GET00183 - Visualização de Dados

1.1 - Eixos quantitativos

Os eixos x e y, quando quantitativos, são modificados pelas funções scale_x_continuous e scale_y_continuous. Estas funções dependem de diversos argumentos, dentre eles do breaks que é um vetor numérico com as posições dos números que serão apresentados e limits que também é um vetor numérico, indicando os valores mínimo e máximo do eixo.

A seguir, vamos criar um gráfico de dispersão especificando os limites e os valores que queremos que sejam apresentados em cada eixo.

# carregando pacote
library(ggplot2)

# criando um gráfico de dispersão com eixos modificados
base_carros |> 
  ggplot(mapping = aes(x = disp, 
                       y = wt)) +
  geom_point() +
  scale_x_continuous(breaks = seq(50, 475, 25), 
                     limits=c(50, 475)) +
  scale_y_continuous(breaks = seq(1, 6, 1), 
                     limits=c(1, 6))

Suponha que o desejo seja criar o gráfico de dispersão usando no eixo x a porcentagem da cilindrada do carro em relação ao carro com a maior cilindrada, ou seja, no eixo x irá aparecer o valor de disp/max(disp) para cada carro e ao invés de aparecer no eixo y o peso (em 1000 libras) queremos que apareça o peso em uma outra escala, ou seja, wt \(\times\) 100.000. Para isso, vamos criar as duas variáveis para serem usadas somente na visualização e não guardá-las na base de dados.

# criando um gráfico de dispersão
base_carros |>
  mutate(porc_disp = disp/max(disp),
         wt_libras = wt*100000) |>  
  ggplot(mapping = aes(x = porc_disp, 
                       y = wt_libras)) +
  geom_point()

O que acontece com os eixos do gráfico acima. No eixo y os números são muito grandes e aparecem em notação científica. Já o eixo x não dá uma indicação de que esteja sendo representado uma porcentagem. Como modificar isso?

# criando um gráfico de dispersão
base_carros |>
  mutate(porc_disp = disp/max(disp),
         wt_libras = wt*100000) |>  
  ggplot(mapping = aes(x = porc_disp, 
                       y = wt_libras)) +
  geom_point() +
  scale_x_continuous(label = scales::percent) +
  scale_y_continuous(label = scales::label_number(big.mark = ".",
                                                  decimal.mark = ","))

O percent apresenta o rótulo do eixo em porcentagem e o label_number força o eixo ser apresentado em número e não em notação científica. Além disso, foi estipulado que o separador de milhares seria o “.” ponto e o decimal a “,” vírgula.

1.2 - Eixos qualitativos

Os eixos x e y, quando qualitativos, são modificados pelas funções scale_x_discrete e scale_y_discrete. Estas funções dependem de diversos argumentos, dentre eles do limits que é um vetor de character (as categorias da variável qualitativa na ordem que se deseja apresentar) e labels que também é um vetor de characteres com os rótulos que se deseja apresentar, este argumento é opcional.

A seguir, vamos criar um gráfico de barras da variável setor. Para isso, precisaremos importar uma nova base de dados.

Atividade: Importe o arquivo survey85.csv e armazene-o em um objeto chamado survey.

A base de dados possui variáveis referentes a uma pesquisa survey realizada em 1985 contendo remuneração e outras características de trabalhadores, tais como:

• salário por hora em dólares (remuneracao);
• número de anos de educação (educacao);
• sexo;
• é hispânico? (hispanico);
• é do sul? (sul);
• é casado? (casado);
• tempo de experiência de trabalho (exper);
• idade;
• setor de trabalho (setor).

# Visualizando o objeto
survey

# A tibble: 533 x 10
   remuneracao educacao raca   sexo  hispanico sul   casado exper idade setor   
         <dbl>    <dbl> <chr>  <chr> <chr>     <chr> <chr>  <dbl> <dbl> <chr>   
 1        9          10 Branco M     N         N     S         27    43 constru…
 2        5.5        12 Branco M     N         N     S         20    38 vendas  
 3        3.8        12 Branco F     N         N     N          4    22 vendas  
 4       10.5        12 Branco F     N         N     S         29    47 adminis…
 5       15          12 Branco M     N         N     S         40    58 constru…
 6        9          16 Branco F     N         N     S         27    49 adminis…
 7        9.57       12 Branco F     N         N     S          5    23 servico 
 8       15          14 Branco M     N         N     N         22    42 vendas  
 9       11           8 Branco M     N         N     S         42    56 fabrica 
10        5          12 Branco F     N         N     S         14    32 vendas  
# … with 523 more rows

A seguir, apresentamos o passo a passo para a construção de um gráfico de barras para a variável setor.

# gráfico de barras
# Criando um gráfico de barras para a variável setor
survey |>
  ggplot(mapping = aes(x = setor)) +
  geom_bar()

Se quisermos modificar o rótulo do eixo x podemos fazer da seguinte forma.

# gráfico de barras
# Criando um gráfico de barras para a variável setor
survey |>
  ggplot(mapping = aes(x = setor)) +
  geom_bar(fill = "blue") +
  scale_x_discrete(limits = c("administrativo", "fabrica", "construcao", 
                             "gerente", "outro", "prof", 
                             "servico","vendas"),
                   labels = c("Administrativo", "Fábrica", 
                              "Contrução\nCivil", "Gerente", "Outro", 
                              "Professores", "Serviço","Vendas"))

Podemos perceber no gráfico que foi realizado uma troca na ordem das categorias fabrica e construcao. Além disso, todos os rótulos foram modificados. Vejam que não foi feita nenhuma modificação na base de dados, somente na visualização.

1.3 - Eixos com datas

Os eixos x e y, quando datas, são modificados pelas funções scale_x_date e scale_y_date. Estas funções dependem de diversos argumentos, dentre eles do date_breaks uma string que indica o distanciamento entre duas quebras no eixo, por exemplo, 3 semanas ou 20 dias e date_labels que também é uma string indicando o formato para os rótulos, como indicado abaixo.

Para discutirmos as modificações no eixo do tipo data vamos precisar importar uma base de dados.

Atividade: Importe o arquivo base_SELIC_IPCA.csv e armazene-o em um objeto chamado base_BR.

A base de dados possui variáveis referentes a dois índices econômicos brasileiros:

• data - data referente a mensuração do índice;
• índice nacional de preços ao consumidor amplo (ipca);
• taxa selic (selic).

# Visualizando o objeto
base_BR

# A tibble: 498 x 3
   data        ipca selic
   <chr>      <dbl> <dbl>
 1 01/01/1980  6.62    NA
 2 01/02/1980  4.62    NA
 3 01/03/1980  6.04    NA
 4 01/04/1980  5.29    NA
 5 01/05/1980  5.7     NA
 6 01/06/1980  5.31    NA
 7 01/07/1980  5.55    NA
 8 01/08/1980  4.95    NA
 9 01/09/1980  4.23    NA
10 01/10/1980  9.48    NA
# … with 488 more rows

# Carregando pacote
library(lubridate)

# Tratando a data
base_BR = base_BR |> 
  mutate(data = dmy(data))

# Visualizando o objeto
base_BR

# A tibble: 498 x 3
   data        ipca selic
   <date>     <dbl> <dbl>
 1 1980-01-01  6.62    NA
 2 1980-02-01  4.62    NA
 3 1980-03-01  6.04    NA
 4 1980-04-01  5.29    NA
 5 1980-05-01  5.7     NA
 6 1980-06-01  5.31    NA
 7 1980-07-01  5.55    NA
 8 1980-08-01  4.95    NA
 9 1980-09-01  4.23    NA
10 1980-10-01  9.48    NA
# … with 488 more rows

Após a importação e o tratamento da variável para a classe date, podemos fazer um gráfico de linhas do IPCA entre os anos de 2017 e 2019.

# Plotando duas séries no mesmo gráfico
graf_temp = base_BR |>
  filter(data > dmy("31-12-2016"), data < dmy("01-01-2020")) |> 
  ggplot(aes(x = data, 
             y = ipca)) +
  geom_line() 

# Visualizando o gráfico
graf_temp

Abaixo vamos fazer algumas mo

 # criando diferentes periodicidades de aparição e composições para os rótulos das datas
graf_temp +
  scale_x_date(date_breaks = "5 month",
               date_labels = "%b-%y")

graf_temp +
  scale_x_date(date_breaks = "3 month",
               date_labels = "%m/%y")

2.1 - Especificando cores manualmente

A seguir, vamos criar um gráfico de barras empilhadas para as variáveis setor e sexo do objeto survey.

# criando um gráfico de barras empilhadas
survey |>
  ggplot(mapping = aes(x = setor,
                       fill = factor(sexo,
                                     labels = c("Feminino","Masculino")))) +
  geom_bar(position = "fill") +
  scale_y_continuous(breaks = seq(0, 1, .2), 
                     label = scales::percent) +
  labs(x = "Setor",
       y = "Proporção",
       fill = "Gênero")

É possível modificarmos as cores das categoris de sexo manualmente. Para isso, vamos usar o scale_fill_manual e especificar um vetor com cores para cada uma das categorias da variável sexo.

# modificando as cores manualmente
survey |>
  ggplot(mapping = aes(x = setor,
                       fill = factor(sexo,
                                     labels = c("Feminino","Masculino")))) +
  geom_bar(position = "fill") +
  scale_y_continuous(breaks = seq(0, 1, .2), 
                     label = scales::percent) +
  labs(x = "Setor",
       y = "Proporção",
       fill = "Gênero") +
  scale_fill_manual(values = c("darkred", "steelblue"))

2.2 - Paletas de cores

Além de definir manualmente, é possível usar paletas de cores já prontas no R. Existem muitas opções de paletas, talvez as mais conhecidas são a RColorBrewer e Viridis.

Abaixo são apresentadas paletas de cores no RColorBrewer.

A seguir vamos criar uma variável r

# fazendo o plot para a variável setor  salario categorizado
survey |> 
  mutate(remun_cat = cut(remuneracao, 
                         breaks = c(0,4,8,15,100),
                         labels = c("Muito Baixa",
                                    "Baixa",
                                    "Satisfatória",
                                    "Alta"))) |>  ggplot(mapping = aes(x = setor,
                       fill = remun_cat)) +
  geom_bar(position = "fill") +
  scale_y_continuous(breaks = seq(0, 1, .2), 
                     label = scales::percent) +
  labs(x = "Setor",
       y = "Proporção",
       fill = "Remuneração") +
  scale_fill_brewer(palette = "PuBu") +
  theme_classic()

É possível inverter a ordem das cores usando o argumento direction = -1.

# fazendo o plot para a variável setor  salario categorizado
survey |> 
  mutate(remun_cat = cut(remuneracao, 
                         breaks = c(0,4,8,15,100),
                         labels = c("Muito Baixa",
                                    "Baixa",
                                    "Satisfatória",
                                    "Alta"))) |>  ggplot(mapping = aes(x = setor,
                       fill = remun_cat)) +
  geom_bar(position = "fill") +
  scale_y_continuous(breaks = seq(0, 1, .2), 
                     label = scales::percent) +
  labs(x = "Setor",
       y = "Proporção",
       fill = "Remuneração") +
  scale_fill_brewer(palette = "PuBu",
                    direction = -1) +
  theme_classic()

Usando a escala viridis a função será a scale_fill_viridis_d.

# fazendo o plot para a variável setor  salario categorizado
graf_viridis = survey |> 
  mutate(remun_cat = cut(remuneracao, 
                         breaks = c(0,4,8,15,100),
                         labels = c("Muito Baixa",
                                    "Baixa",
                                    "Satisfatória",
                                    "Alta"))) |>  ggplot(mapping = aes(x = setor,
                       fill = remun_cat)) +
  geom_bar(position = "fill") +
  scale_y_continuous(breaks = seq(0, 1, .2), 
                     label = scales::percent) +
  labs(x = "Setor",
       y = "Proporção",
       fill = "Remuneração") +
  scale_fill_viridis_d()

# Visualizando o gráfico
graf_viridis