2007 77.6 2505559 47307.
## 3 Singapore Asia 2007 80.0 4553009 47143.
## 4 United States Americas 2007 78.2 301139947 42952.
## 5 Ireland Europe 2007 78.9 4109086 40676.
## 6 Hong Kong, China Asia 2007 82.2 6980412 39725.
## 7 Switzerland Europe 2007 81.7 7554661 37506.
## 8 Netherlands Europe 2007 79.8 16570613 36798.
## 9 Canada Americas 2007 80.7 33390141 36319.
## 10 Iceland Europe 2007 81.8 301931 36181.
## # ... with 132 more rowsMUTATE verbo
# Serve para mudanças nas variaveis ou adicionar variaveis
gapminder %>%
mutate(pop = pop / 1000000)## # A tibble: 1,704 x 6
## country continent year lifeExp pop gdpPercap
## <fct> <fct> <int> <dbl> <dbl> <dbl>
## 1 Afghanistan Asia 1952 28.8 8.43 779.
## 2 Afghanistan Asia 1957 30.3 9.24 821.
## 3 Afghanistan Asia 1962 32.0 10.3 853.
## 4 Afghanistan Asia 1967 34.0 11.5 836.
## 5 Afghanistan Asia 1972 36.1 13.1 740.
## 6 Afghanistan Asia 1977 38.4 14.9 786.
## 7 Afghanistan Asia 1982 39.9 12.9 978.
## 8 Afghanistan Asia 1987 40.8 13.9 852.
## 9 Afghanistan Asia 1992 41.7 16.3 649.
## 10 Afghanistan Asia 1997 41.8 22.2 635.
## # ... with 1,694 more rowsSuponha que eu deseje CRIAR uma nova variavel, por exemplo, o PIB total dos paises.
# aqui devemos usar "="
gapminder %>%
mutate(gdp = gdpPercap * pop)## # A tibble: 1,704 x 7
## country continent year lifeExp pop gdpPercap gdp
## <fct> <fct> <int> <dbl> <int> <dbl> <dbl>
## 1 Afghanistan Asia 1952 28.8 8425333 779. 6567086330.
## 2 Afghanistan Asia 1957 30.3 9240934 821. 7585448670.
## 3 Afghanistan Asia 1962 32.0 10267083 853. 8758855797.
## 4 Afghanistan Asia 1967 34.0 11537966 836. 9648014150.
## 5 Afghanistan Asia 1972 36.1 13079460 740. 9678553274.
## 6 Afghanistan Asia 1977 38.4 14880372 786. 11697659231.
## 7 Afghanistan Asia 1982 39.9 12881816 978. 12598563401.
## 8 Afghanistan Asia 1987 40.8 13867957 852. 11820990309.
## 9 Afghanistan Asia 1992 41.7 16317921 649. 10595901589.
## 10 Afghanistan Asia 1997 41.8 22227415 635. 14121995875.
## # ... with 1,694 more rowsCombinando os verbos (filter, arrange, mutate) para descobrir: quais os paises com maior PIB no ano de 2007.
# Precisamos: 1) criar a nova variavel, 2) filtrar pelo ano, 3) organizar por valores decrescentes
gapminder %>%
mutate(gdp = gdpPercap * pop) %>%
filter(year == 2007) %>%
arrange(desc(gdp)) ## # A tibble: 142 x 7
## country continent year lifeExp pop gdpPercap gdp
## <fct> <fct> <int> <dbl> <int> <dbl> <dbl>
## 1 United States Americas 2007 78.2 301139947 42952. 1.29e13
## 2 China Asia 2007 73.0 1318683096 4959. 6.54e12
## 3 Japan Asia 2007 82.6 127467972 31656. 4.04e12
## 4 India Asia 2007 64.7 1110396331 2452. 2.72e12
## 5 Germany Europe 2007 79.4 82400996 32170. 2.65e12
## 6 United Kingdom Europe 2007 79.4 60776238 33203. 2.02e12
## 7 France Europe 2007 80.7 61083916 30470. 1.86e12
## 8 Brazil Americas 2007 72.4 190010647 9066. 1.72e12
## 9 Italy Europe 2007 80.5 58147733 28570. 1.66e12
## 10 Mexico Americas 2007 76.2 108700891 11978. 1.30e12
## # ... with 132 more rowsPLOTANDO seus dados I
library(ggplot2)
ggplot(gapminder, aes(x = gdpPercap, y = lifeExp)) +
geom_point()
Aquivamos vamos usar o pacote ggplot2. Uma explicação importante adicional: algumas vezes quando voce trabalha continuamente com os dados filtrados por uma variavel (subjconjunto), algumas vezes é útil salvar os dados filtrados, como um novo conjunto de dados.
gapminder_2007 <- gapminder %>%
filter(year == 2007)
gapminder_2007## # A tibble: 142 x 6
## country continent year lifeExp pop gdpPercap
## <fct> <fct> <int> <dbl> <int> <dbl>
## 1 Afghanistan Asia 2007 43.8 31889923 975.
## 2 Albania Europe 2007 76.4 3600523 5937.
## 3 Algeria Africa 2007 72.3 33333216 6223.
## 4 Angola Africa 2007 42.7 12420476 4797.
## 5 Argentina Americas 2007 75.3 40301927 12779.
## 6 Australia Oceania 2007 81.2 20434176 34435.
## 7 Austria Europe 2007 79.8 8199783 36126.
## 8 Bahrain Asia 2007 75.6 708573 29796.
## 9 Bangladesh Asia 2007 64.1 150448339 1391.
## 10 Belgium Europe 2007 79.4 10392226 33693.
## # ... with 132 more rowsSuponha que voce queira examinar a relação entre a riqueza de um pais e sua expectativa de vida.
ggplot(gapminder_2007, aes(x = gdpPercap, y = lifeExp)) +
geom_point()
AES, aesthetic é uma dimensao visual de um grafico que pode ser usada para comunicar informacoes. GEOM_POINT, voce está adicionando um objeto geometrico ao grafico, trata-se de especificar o tipo de grafico que voce está criando.
LOG SCALES
Fizemos o grafico acima, e percebemos que paises de renda mais alta, tem maior expectativa de vida. Um problema com esse grafico, no entanto, é que muitos paises ficam amontoados na parte mais à esquerda do eixo x.
Isso ocorreu porque a distribuicao do pib per capita abrange varias ordens de magnitude, com alguns paises na casa das dezenas de milhares de dolares e outros na casa das centenas.
Quando um de nossos eixos apresenta essa distribuição, é util trabalhar com uma escala logaritimica, ou seja, uma escala em que cada distância fixa representa uma multiplicacao do valor.
Criando o grafico usando o log scale
ggplot(gapminder_2007, aes(x = gdpPercap, y = lifeExp)) +
geom_point() +
scale_x_log10()
Esses sao os mesmo dados, mas agora cada unidade no eixo x representa uma mudança de 10 vezes o PIB.
Nesse novo grafico podemos ver os dados de uma maneira mais linear, e podemos distinguir mais facilmente os paises na extremidade inferior do espectro.
**Algumas vezes ambos os eixos devem ser convertidos para a escala de log.
# Criando o gapminder filtrado para o ano 1952
gapminder_1952 <- gapminder %>%
filter(year == 1952)Plotando com ambos os eixos com escala de log
ggplot (gapminder_1952, aes(x = pop, y = gdpPercap)) +
scale_x_log10() +
scale_y_log10() +
geom_point()
ESTÉTICA ADICIONAL - additional aesthetics
Nós aprendemos como criar uma plotagem de duas variaveis e assim enxergar sua relacao. O nosso banco de dados “gapminder” possui outras variaveis que podem também ser utilizadas, de maneira a entendermos outros relacionamentos entre elas.
Ate aqui usamos populacao como eixo X, e pib per capita como eixo y. Agora vamos aprender a usar mais duas esteticas adicionais, COLOR and SIZEe e para isso vamos utilizar as variaveis continente e pais.
Observe que continente é uma variavel categórica, e por isso apresenta valores bem especificos. Uma boa maneira de apresentar variaveis categorias em um gráfico é através da dimensao COLOR.
ggplot (gapminder_2007, aes(x = gdpPercap, y =lifeExp, color = continent)) +
scale_x_log10() +
geom_point()
Observe que populacao (pop) é uma variavel numérica, uma boa maneira de apresentar variaveis numericas um gráfico é através da dimensao SIZE, que significa “tamanho”.
ggplot (gapminder_2007, aes(x = gdpPercap, y =lifeExp, color = continent, size = pop)) +
scale_x_log10() +
geom_point()
FACETING
Esse verbo serve para dividir nossa plotagem em subtramas para uma obter uma melhor visualizacao em um grafico menor para cada continente (por exemplo).
ggplot (gapminder_2007, aes(x = gdpPercap, y =lifeExp, color = continent)) +
geom_point() +
scale_x_log10() +
facet_wrap(~ continent)
# ~ signica "por"CALCULO
gapminder %>%
summarize(sumPop = sum(as.numeric(pop)))## # A tibble: 1 x 1
## sumPop
## <dbl>
## 1 50440465801gapminder_1952_2007 <- gapminder %>%
filter(year == 1952|2007)
# aqui eu estou pedindo os anos entre 1952 a 2007ggplot(gapminder_1952_2007, aes(x = gdpPercap, y = lifeExp,
color = continent, size = pop)) +
geom_point()+
scale_x_log10()+
facet_wrap(~year)
SUMMARIZE verbo
Agora voce aprendera a resumir muitas observacoes em um unico ponto de dados .
gapminder %>%
summarize(meanLifeExp = mean(lifeExp))## # A tibble: 1 x 1
## meanLifeExp
## <dbl>
## 1 59.5Faz mais sentido analisar a media da expectativa de vida para um ano em especifico, por exemplo.
gapminder %>%
filter(year == 2007) %>%
summarize(meanLifeExp = mean(lifeExp))## # A tibble: 1 x 1
## meanLifeExp
## <dbl>
## 1 67.0Podemos acrescentar mais detalhes a nossa funcao summarize
gapminder %>%
filter(year == 2007) %>%
summarize(meanLifeExp = mean(lifeExp),
totalPop = sum(as.numeric(pop)))## # A tibble: 1 x 2
## meanLifeExp totalPop
## <dbl> <dbl>
## 1 67.0 6251013179Podemos ainda summarizar via “mediana - median”, “minimo - min” e “maximo - max”
gapminder %>%
filter(year == 2007) %>%
summarize(medianLifeExp = median(lifeExp), maxGdpPercap = max(gdpPercap)) ## # A tibble: 1 x 2
## medianLifeExp maxGdpPercap
## <dbl> <dbl>
## 1 71.9 49357.Verbo GROUP_by
Em um dos exemplos acima, nós encontramos a media da expectativa de vida e o total da populacao para o ano de 2007. Mas e se nao quisemos apenas para 2007? Mas em cada ano do conjunto.
group_by() antes do summarize() transforma em grupos dentro de uma
gapminder %>%
group_by(year) %>%
summarize(meanLifeExp = mean(lifeExp), sumPop = sum(as.numeric(pop)))## # A tibble: 12 x 3
## year meanLifeExp sumPop
## <int> <dbl> <dbl>
## 1 1952 49.1 2406957150
## 2 1957 51.5 2664404580
## 3 1962 53.6 2899782974
## 4 1967 55.7 3217478384
## 5 1972 57.6 3576977158
## 6 1977 59.6 3930045807
## 7 1982 61.5 4289436840
## 8 1987 63.2 4691477418
## 9 1992 64.2 5110710260
## 10 1997 65.0 5515204472
## 11 2002 65.7 5886977579
## 12 2007 67.0 6251013179Sumarizando pelo continente
gapminder %>%
filter(year == 2002) %>%
group_by(continent) %>%
summarize(meanLifeExp = mean(lifeExp), sum(as.numeric(pop)))## # A tibble: 5 x 3
## continent meanLifeExp `sum(as.numeric(pop))`
## <fct> <dbl> <dbl>
## 1 Africa 53.3 833723916
## 2 Americas 72.4 849772762
## 3 Asia 69.2 3601802203
## 4 Europe 76.7 578223869
## 5 Oceania 79.7 23454829# observe que temos um problema no continente ASIA. Há dados missing NA Agora que calculamos essas estatisticas para 2002, voce pode estar interessado em como elas mudaram para cada continente ao longo do tempo.
gapminder %>%
group_by(year, continent) %>%
summarize(meanLifeExp = mean(lifeExp), sum(as.numeric(pop)))## # A tibble: 60 x 4
## # Groups: year [12]
## year continent meanLifeExp `sum(as.numeric(pop))`
## <int> <fct> <dbl> <dbl>
## 1 1952 Africa 39.1 237640501
## 2 1952 Americas 53.3 345152446
## 3 1952 Asia 46.3 1395357351
## 4 1952 Europe 64.4 418120846
## 5 1952 Oceania 69.3 10686006
## 6 1957 Africa 41.3 264837738
## 7 1957 Americas 56.0 386953916
## 8 1957 Asia 49.3 1562780599
## 9 1957 Europe 66.7 437890351
## 10 1957 Oceania 70.3 11941976
## # ... with 50 more rows# devo lembrar porque estou usando as.numeric()
# observe que temos um problema no continente ASIA. Há dados missing NA Exercicio I
# Find median life expectancy and maximum GDP per capita in each continent in 1957
# Resposta
gapminder %>%
filter(year == 1957) %>%
group_by(continent) %>%
summarize(medianLifeExp = median(lifeExp),
maxGdpPercap = max(gdpPercap))## # A tibble: 5 x 3
## continent medianLifeExp maxGdpPercap
## <fct> <dbl> <dbl>
## 1 Africa 40.6 5487.
## 2 Americas 56.1 14847.
## 3 Asia 48.3 113523.
## 4 Europe 67.6 17909.
## 5 Oceania 70.3 12247.Exercicio II
# Find median life expectancy and maximum GDP per capita in each continent/year combination
# Resposta
gapminder %>%
group_by(continent, year) %>%
summarize(medianLifeExp = median(lifeExp),
maxGdpPercap = max(gdpPercap))## `summarise()` has grouped output by 'continent'. You can override using the `.groups` argument.## # A tibble: 60 x 4
## # Groups: continent [5]
## continent year medianLifeExp maxGdpPercap
## <fct> <int> <dbl> <dbl>
## 1 Africa 1952 38.8 4725.
## 2 Africa 1957 40.6 5487.
## 3 Africa 1962 42.6 6757.
## 4 Africa 1967 44.7 18773.
## 5 Africa 1972 47.0 21011.
## 6 Africa 1977 49.3 21951.
## 7 Africa 1982 50.8 17364.
## 8 Africa 1987 51.6 11864.
## 9 Africa 1992 52.4 13522.
## 10 Africa 1997 52.8 14723.
## # ... with 50 more rowsPLOTANDO seus dados sumarizados
vimos
by_year <- gapminder %>%
group_by(year) %>%
summarize( medianLifExp = median(lifeExp),
totalPop = sum(as.numeric(pop)))
by_year ## # A tibble: 12 x 3
## year medianLifExp totalPop
## <int> <dbl> <dbl>
## 1 1952 45.1 2406957150
## 2 1957 48.4 2664404580
## 3 1962 50.9 2899782974
## 4 1967 53.8 3217478384
## 5 1972 56.5 3576977158
## 6 1977 59.7 3930045807
## 7 1982 62.4 4289436840
## 8 1987 65.8 4691477418
## 9 1992 67.7 5110710260
## 10 1997 69.4 5515204472
## 11 2002 70.8 5886977579
## 12 2007 71.9 6251013179Visualisacao da populacao no tempo
ggplot(by_year, aes(x = year, y = totalPop)) +
geom_point()
Começando o eixo y do zero
ggplot(by_year, aes(x = year, y = totalPop)) +
geom_point() +
expand_limits(y=0)
ggplot(by_year, aes(x = year, y = medianLifExp)) +
geom_point() +
expand_limits(y=0)
Sumarizando por ano e continente
by_year_continent <- gapminder %>%
group_by(year, continent) %>%
summarize(totalPop = sum(as.numeric(pop)),
meanLifeExp = mean(lifeExp))## `summarise()` has grouped output by 'year'. You can override using the `.groups` argument.by_year_continent## # A tibble: 60 x 4
## # Groups: year [12]
## year continent totalPop meanLifeExp
## <int> <fct> <dbl> <dbl>
## 1 1952 Africa 237640501 39.1
## 2 1952 Americas 345152446 53.3
## 3 1952 Asia 1395357351 46.3
## 4 1952 Europe 418120846 64.4
## 5 1952 Oceania 10686006 69.3
## 6 1957 Africa 264837738 41.3
## 7 1957 Americas 386953916 56.0
## 8 1957 Asia 1562780599 49.3
## 9 1957 Europe 437890351 66.7
## 10 1957 Oceania 11941976 70.3
## # ... with 50 more rowsVamos agora visualizar “by_year_continent” pela estetica de cores
ggplot(by_year_continent, aes(x = year, y = totalPop, color = continent)) +
geom_point() +
expand_limits(y=0)
Exercicio
# Summarize medianGdpPercap within each continent within each year: by_year_continent
by_year_continent <- gapminder %>%
group_by(year, continent) %>%
summarize(medianGdpPercap = median(gdpPercap))## `summarise()` has grouped output by 'year'. You can override using the `.groups` argument.# Plot the change in medianGdpPercap in each continent over time
ggplot(by_year_continent, aes(x = year, y = medianGdpPercap, color = continent)) +
geom_point() +
expand_limits(y=0)
Exercicio
# Summarize the median GDP and median life expectancy per continent in 2007
by_continent_2007 <- gapminder %>%
filter(year == 2007) %>%
group_by(continent) %>%
summarize(medianGdpPercap = median(gdpPercap),
medianLifeExp = median(lifeExp))
# Use a scatter plot to compare the median GDP and median life expectancy
ggplot(by_continent_2007, aes(x = medianGdpPercap, y = medianLifeExp, color = continent)) +
geom_point() +
expand_limits(y=0)
SCATER VS LINE PLOT
A line plot is useful for visualizing trends over time. In this exercise, you’ll examine how the median GDP per capita has changed over time.
Para criar o grafico de linhas, basta usar o comando geom_line().
by_year_continent <- gapminder %>%
group_by(year, continent) %>%
summarize(totalPop = sum(as.numeric(pop)),
meanLifeExp = mean(lifeExp))## `summarise()` has grouped output by 'year'. You can override using the `.groups` argument.ggplot(by_year_continent, aes(x = year, y = meanLifeExp, color = continent)) + geom_line() +
expand_limits(y = 0)
Exercicio
Use group_by() and summarize() to find the median GDP per capita within each year, calling the output column medianGdpPercap. Use the assignment operator <- to save it to a dataset called by_year.
Use the by_year dataset to create a line plot showing the change in median GDP per capita over time. Be sure to use expand_limits(y = 0) to include 0 on the y-axis.
# Summarize the median gdpPercap by year, then save it as by_year
by_year <- gapminder %>%
group_by(year) %>%
summarize(medianGdpPercap = median(gdpPercap))
# Create a line plot showing the change in medianGdpPercap over time
ggplot(by_year, aes(x = year, y = medianGdpPercap)) +
geom_line() +
expand_limits(y=0)
Exercicio
Now you’ll examine the change within each continent.
Use group_by() and summarize() to find the median GDP per capita within each year and continent, calling the output column medianGdpPercap. Use the assignment operator <- to save it to a dataset called by_year_continent.
Use the by_year_continent dataset to create a line plot showing the change in median GDP per capita over time, with color representing continent. Be sure to use expand_limits(y = 0) to include 0 on the y-axis.
# Summarize the median gdpPercap by year & continent, save as by_year_continent
by_year_continent <- gapminder %>%
group_by(year, continent) %>%
summarize(medianGdpPercap = median(gdpPercap))## `summarise()` has grouped output by 'year'. You can override using the `.groups` argument.# Create a line plot showing the change in medianGdpPercap by continent over time
ggplot(by_year_continent, aes(x = year, y = medianGdpPercap,
color = continent)) +
geom_line() +
expand_limits(y = 0)
BAR PLOTS - Grafico de barras
O graficos de barra sao uteis para voce comparar valores entre categorias distintas, como continentes.Por exemplo, vimos que para encontrar a expectativa de vida média em cada continente em 2007, precisamos do seguinte código. Ele criará uma tabela com uma observação para cada continente.
by_continent_2007 <- gapminder %>%
filter(year == 2007) %>%
group_by(continent) %>%
summarize(meanLifeExp = mean(lifeExp))
by_continent_2007## # A tibble: 5 x 2
## continent meanLifeExp
## <fct> <dbl>
## 1 Africa 54.8
## 2 Americas 73.6
## 3 Asia 70.7
## 4 Europe 77.6
## 5 Oceania 80.7Em vez de imprimir a tabela, podemos este resumo visualmente.
Exercicio
Use group_by() and summarize() to find the median GDP per capita within each continent in the year 1952, calling the output column medianGdpPercap. Use the assignment operator <- to save it to a dataset called by_continent.
Use the by_continent dataset to create a bar plot showing the median GDP per capita in each continent.
# Summarize the median gdpPercap by continent in 1952
by_continent <- gapminder %>%
filter(year == 1952) %>%
group_by(continent) %>%
summarize(medianGdpPercap = median(gdpPercap))
# Create a bar plot showing medianGdp by continent
ggplot(by_continent, aes(x = continent, y = medianGdpPercap)) +
geom_col()
Exercicio
Visualizing GDP per capita by country in Oceania
You’ve created a plot where each bar represents one continent, showing the median GDP per capita for each. But the x-axis of the bar plot doesn’t have to be the continent: you can instead create a bar plot where each bar represents a country.
In this exercise, you’ll create a bar plot comparing the GDP per capita between the two countries in the Oceania continent (Australia and New Zealand).
# *Instruções*
# Filter for observations in the Oceania continent in the year 1952. Save this as oceania_1952.
# Use the oceania_1952 dataset to create a bar plot, with country on the x-axis and gdpPercap on the y-axis.# Filter for observations in the Oceania continent in 1952
oceania_1952 <- gapminder %>%
filter(year == 1952, continent == "Oceania") %>%
group_by(country, continent)
# Create a bar plot of gdpPercap by country
ggplot(oceania_1952, aes(x = country, y = gdpPercap)) +
geom_col()
HISTOGRAMAS
Ate agora haviamos investigados a relacao entre duas variaveis ao mesmo tempo. Aqui veremos como investigar uma dimensao dos dados por vez, usando um histograma.
ggplot(gapminder_2007, aes(x = lifeExp)) +
geom_histogram()## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
No grafico acima, temos no eixo x a expectativa de vida em anos, enquanto que no eixo y (vertical), temos o numero de paises que apresentam essa expectativa. O que podemos ver com esses dados?
A largura de cada histograma é escolhida automaticamente, e isso tem um grande efeito sobre como o histograma comunica a distribuicao. Podemos alterar essa largura via opção _ binwidth_ que colocamos dentro da camada geom_histogram()
ggplot(gapminder_2007, aes(x = lifeExp)) +
geom_histogram(binwidth = 5)
# ao definirmos binwidth = 5 significa que cada uma das barras nos histogramas representa uma largura de 5 anos.
# Ao fazermos isso convertemos o visual da distribuicao mais em bloco, e isso significa que estamos mais interessados na forma mais geral do que nos pequenos detalhes. Exercicio Visualizing population
A histogram is useful for examining the distribution of a numeric variable. In this exercise, you’ll create a histogram showing the distribution of country populations (by millions) in the year 1952.
Code for generating this dataset, gapminder_1952, is provided.
# Use the gapminder_1952 dataset to create a histogram of country population (pop_by_mil) in the year 1952. Inside the histogram geom, set the number of bins to 50.
gapminder_1952 <- gapminder %>%
filter(year == 1952) %>%
mutate(pop_by_mil = pop / 1000000)
# Create a histogram of population (pop_by_mil)
ggplot(gapminder_1952, aes(x = pop_by_mil)) +
geom_histogram(bins = 50)
Exercicio Visualizing population with x-axis on a log scale
In the last exercise you created a histogram of populations across countries. You might have noticed that there were several countries with a much higher population than others, which causes the distribution to be very skewed, with most of the distribution crammed into a small part of the graph. (Consider that it’s hard to tell the median or the minimum population from that histogram).
To make the histogram more informative, you can try putting the x-axis on a log scale.
# Use the gapminder_1952 dataset (code is provided) to create a histogram of country population (pop) in the year 1952, putting the x-axis on a log scale with scale_x_log10().
gapminder_1952 <- gapminder %>%
filter(year == 1952)
# Create a histogram of population (pop), with x on a log scale
ggplot(gapminder_1952, aes(x = pop)) +
geom_histogram(bins = 50) +
scale_x_log10()
BOX PLOTS
Antes lembre-se que usamos o histograma quando queríamos examinar a distribuicao de uma variavel, da expectativa de vida, em todos os paises. O histograma combina todas as expectativas de vida em todos os continentes, sem distingui-las.
ggplot(gapminder_2007, aes(x = lifeExp)) +
geom_histogram(binwidth = 5)
Mas e se desejarmos comparar a distribuicao das expectativas de vida entre os continentes?
ggplot(gapminder_2007, aes(x = continent, y = lifeExp)) +
geom_boxplot()
# este é um gráfico que mostra a distribuicao das expectativas de vida dentro de cada continent, para que voce possa compara-la.
# observe: x = continentes (categoria)
# y = os valores de expectativa de vidaUm grafico de caixa requer um pouco de pratica para interpretar. No exemplo acima temos:
- A linha preta no meio de cada caixa é a mediana da distribuicao de cada continente.
- As partes superior e inferior de cada caixa representam o 75º percentil e o 25º percentil desse grupo, ou seja, metade da distribuicao está dentro dessa caixa. _ As linhas subindo e descendo das caixas sao chamados de bigodes (whiskers) cobrem paises adicionais. _ Os pontos abaixo ou acima dos bigodes representam valores extremos. Ou seja, paises com expectativa de vida exponencialmente baixa em relacao ao restante da distribuicao.
Portanto, ha muita coisa que esse enredo nos fala sobre diferencas na expectativa de vida nos continentes. Podemos ver que a expectativa média de vida da Europa é uma das mais altas e que os paises da Oceania tem valores muito altos. E tambem podemos ver que a distribuicao para a Africa e extraordinariamente baixa, com cerca da metade de seus paises tendo uma expectativa media de vida entre 50 e 60 anos.
Exercicio Comparing GDP per capita across continents
A boxplot is useful for comparing a distribution of values across several groups. In this exercise, you’ll examine the distribution of GDP per capita by continent. Since GDP per capita varies across several orders of magnitude, you’ll need to put the y-axis on a log scale.
Use the gapminder_1952 dataset (code is provided) to create a boxplot comparing GDP per capita (gdpPercap) among continents. Put the y-axis on a log scale with scale_y_log10().
gapminder_1952 <- gapminder %>%
filter(year == 1952)
# Create a boxplot comparing gdpPercap among continents
ggplot(gapminder_1952, aes(x = continent, y = gdpPercap)) +
geom_boxplot() +
scale_y_log10()
Exercicio Adding a title to your graph
There are many other options for customizing a ggplot2 graph, which you can learn about in other DataCamp courses. You can also learn about them from online resources, which is an important skill to develop.
As the final exercise in this course, you’ll practice looking up ggplot2 instructions by completing a task we haven’t shown you how to do.
Add a title to the graph: Comparing GDP per capita across continents. Use a search engine, such as Google or Bing, to learn how to do so.
# Add a title to this graph: "Comparing GDP per capita across continents"
p <- ggplot(gapminder_1952, aes(x = continent, y = gdpPercap)) +
geom_boxplot() +
scale_y_log10()
# Add titles
g <- p + labs(title = "Comparing GDP per capita across continents")
g 
# Observe que precisamos da camada labs()