UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ECONÓMICAS

CARRERA DE ESTADÍSTICA

Autores:

Anderson Cabezas
Georgette Canchignia
Alaine Castillo
Anthony Orosco

Colaborador:

PHD. Francisco Valverde

GGPLOT 2

La función barplot en R

Para crear un gráfico de barras en R, puedes usar la función de R base barplot. En este ejemplo, vamos a crear un diagrama de barras a partir de un data frame. Concretamente vamos a usar el conocido conjunto de datos mtcars.

EJEMPLO

En primer lugar, carga los datos y crea una tabla para la columna cyl con la función de table.

Cargamos los datos

data(mtcars)

attach(mtcars)

Tabla de frecuencias

mi_tabla <- table(cyl)

mi_tabla

## cyl
##  4  6  8 
## 11  7 14

Sin embargo, si prefieres un gráfico de barras con porcentajes en el eje vertical (la frecuencia relativa), puedes usar la función prop.table y multiplicar el resultado por 100 de la siguiente manera.

Una fila, dos columnas

par(mfrow = c(1, 2))

Gráfico de barras de frecuencia absoluta.

barplot(mi_tabla, main = "Frequencia absoluta",
        
        col = rainbow(3))

Gráfico de barras de frecuencia relativa

barplot(prop.table(mi_tabla) * 100, main = "Frequencia relativa (%)",

        col = rainbow(3))

par(mfrow = c(1, 1))

Frecuencias absolutas y relativas.

Ten en cuenta que también puedes crear un diagrama de barras a partir de un factor con la función plot.

plot(factor(mtcars$cyl), col = rainbow(3))

Gráfico de barras con la función plot

Además, por una parte, podríamos agregar curvas sobre el gráfico de barras para representar otra variable, como sucede con la temperatura en el caso de los climogramas.

En este caso vamos a dibujar una línea sobre el gráfico que hemos hecho con nuestra tabla.

barp <- barplot(mi_tabla,                     # Guarda los valores de X que

                main = "Frequencia absoluta", # representan el centro de

                col = rainbow(3))             # cada barra          

                                                        

lines(barp, c(5, 4, 12), type = "o", lwd = 3)

Añadir líneas para crear un climograma

Asignar un gráfico de barras a una variable almacenará los valores del eje correspondientes al centro de cada barra.

Por otra parte, también podríamos mostrar los números correspondientes a la altura de las barras con la función text de la siguiente manera:

barp <- barplot(mi_tabla, col = rainbow(3), ylim = c(0, 15))

text(barp, mi_tabla + 0.5, labels = mi_tabla)

Gráfico de barras con números representando la frecuencia de cada clase Por último, podría resultar interesante añadir un grid debajo de las barras del gráfico con la función grid.

barp <- barplot(mi_tabla, col = rainbow(3), ylim = c(0, 15))

grid(nx = NA, ny = NULL, lwd = 1, lty = 1, col = "gray")

barplot(mi_tabla, col = rainbow(3), ylim = c(0, 15), add = TRUE)

Rejilla (grid) en un gráfico de barras en R

Título, etiquetas y colores del gráfico de barras

Al igual que otros gráficos, puedes especificar una amplia variedad de parámetros gráficos, como etiquetas de eje, un título o personalizar los ejes. En el bloque de código anterior personalizamos los colores del diagrama de barras con el parámetro col. Puedes establecer los colores que prefieras con un vector o usar la función rainbow con el número de barras como parámetro como lo hicimos nosotros o usar otras paletas de colores. También puedes cambiar el color del borde de las barras con el argumento border.

barplot(mi_tabla,                               # Datos
        
        main = "Gráfico de barras",             # Título
        
        xlab = "Número de cilindros",           # Etiqueta del eje X
        
        ylab = "Frecuencia",                    # Etiqueta del eje Y
        
        border = "black",                       # Color del borde de las barras
        
        col = c("darkgrey", "darkblue", "red")) # Color para cada barra

Gráfico de barras personalizado en R

Cambiar las etiquetas de cada grupo

La etiqueta de cada grupo se puede cambiar con el argumento names.arg. En nuestro ejemplo, los grupos están etiquetados con números, pero podemos cambiarlos escribiendo algo como lo siguiente:

 barplot(mi_tabla, names.arg = c("cuatro", "seis", "ocho"))

Cambiar las etiquetas de los grupos de un un barplot en R

Espacio y ancho de las barras

También se puede modificar el espacio entre barras o el ancho de las barras con los argumentos width y space. Para el espacio entre grupos consulta la sección correspondiente de este tutorial.

par(mfrow = c(1, 2))

Ancho de las barras (por defecto: width = 1)

barplot(mi_tabla, main = "Cambiar el ancho de las barras",
        
        col = rainbow(3), width = c(0.4, 0.2, 1))

Espacio entre las barras

barplot(mi_tabla, main = "Cambiar el espacio entre barras",
        
        col = rainbow(3), space = c(1, 1.1, 0.1))

par(mfrow = c(1, 1))

Cambiar el ancho o el espacio entre las barras de un barchart en R

El vector space representa el espacio de la barra respecto a la anterior, por lo que el primer elemento no se trendrá en cuenta.

Gráfico de barras a partir de una lista o un data frame

Además, puedes crear un diagrama de barras directamente con las variables de un data frame o incluso una matriz, pero ten en cuenta que la variable debe ser el recuento de algún evento o característica.

Ejemplo

En el siguiente ejemplo, contamos el número de vehículos por color y los dibujamos con un gráfico de barras. Usaremos cada color de los coches para colorear las barras correspondientes.

df <- data.frame(ColorCoche = c("rojo", "verde", "blanco", "azul"),
                 
                 num = c(3, 5, 9, 1))

df <- as.list(df) # Equivalente

barplot(height = df$num, names = df$ColorCoche,
        
        col = c("red", "green", "white", "blue"))

Gráfico de barras de una variable continua

En caso de que estés trabajando con una variable continua, deberás usar la función cut para clasificar los datos. De lo contrario, en caso de ausencia de empates, tendrás tantas barras como la longitud del vector y las alturas de las barras serán iguales a 1.

En el siguiente ejemplo, dividiremos nuestros datos de 0 a 45 en pasos de 5 con el argumento breaks.

x <- c(2.1, 8.6, 3.9, 4.4, 4.0, 3.7, 7.6, 3.1, 5.0, 5.5, 20.2, 1.7,
       
       5.2, 33.7, 9.1, 1.6, 3.1, 5.6, 16.5, 15.8, 5.8, 6.8, 3.3, 40.6)



barplot(table(cut(x, breaks = seq(0, 45, by = 5))))

#Gráfico barras en R a partir de una variable continua

Gráfico de barras horizontal en R

Por defecto, los gráficos de barras en R se dibujan verticalmente. Sin embargo, es común representar gráficos de barras horizontales. Puedes rotar 90º el gráfico y crear un gráfico de barras horizontales estableciendo el argumento horiz como TRUE.

barplot(mi_tabla, main = "Gráfico de barras horizontal",
        
        ylab = "Número de cilindros", xlab = "Frecuencia",
        
        horiz = TRUE) # Gráfico de barras horizontal

#Gráfico de barras horizontal en R con la función barplot

Leyenda del gráfico de barras

Se puede agregar una leyenda a un diagrama de barras en R con el argumento legend.text, donde puedes especificar los nombres que quieres agregar a la leyenda. Ten en cuenta que en RStudio la gráfica resultante puede ser ligeramente diferente, ya que por ejemplo el fondo de la leyenda será blanco en lugar de transparente.

barplot(mi_tabla, xlab = "Número de cilindros",
        
        col = rainbow(3),
        
        legend.text = rownames(mi_tabla)) # Leyenda

#Añadir leyenda a un gráfico de barras en R con el argumento legend.text

Nótese que, al usar el argumento legend.text, la leyenda puede superponerse al diagrama de barras .

El método más fácil para resolver este problema en este ejemplo es mover la leyenda a la izquierda. Esto se puede lograr con el argumento args.legend, donde puedes establecer parámetros gráficos dentro de una lista. Puedes establecer la posición en top, bottom, topleft, topright, bottomleft y bottomright.

barplot(mi_tabla, xlab = "Número de cilindros",
        
        col = rainbow(3),
        
        legend.text = rownames(mi_tabla),
        
        args.legend = list(x = "top"))

#Cambiar posición a la leyenda del diagrama de barras en R

De manera equivalente, se puede lograr el diagrama anterior con la función legend de la siguiente manera, con los argumentos legend y fill.

barplot(mi_tabla, xlab = "Número de cilindros",
        
        col = rainbow(3))

legend("top", legend = rownames(mi_tabla), fill = rainbow(3))

Sin embargo, este enfoque solo funciona bien si la leyenda no se superpone a las barras en esas posiciones. Un mejor enfoque es mover la leyenda a la derecha, fuera del gráfico de barras. Puedes hacer esto configurando el argumento inset dentro de una lista pasada como parámetro al argumento args.legend de la siguiente manera.

par(mar = c(5, 5, 4, 10))

barplot(mi_tabla, xlab = "Número de cilindros",
        
        col = rainbow(3),
        
        legend.text = rownames(mi_tabla), # Valores de la leyenda
        
        args.legend = list(x = "topright", inset = c(-0.20, 0))) # Argumentos de la leyenda

#Añadir leyenda a un gráfico de barras sin superponerse

También podrías cambiar los límites de los ejes con los argumentos xlim e ylim para gráficos horizontales y verticales, respectivamente, pero ten en cuenta que en este caso el valor que pases dependerá del número y del ancho de las barras. Recuerda que si asignas un barplot a una variable puedes conocer los puntos del eje X que representan el centro de cada barra.

barplot(mi_tabla, xlab = "Número de cilindos",
        
        col = rainbow(3),
        
        legend.text = rownames(mi_tabla), xlim = c(0, 4.25))

Otra alternativa para mover la leyenda es ponerla debajo del gráfico de barras con las funciones layout, par y plot.new. Este enfoque es más avanzado que los otros y es posible que debas borrar los parámetros gráficos antes de la ejecución del código para obtener la gráfica correcta, ya que éstos se cambiarán.

# dev.off()

# opar <- par(no.readonly = TRUE)

plot.new()

layout(rbind(1, 2), heights = c(10, 3))

barplot(mi_tabla, xlab = "Número de cilindros",
        
        col = rainbow(3))



par(mar = c(0, 0, 0, 0))

plot.new()

legend("top", rownames(mi_tabla), lty = 1,
       
       col = c("red", "green", "blue"), lwd = c(1, 2))

# dev.off()

# on.exit(par(opar))

#Agreagar leyenda debajo de un gráfico de barras en R

Gráfico de barras agrupadas en R

Una gráfica de barras agrupadas es una gráfica de barras en R con dos o más variables. El gráfico mostrará las barras para cada una de las múltiples variables.

# Convertimos la variable 'am' en factor

am <- factor(am)



# Cambiamos los niveles del factor

levels(am) <- c("Automatica", "Manual")



# Tabla cilindros - tipo de transmisión

tabla_variables <- table(cyl, am)

# tabla_variables <- xtabs(~cyl + am , data = mtcars) # Equivalente



barplot(tabla_variables,
        
        main = "Gráfico de barras agrupado",
        
        xlab = "Tipo de transmisión", ylab = "Frecuencia",
        
        col = c("darkgrey", "darkblue", "red"),
        
        legend.text = rownames(tabla_variables),
        
        beside = TRUE) # Barras agrupadas

#Crear gráfico de barras por grupos en R

Nótese que si hubiéramos especificado table(am, cyl) en lugar de table(cyl, am), el eje X representaría el número de cilindros, por lo que habría tres grupos con dos barras cada uno.

Espacio entre grupos

Como revisamos anteriormente, se puede cambiar el espacio entre barras. En el caso de varios grupos, puedes establecer un vector de dos elementos donde el primer elemento es el espacio entre barras de cada grupo (0.4) y el segundo el espacio entre grupos (2.5).

barplot(tabla_variables,
        
        main = "Espacio entre grupos",
        
        xlab = "Tipo de transmisión", ylab = "Frecuencia",
        
        col = c("darkgrey", "darkblue", "red"),
        
        legend.text = rownames(tabla_variables),
        
        beside = TRUE,
        
        space = c(0.4, 2.5)) # Espacio

#Cambiar el espacio entre grupos de un barplot

Valores numéricos en grupos

Los gráficos de barras también se pueden usar para resumir una variable en grupos dados por uno o varios factores.

Supón que quieres mostrar la cantidad de cilindros y el tipo de transmisión en función de la potencia media de los automóviles. Puedes utilizar la función tapply para crear la tabla correspondiente:

resumen_datos <- tapply(mtcars$hp, list(cilindros = mtcars$cyl,
                                          
                                          transmision = am),
                          
                          FUN = mean, na.rm = TRUE)

resumen_datos

##          transmision
## cilindros Automatica   Manual
##         4   84.66667  81.8750
##         6  115.25000 131.6667
##         8  194.16667 299.5000

Output

transmision

cilindros Automatica Manual

4 84.66667 81.8750

6 115.25000 131.6667

8 194.16667 299.5000

Ahora puedes crear el diagrama de barras correspondiente en R:

par(mar = c(5, 5, 4, 10))



barplot(resumen_datos, xlab = "Tipo de transmisión",
        
        main = "Media CV",
        
        col = rainbow(3),
        
        beside = TRUE,
        
        legend.text = rownames(resumen_datos),
        
        args.legend = list(title = "Cilindros", x = "topright",
                           
                           inset = c(-0.20, 0)))

#Resumen numérico por grupo

Gráfico de barras en R con barras de error

Por defecto, no puedes crear un diagrama de barras con barras de error. Sin embargo, la siguiente función te permitirá crear un diagrama de barras totalmente personalizable con barras de error estándar:

  # Argumentos:
  
  # x: un único factor
  
  # y: un vector numérico
  
  # ...: argumentos adicionales para ser pasados a la función barplot
  
  
  
barplot.error <- function(x, y, ...) {
  
  mod <- lm(y ~ x)
  
  reps <- sqrt(lengthYes/length(levels(x)))
  
  sem <- sigma(mod)/reps
  
  means <- tapply(y, x, mean)
  
  upper <- max(means) + sem
  
  lev <- levels(x)
  
  barpl <- barplot(means, ...)
  
  invisible(sapply(1:length(barpl), function(i) arrows(barpl[i], means[i] + sem,
                                                       
                                                       barpl[i], means[i] - sem, angle = 90, code = 3, length = 0.08)))
  
}



# Llamamos a la función

barplot.error(factor(mtcars$cyl), mtcars$hp, col = rainbow(3), ylim = c(0, 250))

#Añadir barras de error

Aunque puedes agregar barras de error a un diagrama de barras en R, cabe destacar que un diagrama de caja por grupo podría ser un mejor enfoque para resumir los datos en este escenario.

Gráfico de barras apiladas en R

Un gráfico de barras apiladas es como un diagrama de barras agrupado, pero la frecuencia de las variables está apilada. Este tipo de diagrama de barras se creará de forma predeterminada al pasar como argumento una tabla con dos o más variables, ya que el argumento beside por defecto es FALSE.

barplot(tabla_variables,
        
        main = "Gráfico de barras apilado",
        
        xlab = "Tipo de transmisión", ylab = "Frecuencia",
        
        col = c("darkgrey", "darkblue", "red"),
        
        legend.text = rownames(tabla_variables),
        
        beside = FALSE) # Barras apiladas (opción por defecto)

#Barras apiladas en R

Relacionado con los gráficos de barras apiladas, existen implementaciones similares, como el diagrama de espinas o spineplot y el gráfico de mosaico o mosaicplot. Este tipo de gráficos se pueden crear con las funciones spineplot y mosaicplot del paquete graphics.

El diagrama de tipo mosaico permite visualizar datos de dos o más variables cuantitativas, donde el área de cada rectángulo representa la proporción de esa variable en cada grupo.

# install.packages("graphics")

library(graphics)



mosaicplot(tabla_variables, main = "Mosaico")

#Gráfico de mosaico en R

El diagrama de espina es un caso especial de un diagrama de mosaico y es una generalización del diagrama de barras apilado. En este caso, a diferencia de los gráficos de barras apiladas, cada barra suma uno.

spineplot(tabla_variables)

#Gráfico de espina en R

Ten cuenta que, por defecto, los ejes se intercambian con respecto al diagrama de barras apiladas que creamos en la sección anterior. Puedes crear el gráfico equivalente transponiendo la tabla de frecuencias con la función t.

spineplot(t(tabla_variables))

#Gráfico de espinas vertical

Gráfico de barras en R con ggplot2

El paquete ggplot2 es una biblioteca gráfica de R muy conocida. Puedes crear un diagrama de barras con esta biblioteca convirtiendo los datos en data frame y usando las funciones ggplot y geom_bar. En el argumento aes debes pasar los nombres de las variables del data frame, en x la variable categórica y en y la numérica.

# install.packages("ggplot2")

library(ggplot2)

## 
## Attaching package: 'ggplot2'

## The following object is masked from 'mtcars':
## 
##     mpg

df <- as.data.frame(mi_tabla)



ggplot(data = df, aes(x = cyl, y = Freq)) +
  
  geom_bar(stat = "identity")

#Crear diagrama de barras en R con ggplot2

Gráfico de barras horizontal en ggplot2

En caso de que quieras rotar el diagrama de barras anterior, puedes usar la función coord_flip de la siguiente manera:

  ggplot(data = df, aes(x = cyl, y = Freq)) +
  
  geom_bar(stat = "identity") +
  
  coord_flip() # Barras horizontales

#Crear gráfico de barras horizontal con ggplot2

Histograma en R

¿Cómo hacer un histograma en R? La función hist

Para explicar los pasos para crear un histograma en R, vamos a utilizar los siguientes datos, que representan las distancia (en yardas) que recorre una pelota de golf después de ser golpeada.

distancia <- c(241.1, 284.4, 220.2, 272.4, 271.1, 268.3,
               
               291.6, 241.6, 286.1, 285.9, 259.6, 299.6,
               
               253.1, 239.6, 277.8, 263.8, 267.2, 272.6,
               
               283.4, 234.5, 260.4, 264.2, 295.1, 276.4,
               
               263.1, 251.4, 264.0, 269.2, 281.0, 283.2)

Puedes dibujar un histograma en R con la función hist. Por defecto, la función creará un histograma de frecuencias.

hist(distancia, main = "Histograma de frecuencias", # Frecuencia
     
     ylab = "Frecuencia")

#Histograma de frencuencias en R

Sin embargo, si estableces el argumento prob como TRUE, obtendrás un histograma de densidad.

hist(distancia, prob = TRUE, main = "Histograma de densidad", # Densidad
     
     ylab = "Densidad")

#Histograma de densidad en R

Además, puedes añadir un grid al histograma con la función grid de la siguiente manera.

hist(distancia, prob = TRUE, ylab = "Densidad", main = "Grid")

grid(nx = NA, ny = NULL, lty = 2, col = "gray", lwd = 1)

hist(distancia, prob = TRUE, add = TRUE, col = "white")

#Añadir grid a un histograma

Ten en cuenta que hay que dibujar dos veces el histograma para que el grid salga por debajo de las barras en lugar de por encima.

Desde R 4.0.0 los histogramas son grises por defecto, no blancos.

Cambiar el color del histograma

Ahora que ya sabes crear un histograma en R, también puedes personalizarlo. Si quieres cambiar el color de las barras puede establecer el parámetro col al color que prefieras. Al igual que sucede con cualquier otro gráfico en R, puedes personalizar muchas características del gráfico, como el título, los ejes, el tamaño de fuente, la escala de los ejes, …

hist(distancia, main = "Cambiar color", ylab = "Frecuencia", col = "lightblue")

#Cambiar el color en la función hist

El argumento breaks

Los histogramas son muy útiles para representar la distribución subyacente de los datos si el número de barras o clases se selecciona correctamente. Sin embargo, la selección del número de barras (o el ancho de las barras) puede ser complicada:

Pocas clases agruparán demasiado las observaciones.
Con demasiadas clases habrá pocas observaciones en cada una de ellas aumentando la variabilidad del gráfico obtenido.

Hay varias reglas para determinar el número de barras. En R, el método de Sturges se usa por defecto. Si quieres cambiar el número de barras, pasa al argumento breaks el número de clases que quieras.

par(mfrow = c(1, 3))



hist(distancia, breaks = 2, main = "Pocas clases", ylab = "Frecuencia")

hist(distancia, breaks = 50, main = "Demasiadas clases", ylab = "Frecuencia")

hist(distancia, main = "Método de Sturges", ylab = "Frecuencia")

par(mfrow = c(1, 1))

#Número de clases con el argumento breaks

También puedes usar el método plug-in (Wand, 1995) implementando en la librería KernSmooth para seleccionar el ancho de las barras del histograma:

# Método plug-in
  
  # install.packages("KernSmooth")
  
  library(KernSmooth)

## KernSmooth 2.23 loaded
## Copyright M. P. Wand 1997-2009

ancho_barras <- dpih(distancia)



nbarras <- seq(min(distancia) - ancho_barras,
               
               max(distancia) + ancho_barras, by = ancho_barras)



hist(distancia, breaks = nbarras, main = "Plug-in", ylab = "Frecuencia")

#Método plug in de Wand para seleccionar el número de clases

Histograma en R con dos variables

Establecer el argumento add como TRUE permite añadir un histograma sobre otro gráfico. Como ejemplo, puedes crear un histograma en R por grupo con el código del siguiente bloque:

set.seed(1)

 

x <- rnorm(1000)    # Primer grupo

y <- rnorm(1000, 1) # Segundo grupo

 

hist(x, main = "Dos variables", ylab = "Frecuencia")

hist(y, add = TRUE, col = rgb(1, 0, 0, alpha = 0.5))

#Histograma en R con dos variables

La función rgb permite establecer colores en canal RGB. El argumento alpha determina la transparencia. De hecho, cuando se combinan gráficos es una buena idea añadir colores con transparencia para no ocultar las representaciones entre si.

Histograma con curva normal

Para dibujar una curva normal sobre un histograma, puede usar las funciones dnorm y lines de la siguiente manera:

hist(distancia, prob = TRUE,

     main = "Histograma con curva normal", ylab = "Densidad")

x <- seq(min(distancia), max(distancia), length = 40)

f <- dnorm(x, mean = mean(distancia), sd = sd(distancia))

lines(x, f, col = "red", lwd = 2)

#Histograma con curva normal en R

Añadir curva de densidad a un histograma en RS

Para agregar una curva de densidad sobre un histograma, puedes usar la función lines para trazar la curva y la función density para calcular una estimación no paramétrica (tipo núcleo) de la distribución.

hist(distancia, freq = FALSE, main = "Curva densidad", ylab = "Densidad")

lines(density(distancia), lwd = 2, col = 'red')

#Curva de densidad en un histograma de R

La selección de ventana para ajustar las densidades no paramétricas es un área de intensa investigación. Además, ten en cuenta que por defecto, la función density usa un núcleo gaussiano. Para obtener más información, ejecuta ?density.

Vamos a unir los códigos anteriores dentro de una función para crear automáticamente un histograma con curvas normales y de densidad.

histDenNorm <- function (x, ...) {

   hist(x, ...) # Histograma

   lines(density(x), col = "blue", lwd = 2) # Densidad

   x2 <- seq(min(x), max(x), length = 40)

   f <- dnorm(x2, mean(x), sd(x))

   lines(x2, f, col = "red", lwd = 2) # Normal

   legend("topright", c("Histograma", "Densidad", "Normal"), box.lty = 0,

          lty = 1, col = c("black", "blue", "red"), lwd = c(1, 2, 2))

}

Ahora puedes verificar el comportamiento de la función anterior con datos de muestra.

set.seed(1)


# Datos normales

x <- rnorm(n = 5000, mean = 110, sd = 5)

 

# Datos exponenciales

y <- rexp(n = 3000, rate = 1)

 

par(mfcol = c(1, 2))

 

histDenNorm(x, prob = TRUE, main = "Histograma de X")

histDenNorm(y, prob = TRUE, main = "Histograma de Y")

par(mfcol = c(1, 1))

#Histograma con curva normal y de densidad no paramétrica en R

Histograma y boxplot en R

Se puede agregar un diagrama de caja sobre un histograma escribiendo par(new = TRUE) entre los códigos de los dos gráficos.

hist(distancia, probability = TRUE, ylab = "", main = "",

     col = rgb(1, 0, 0, alpha = 0.5), axes = FALSE)

axis(1) # Añade el eje horizontal

par(new = TRUE)

boxplot(distancia, horizontal = TRUE, axes = FALSE,

        lwd = 2, col = rgb(0, 0, 0, alpha = 0.2))

#Histograma con boxplot en R

También puedes agregar la curva normal o de densidad a la gráfica anterior.

Histograma en R con ggplot2

Para crear un histograma con el paquete ggplot2, debes usar las funciones ggplot + geom_histogram y pasar los datos como data frame. En el argumento aes debes especificar el nombre de la variable del data frame.

# install.packages("ggplot2")

library(ggplot2)

 

ggplot(data.frame(distancia), aes(x = distancia)) +

       geom_histogram(color = "gray", fill = "white")

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

#Histograma en ggplot2

Este gráfico devolverá un mensaje advirtiéndote de que el histograma se calculó utilizando 30 clases. Esto se debe a que, de manera predeterminada, ggplot no utiliza el método de Sturges.

Ahora vamos a calcular el número de barras con el método Sturges como lo hace la función hist y establecerlo con el argumento breaks. Ten en cuenta que también puedes establecer el argumento binwidth si lo prefieres.

# Calculando el número de barras como la función hist()

nbreaks <- pretty(range(distancia), n = nclass.Sturges(distancia),

                  min.n = 1)

 

ggplot(data.frame(distancia), aes(x = distancia)) +

      geom_histogram(breaks = nbreaks, color = "gray", fill = "white")

#Como puedes ver, el siguiente gráfico es igual al primer histograma.

#Histograma en ggplot2 con el método Sturges

En ggplot2 también puedes agregar la curva de densidad con la función geom_density. Además, si quieres rellenar el área debajo de la curva, puedes indicar en el argumento fill el color que prefieras y en el argumento alpha el grado de transparencia del color. Ten en cuenta que necesitas establecer un nuevo aes dentro del geom_histogram de la siguiente manera:

ggplot(data.frame(distancia), aes(x = distancia)) +

       geom_histogram(aes(y = ..density..), breaks = nbreaks,

                      color = "gray", fill = "white") +

       geom_density(fill = "black", alpha = 0.2)

#Histograma con densidad en ggplot2

Histograma en Plotly

Una alternativa para crear histogramas es usar el paquete plotly (una adaptación de la librería de JavaScript para R), que crea gráficos en formato interactivo. Para nuestro ejemplo prodríamos ejecutar lo siguiente:

#install.packages("plotly")

library(plotly)

## 
## Attaching package: 'plotly'

## The following object is masked from 'package:ggplot2':
## 
##     last_plot

## The following object is masked from 'package:stats':
## 
##     filter

## The following object is masked from 'package:graphics':
## 
##     layout

# Histograma de frecuencias

fig <- plot_ly(x = distancia, type = "histogram")

fig

# Histograma de densidad

fig <- plot_ly(x = distancia, type = "histogram", histnorm = "probability")

fig

Función de densidad

empírica en R

Para crear un gráfico de densidad en R, puedes pasar a la función plot un objeto creado con la función density de R, que dibujará una curva de densidad en una nueva ventana. Si lo prefieres, también puedes superponer la línea de densidad sobre un histograma con la función lines.

Datos de ejemplo

set.seed(1234)

 

# Generamos datos

x <- rnorm(500)

par(mfrow = c(1, 2))

 

# Creamos un histograma

hist(x, freq = FALSE, main = "Histograma y densidad",

     ylab = "Densidad")

 

# Calculamos la densidad

dx <- density(x)

 

# Añadimos la línea de densidad

lines(dx, lwd = 2, col = "red")

 

# Curva de densidad sin histograma

plot(dx, lwd = 2, col = "red",

     main = "Densidad")

 

# Añadimos los datos con riudo en el eje X

rug(jitter(x))

#Histograma y densidad en R

El resultado es la densidad de probabilidad empírica suavizada. Una alternativa para crear una función de densidad en R es la función epdfPlot del paquete EnvStats. Con esta función puedes pasar el vector númerico directamente como parámetro.

# Alternativa equivalente con el paquete EnvStats

# install.packages("EnvStats")

 

library(EnvStats)

## 
## Attaching package: 'EnvStats'

## The following objects are masked from 'package:stats':
## 
##     predict, predict.lm

## The following object is masked from 'package:base':
## 
##     print.default

epdfPlot(x, epdf.col = "red")

#Ejemplo de uso de la función epdfPlot del paquete EnvStats

Selección de ventana para densidades tipo núcleo

Cuando dibujas una función de densidad de probabilidad en R, dibujas una estimación de densidad tipo núcleo. El gráfico de densidad tipo núcleo es un enfoque no paramétrico que necesita seleccionar una ventana (bandwidth). Puedes establecer la ventana con el argumento bw de la función density.

En general, una ventana grande suavizará la curva de densidad, y una pequeña provocará un sobreajuste de la estimación de densidad tipo núcleo En el siguiente bloque de código encontrarás un ejemplo que describe este problema.

par(mfrow = c(1, 2))

 

# Ventana grande

plot(density(x, bw = 20), lwd = 2,

     col = "red", main = "Ventana demasiado grande")

 

# Ventana pequeña

plot(density(x, bw = 0.05), lwd = 2,

     col = "red", main = "Ventana demasiado pequeña")

#Comparación de selección de ventana para la estimación de funciones de densidad

De manera equivalente, puedes pasar argumentos de la función density a epdfPlot dentro de una lista como parámetro del argumento density.arg.list. En este caso, estamos pasando el argumento bw de la función de densidad.

# Alternativa equivalente con el paquete EnvStats

epdfPlot(x, epdf.col = "red", density.arg.list = list(bw = 0.05),

         main = "Ventana demasiado pequeña")

La literatura sobre la selección de la ventana para estimar funciones de densidad tipo núcleo es amplia. Sin embargo, hay tres enfoques principales comunmente utilizados para seleccionar el parámetro:

Por defecto, la función density utiliza el enfoque que se conoce como la “regla del pulgar”.
Usando el método plug-in, desarrollado por Sheather y Jones (1991).
Usando el enfoque de validación cruzada.

En el siguiente código se muestra cómo aplicar cada uno de los enfoques:

par(mfrow = c(1, 3))

 

# Regla del pulgar

plot(density(x), main = "Regla del pulgar",

     cex.lab = 1.5, cex.main = 1.75, lwd = 2)

 

# Validación cruzada insesgada

plot(density(x, bw = bw.ucv(x)), col = 2, # Igual a: bw = "UCV"

     main = "Validación cruzada", cex.lab = 1.5,

     cex.main = 1.75, lwd = 2)

 

# Plug-in

plot(density(x, bw = bw.SJ(x)), col = 4, # Igual a: bw = "SJ"

     main = "Método plug-in",

     cex.lab = 1.5, cex.main = 1.75, lwd = 2)

#Métodos de estimación de la ventana en gráficos de densidad

La selección del parámetro ventana dependerá de los datos con los que trabajes o de los objetivos de tu estudio. Elije el método de selección con precaución.

También puedes cambiar la función núcleo con el argumento kernel, que por defecto será gaussiano. Aunque no entraremos en más detalles, los núcleos disponibles son “gaussiano”, “epanechnikov”, “rectangular”, “triangular”, “biweight”, “cosine” y “optcosine”. La selección dependerá de los datos con los que estés trabajando.

Multiples líneas de densidad en un gráfico

Con la función lines puedes dibujar múltiples curvas de densidad en R. Solo necesitas crear un gráfico de densidad en R y añadir las nuevas líneas que quieras.

par(mfrow = c(1, 1))

 

plot(dx, lwd = 2, col = "red",

    main = "Multiples curvas", xlab = "")

 

# Nuevos datos

set.seed(2)

y <- rnorm(500) + 1

dy <- densityYes

 

# Nueva curva

lines(dy, col = "blue", lwd = 2)

#Múltiples curvas de densidad en R

Sin embargo, puede que te hayas dado cuenta de que la curva azul está cortada en el lado derecho. Para arreglar esto puedes establecer los argumentos xlim e ylim entre el mínimo y el máximo para cada eje de todas las densidades que vayas a dibujar.

plot(dx, lwd = 2, col = "red",

    main = "Multiples curvas con los límites de los ejes corregidos", xlab = "",

    xlim = c(min(dx$x, dy$x), c(max(dx$x, dy$x))),  # Mínimo y máximo limites eje X

    ylim = c(min(dx$y, dy$y), c(max(dx$y, dy$y))))  # Mínimo y máximo limites eje Y

 

lines(dy, col = "blue", lwd = 2)

#Múltiples curvas de densidad evitando solapamiento

Al trazar varias líneas es una buena práctica establecer los límites de los ejes con los argumentos xlim y ylim de la función plot , porque los límites se establecerán de forma predeterminada en los límites de la primera curva que dibujes .

Gráficos de comparación de densidades en R

Hay varias formas de comparar densidades. Un enfoque es utilizar la función densityPlot del paquete car. Esta función crea estimaciones de densidad no paramétricas condicionadas por un factor si se especifica. Escribe ?densityPlot para obtener información adicional sobre la función y el método.

Datos de ejemplo con grupos

# Grupos

set.seed(1)

grupos <- factor(sample(c(1, 2), 100, replace = TRUE))

 

variable <- numeric(100)

 

# Grupo 1: media 3

variable[grupos == 1] <- rnorm(length(variable[grupos == 1]), 3)

 

# Grupo 2: media 0

variable[grupos == 2] <- rnorm(length(variable[grupos == 2]))

# Comparando densidades por grupo

 

# install.packages("car")

library(car)

## Loading required package: carData

## 
## Attaching package: 'car'

## The following object is masked from 'package:EnvStats':
## 
##     qqPlot

densityPlot(variable, grupos)

#Comparación de densidades en R con la función densityPlot

Otra alternativa es utilizar la función sm.density.compare del paquete sm, que compara las densidades en un contraste de permutaciones.

# install.packages("sm")                                                     

library(sm)

## Package 'sm', version 2.2-5.7: type help(sm) for summary information

sm.density.compare(variable, grupos)               

legend("topleft", levels(grupos), col = 2:4, lty = 1:2)

#Función smcompare en R para comparar gráficos de densidad

Ten en cuenta que los gráficos de densidad son diferentes debido a que los métodos para calcular las densidades son diferentes. Consulta la bibliografía de cada método, disponible en la documentación de cada función, para obtener detalles adicionales.

Colorear el área bajo las curvas de densidad

Con R base puedes usar la función polygon para sombrear el área bajo las curvas de densidad. Si usas la función rgb en el argumento col en lugar de un color básico, puedes establecer la transparencia del área del diagrama de densidad con el argumento alpha, que va desde 0, que es transparencia total hasta 1, que dibuja el color opaco.

par(mfrow = c(1, 2))



#--------------------------------

# Sombrear el área bajo la curva

#--------------------------------


plot(dx, lwd = 2, main = "", xlab = "",

     col = "red", xlim = c(-4, 6), ylim = c(0, 0.5))

polygon(dx, col = "red")

polygon(dx$x, dx$y, col = "red") # Equivalente

 

set.seed(2)

y <- rnorm(500) + 2

dy <- densityYes

 

lines(dy, lwd = 2, col = "blue")

polygon(dy, col = "blue")

 

#--------------------------------------------------

# Sombrear el área bajo la curva con transparencia

#--------------------------------------------------

 

plot(dx, lwd = 2, main = "", xlab = "",

     col = "red", xlim = c(-4, 6), ylim = c(0, 0.5))

polygon(dx, col = rgb(1, 0, 0, alpha = 0.5))

 

lines(dy, lwd = 2, col = "blue")

polygon(dy, col = rgb(0, 0, 1, alpha = 0.5))

#Cambiar la transparencia del área de la densidad con la función rgb

Si estás utilizando el paquete EnvStats, puedes configurar los colores con el argumento curve.fill.col de la función epdfPlot.

# Alternativa equivalente con el paquete EnvStats

 

library(EnvStats)

 

epdfPlot(x, # Vector con datos

        curve.fill = TRUE, # Colorear el área

        curve.fill.col = rgb(1, 0, 0, alpha = 0.5), # Color del área

        epdf.col = "red") # Color de la curva

 

epdfPlot(y, curve.fill = TRUE,

        curve.fill.col = rgb(0, 0, 1, alpha = 0.5),

        epdf.col = "blue",

        add = TRUE) # Añadir la densidad sobre el plot anterior

También puedes sombrear solo un área específica debajo de la curva. En el siguiente ejemplo, mostramos cómo colorear el área de la curva para valores de x mayores que 0.

par(mfrow = c(1, 1))

 

plot(dx, lwd = 2, main = "Densidad", col = "red")

 

polygon(c(dx$x[dx$x >= 0], 0), c(dx$y[dx$x >= 0], 0),

        col = rgb(1, 0, 0, alpha = 0.5), border = "red", main = "")

#Colorear cierta área bajo una curva en R

Colorear el área bajo las curvas de densidad

Colorear cierta área bajo una curva en R Gráfico de densidad con ggplot2

Puedes crear una gráficas de densidad con el paquete de R ggplot2 con las funciones ggplot y geom_density de la siguiente manera:

library(ggplot2)

df <- data.frame(x = x)

x11()
ggplot(df, aes(x = x)) +
  geom_density(color = "red", # Color de la curva
               fill = "red",  # Color del área sombreada
               alpha = 0.5)   # Transparencia del color

#Gráfico de densidad en R con la librería ggplot2

Si quieres agregar más curvas, puedes establecer los límites del eje X con la función xlim y agregar una leyenda con scale_fill_discrete de la siguiente manera:

df <- data.frame(x = x, y = y)
df <- stack(df)

dx <- density(x)
dy <- density(y)

ggplot(df, aes(x = values, fill = ind)) +
  geom_density(alpha = 0.5) + # Densidades con transparencia
  xlim(c(min(dx$x, dy$x), # Límites del eje X
       c(max(dx$x, dy$x)))) +
  scale_fill_discrete(name = "Título de la leyenda", # Cambiar el título de la leyenda
                      labels = c("A", "B")) # + # Cambiar las etiquetas de la leyenda

# theme(legend.position = "none") # Eliminar leyenda

# Equivalente

x11()
ggplot(df, aes(x = values)) +
  geom_density(aes(group = ind, fill = ind), alpha = 0.5) +
  xlim(c(min(dx$x, dy$x), c(max(dx$x, dy$x)))) +
  scale_fill_discrete(name = "Título de la leyenda",
                      labels = c("A", "B"))

#Múltiples diagramas de densidad en ggplot2

¿Cómo interpretar un diagrama de caja y bigotes en R?

La caja de un boxplot comienza en el primer cuartil (25%) y termina en el tercero (75%). Por lo tanto, la caja representa el 50% de los datos centrales, con una línea dentro que representa la mediana. A cada lado de la caja se dibuja un segmento con los datos más lejanos sin contar los valores atípicos (outliers) del box plot, que en caso de existir, se representarán con círculos.

Interpretación del diagrama de caja y bigotes

Un dato atípico es aquella observación que está muy distante del resto de los datos. Se dice que un valor es un valor atípico si es mayor que Q_3Q3 + 1.5 IQR⋅IQR(valor atípico a la derecha), o es menor que Q_1Q1 – 1.5 IQR⋅IQR (valor atípico a la izquierda), siendo Q_1Q1 el primer cuartil, Q_3Q3 el tercer cuartil y IQRIQR el rango intercuartil (Q_3Q3 – Q_1Q1) que representa el ancho de la caja para diagramas de caja horizontales.

La función boxplot en R

En R base se puede crear un gráfico caja y bigotes con la función boxplot. Puedes dibujar este tipo de gráfico desde diferentes entradas, como vectores o data frames, como revisaremos en las siguientes subsecciones. En caso de dibujar diagramas de caja para múltiples grupos en el mismo gráfico también puedes especificar una fórmula como entrada. Además, es posible personalizar el gráfico de cajas resultante con varios argumentos, como veremos a continuación.

Boxplot de un vector

Si te preguntas cómo hacer un boxplot en R a partir de un vector, solo necesitas pasar el vector a la función boxplot. Por defecto, el diagrama de caja será vertical, pero puedes cambiar la orientación estableciendo el argumento horizontal como TRUE.

Datos de muestra

x <- c(8, 5, 14, -9, 19, 12, 3, 9, 7, 4,
       4, 6, 8, 12, -8, 2, 0, -1, 5, 3)

boxplot(x, horizontal = TRUE)

#Boxplot básico en R horizontal

Ten en cuenta que los diagramas de caja ocultan la distribución subyacente de los datos. Para resolver este problema, puedes agregar puntos al diagrama de cajas con la función stripchart (el método jitter evitará dibujar sobre los datos atípicos) de la siguiente manera:

stripchart(x, method = "jitter", pch = 19, add = TRUE, col = "blue")
#Boxplot con datos con la función stripchart de R

Desde R 4.0.0 los gráficos de caja son grises por defecto en lugar de blancos.

Intervalo de confianza para la mediana del boxplot

Puedes representar los intervalos de confianza al 95% para la mediana en un diagrama de caja de R estableciendo el argumento notch como TRUE.

boxplot(x, notch = TRUE)

#Boxplot en R con intervalo de confianza para la mediana

Nótese que si los intervalos de confianza de dos o más diagramas de caja no se superponen significa que hay una fuerte evidencia estadística de que las medianas son diferentes.

Gráfico de cajas por grupo

Si tu conjunto de datos tiene una variable categórica que contiene grupos, puedes crear un diagrama de caja especificando una fórmula (variable_continua ~ variable_categorica).

Para este ejemplo, vamos a utilizar el conjunto de datos chickwts de R base.

head(chickwts)

##   weight      feed
## 1    179 horsebean
## 2    160 horsebean
## 3    136 horsebean
## 4    227 horsebean
## 5    217 horsebean
## 6    168 horsebean

##   weight      feed
## 1    179 horsebean
## 2    160 horsebean
## 3    136 horsebean
## 4    227 horsebean
## 5    217 horsebean
## 6    168 horsebean

Ahora, puedes crear un diagrama de caja que muestre la variable weight (peso) contra el tipo de alimentación (feed). Ten en cuenta que al trabajar con datasets puedes llamar directamente a los nombres de las variables si especificas el nombre del data frame en el argumento data.

boxplot(chickwts$weight ~ chickwts$feed)

boxplot(weight ~ feed, data = chickwts) # Equivalente

#Gráfico de cajas y bigotes por grupos en R

Además, en este ejemplo, podrías agregar puntos a cada diagrama de caja de la siguiente manera:

stripchart(chickwts$weight ~ chickwts$feed, vertical = TRUE, method = "jitter", pch = 19, add = TRUE, col = 1:length(levels(chickwts$feed)))
#Boxplot por grupos y datos con la función stripchart

Multiples boxplots

En caso de que todas las variables de tu conjunto de datos sean variables numéricas, puedes crear directamente un diagrama de caja desde un data frame. Para ilustrarlo vamos a utilizar el conjunto de datos trees.

head(trees)

##   Girth Height Volume
## 1   8.3     70   10.3
## 2   8.6     65   10.3
## 3   8.8     63   10.2
## 4  10.5     72   16.4
## 5  10.7     81   18.8
## 6  10.8     83   19.7

##   Girth Height Volume
## 1   8.3     70   10.3
## 2   8.6     65   10.3
## 3   8.8     63   10.2
## 4  10.5     72   16.4
## 5  10.7     81   18.8
## 6  10.8     83   19.7

Observa la diferencia con respecto al conjunto de datos chickwts. Sin embargo, puedes convertir este conjunto de datos como uno del mismo formato que el conjunto de datos chickwts con la función stack.

stacked_df <- stack(trees)
head(stacked_df)

##   values   ind
## 1    8.3 Girth
## 2    8.6 Girth
## 3    8.8 Girth
## 4   10.5 Girth
## 5   10.7 Girth
## 6   10.8 Girth

##   values   ind
## 1    8.3 Girth
## 2    8.6 Girth
## 3    8.8 Girth
## 4   10.5 Girth
## 5   10.7 Girth
## 6   10.8 Girth

Ahora puedes dibujar el diagrama de caja con el data frame original o con el apilado como lo hicimos en la sección anterior. Ten en cuenta que puedes cambiar el color del diagrama de caja por grupo con un vector de colores como parámetro del argumento col. Así, cada diagrama de caja tendrá un color diferente.

#Boxplot del conjunto de datos ‘trees’

boxplot(trees, col = rainbow(ncol(trees)))

# Equivalente a:

x11()
boxplot(stacked_df$values ~ stacked_df$ind,
        col = rainbow(ncol(trees)))

#Boxplots múltiples en R

Puedes apilar columnas de un data frame con la función stack.

En caso de que necesites dibujar un diagrama de caja diferente para cada columna de un data frame, puedes usar la función lapply e iterar sobre cada columna. En este caso, dividiremos el panel gráfico en una fila y tantas columnas como tenga el conjunto de datos. Otra alternativa sería dibujar boxplots de forma individual. La función invisible evita mostrar el texto de salida de la función lapply.

par(mfrow = c(1, ncol(trees)))
invisible(lapply(1:ncol(trees), function(i) boxplot(trees[, i])))

#Gráficos de caja múltiples separados

Reordenar boxplot en R

Por defecto, los diagramas de caja se dibujarán con el orden de los factores en los datos. Sin embargo, puedes reordenar u ordenar un diagrama de caja en R reordenando los datos basándote en cualquier medida, como la mediana o la media, con la función reorder.

par(mfrow = c(1, 2))

# De más bajo a más alto

medianas <- reorder(chickwts$feed, chickwts$weight, median)

# medianas <- with(chickwts, reorder(feed, weight, median)) # Equivalente

boxplot(chickwts$weight ~ medianas, las = 2, xlab = "", ylab = "")

# De más alto a más bajo

medianas <- reorder(chickwts$feed, -chickwts$weight, median)

# medianas <- with(chickwts, reorder(feed, -weight, median)) # Equivalente

boxplot(chickwts$weight ~ medianas, las = 2, xlab = "", ylab = "")

par(mfrow = c(1, 1))

#Boxplots reordenados en R

Si quieres ordenar el diagrama de caja con otra métrica, simplemente cambia la función median por la que prefieras.

Personalizar un boxplot en R

Un diagrama de caja se puede personalizar completamente. En el siguiente bloque de código mostramos un ejemplo extenso de cómo personalizar un diagrama de caja en R.

Ten en cuenta que hay incluso más argumentos que los del siguiente ejemplo para personalizar el diagrama de caja, como boxlty, boxlwd, medlty o staplelwd. Revisa la lista completa de parámetros gráficos de diagrama de caja en el argumento pars de la ayuda de ?bxp o help(bxp).

plot.new()

 

set.seed(1)

 

# Fondo gris claro

rect(par("usr")[1], par("usr")[3], par("usr")[2], par("usr")[4],

     col = "#ebebeb")

 

# Añadimos un grid blanco

grid(nx = NULL, ny = NULL, col = "white", lty = 1,

     lwd = par("lwd"), equilogs = TRUE)

 

# Boxplot

par(new = TRUE)

boxplot(rnorm(500), # Datos

        horizontal = FALSE, # Horizontal o vertical

        lwd = 2, # Lines width

        col = rgb(1, 0, 0, alpha = 0.4), # Color

        xlab = "Etiqueta eje X",  # Etiqueta eje X

        ylab = "Etiqueta eje Y",  # Etiqueta eje Y

        main = "Boxplot personalizado en R base", # Título

        notch = TRUE, # Añade intervalos de confianza para la mediana

        border = "black",  # Color del borde del boxplot

        outpch = 25,       # Símbolo para los outliers

        outbg = "green",   # Color de los datos atípicos

        whiskcol = "blue", # Color de los bigotes

        whisklty = 2,      # Tipo de línea para los bigotes

        lty = 1) # Tipo de línea (caja y mediana)

 

# Agregamos una leyenda

legend("topright", legend = "Boxplot", # Posición y título

    fill = rgb(1, 0, 0, alpha = 0.4),  # Color

    inset = c(0.03, 0.05), # Cambiamos los márgenes

    bg = "white") # Color de fondo de la leyenda

#Boxplot personalizado en R base

Añadir la media a un boxplot en R

Por defecto, cuando creas un diagrama de caja, se muestra la mediana. Sin embargo, es posible que también quieras mostrar la media u otra característica de los datos. Para ese propósito, puedes usar la función segments si quieres mostrar una línea como la mediana, o la función points para agregar puntos. Ten en cuenta que el código es ligeramente diferente si creas un diagrama de caja vertical o un diagrama de caja horizontal.

En el siguiente bloque de código, mostramos cómo agregar puntos y segmentos con la media a ambos tipos de diagramas de caja, cuando trabajes con un solo diagrama de caja.

par(mfrow = c(1, 2))

 

#-----------------

# Boxplot vertical

#-----------------

 

boxplot(x)

 

# Añadir línea con la media

segments(x0 = 0.8, y0 = mean(x),

         x1 = 1.2, y1 = mean(x),

         col = "red", lwd = 2)

# abline(h = mean(x), col = 2, lwd = 2) # Línea completa

 

# Añadir punto con la media

points(mean(x), col = 3, pch = 19)

 

 

#-------------------

# Boxplot horizontal

#-------------------

 

boxplot(x, horizontal = TRUE)

 

# Añadir línea con la media

segments(x0 = mean(x), y0 = 0.8,

         x1 = mean(x), y1 = 1.2,

         col = "red", lwd = 2)

# abline(v = mean(x), col = 2, lwd = 2) # Línea completa

 

# Añadir punto con la media

points(mean(x), 1, col = 3, pch = 19)

par(mfrow = c(1, 1))

#Añadir la media a un gráfico de cajas y bigotes

Nótese que en este caso la media y la mediana son casi iguales, ya que la distribución es simétrica.

Puedes cambiar la función mean del código anterior por otra función para mostrar otra medida.

También puedes agregar la media en boxplots por grupo. En este caso, puedes hacer uso de la función lapply y así evitar bucles. Para calcular la media de cada grupo se puede usar la función apply por columnas o la función colMeans, ya que es más eficiente. Puedes seguir el siguiente código para añadir los puntos y las líneas en boxplots horizontales y verticales.

par(mfrow = c(1, 2))

 

mi_df <- trees

 

#----------------------------

# Boxplot vertical por grupo

#----------------------------

 

boxplot(mi_df, col = rgb(0, 1, 1, alpha = 0.25))

 

# Añadir líneas con las medias

invisible(lapply(1:ncol(mi_df),

                function(i) segments(x0 = i - 0.4,

                                     y0 = mean(mi_df[, i]),

                                     x1 = i + 0.4,

                                     y1 = mean(mi_df[, i]),

                                     col = "red", lwd = 2)))

 

# Añadir puntos con la medias

medias <- apply(mi_df, 2, mean)

medias <- colMeans(mi_df) # Equivalente (más eficiente)

 

points(medias, col = "red", pch = 19)

 

 

#-----------------------------

# Boxplot horizontal por grupo

#-----------------------------

 

boxplot(mi_df, col = rgb(0, 1, 1, alpha = 0.25),

        horizontal = TRUE)

 

# Añadir líneas con la medias

invisible(lapply(1:ncol(mi_df),

                function(i) segments(x0 = mean(mi_df[, i]),

                                     y0 = i - 0.4,

                                     x1 = mean(mi_df[, i]),

                                     y1 = i + 0.4,

                                     col = "red", lwd = 2)))

 

# Añadir puntos con la medias

medias <- apply(mi_df, 2, mean)

medias <- colMeans(mi_df) # Equivalente (más eficiente)

 

points(medias, 1:ncol(mi_df), col = "red", pch = 19)

par(mfrow = c(1, 1))

#Añadir media a boxplots por grupos en R

Devolver valores de un boxplot

Si asignas el diagrama de caja a una variable, puedes devolver una lista con diferentes componentes. Crea un diagrama de caja con el conjunto de datos trees y almacénalo en una variable:

res <- boxplot(trees)

res

Output

#$`stats`

#      [, 1] [, 2] [, 3]

#[1, ]  8.30   63  10.2

#[2, ] 11.05   72  19.4

#[3, ] 12.90   76  24.2

#[4, ] 15.25   80  37.3

#[5, ] 20.60   87  58.3

 

#$n

#[1] 31 31 31

 

#$conf

#        [, 1]    [, 2]    [, 3]

#[1, ] 11.70814 73.72979 19.1204

#[2, ] 14.09186 78.27021 29.2796

 

#$out

#[1] 77

 

#$group

#[1] 3

 

#$names

#[1] "Girth" "Height" "Volume"

La salida contendrá seis elementos, descritos a continuación:

o stats: cada columna representa el bigote inferior, el primer cuartil, la mediana, el tercer cuartil y el bigote superior de cada grupo.

o n: número de observaciones de cada grupo.

o conf: cada columna representa los extremos inferior y superior del intervalo de confianza de la mediana.

o out: número total de valores atípicos.

o group: número total de grupos.

o names: nombres de cada grupo.

Es interesante destacar que puedes recrear el boxplot de la variable que hemos creado (res) con la función bxp.

bxp(res)

Boxplot e histograma en R

Una limitación de los gráficos de caja y bigotes es que no están diseñados para detectar multimodalidad. Por esa razón, es recomendable dibujar diagramas de caja combinados con un histograma o una curva de densidad.

par(mfrow = c(1, 1))


 

# Datos multimodales

n <- 20000

ii <- rbinom(n, 1, 0.5)

dat <- rnorm(n, mean = 110, sd = 11) * ii +

       rnorm(n, mean = 70, sd = 5) * (1 - ii)

 

# Histograma

hist(dat, probability = TRUE, ylab = "", col = "grey",

     axes = FALSE, main = "")

 

# Eje

axis(1)

 

# Densidad

lines(density(dat), col = "red", lwd = 2)

 

# Boxplot

par(new = TRUE)

boxplot(dat, horizontal = TRUE, axes = FALSE,

        lwd = 2, col = rgb(0, 1, 1, alpha = 0.15))

#Superponer boxplot a un histograma un otro gráfico en R

Los boxplots no están diseñados para detectar multmodalidad en los datos.

Como alternativas ante este problema puedes usar violin plots o beanplots.

Boxplot en ggplot2

Los diagramas de caja que creamos en las secciones anteriores también se pueden realizar con el paquete ggplot2.

Boxplot en ggplot2 a partir de un vector

El tipo de dato de entrada para usar la función ggplot tiene que ser un data frame, por lo que tendrás que convertir tu vector en clase data.frame. Una vez hecho podrás usar la función geom_boxplot para crear y personalizar la caja y la función stat_boxplot para añadir los bigotes.

# install.packages("ggplot2")

library(ggplot2)

 

# Transformar x en un data frame

x <- data.frame(x)

 

# Boxplot a partir de un vector

ggplot(data = x, aes(x = "", y = x)) +

       stat_boxplot(geom = "errorbar",      # Bigotes

                    width = 0.2) +

       geom_boxplot(fill = "#4271AE",       # Color de la caja

                    outlier.colour = "red", # Color de los valores atípicos

                    alpha = 0.9) +          # Transparencia del color de la caja

       ggtitle("Boxplot a partir de un vector") + # Título del plot

       xlab("") +   # Etiqueta del eje x

       coord_flip() # Boxplot horizontal

#https://r-coder.com/wp-content/uploads/2020/06/boxplot-ggplot2-vector.png

Boxplot en ggplot2 por grupo

Si quieres crear un diagrama de caja con ggplot2 por grupo, deberás especificar las variables en el argumento aes de la siguiente manera:

# Boxplot por grupo

ggplot(data = chickwts, aes(x = feed, y = weight)) +

       stat_boxplot(geom = "errorbar", # Bigotes

                    width = 0.2) +

       geom_boxplot(fill = "#4271AE", colour = "#1F3552", # Colores

                    alpha = 0.9, outlier.colour = "red") +

       scale_y_continuous(name = "Peso") +  # Etiqueta de la variable continua

       scale_x_discrete(name = "Alimentación") +        # Etiqueta de los grupos

       ggtitle("Boxplot por grupos en ggplot2") +       # Título del plot

       theme(axis.line = element_line(colour = "black", # Personalización del tema

                                      size = 0.25))

#Boxplot en ggplot2 por grupos

Boxplot en ggplot2 desde un data frame

Finalmente, para crear un boxplot con ggplot2 directamente desde un conjunto de datos como el de trees deberás apilar primero los datos con la función stack:

# Boxplot a partir de un data frame

ggplot(data = stack(trees), aes(x = ind, y = values)) +

       stat_boxplot(geom = "errorbar", # Bigotes

                    width = 0.2) +

       geom_boxplot(fill = "#4271AE", colour = "#1F3552", # Colores

                    alpha = 0.9, outlier.colour = "red") +

       scale_y_continuous(name = "Peso") +  # Etiqueta de la variable continua

       scale_x_discrete(name = "Alimentación") +        # Etiqueta de los grupos

       ggtitle("Boxplot a partir de un data frame") +   # Título del plot

       theme(axis.line = element_line(colour = "black", # Personalización del tema

                                      size = 0.25))

#Boxplot en R a partir de un data frame

INFORME-RMD-GRUPO-2

Anderson Cabezas, Georgette Canchignia, Alaine Castillo y Anthony Orosco

2022-09-04

UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ECONÓMICAS

CARRERA DE ESTADÍSTICA

GGPLOT 2

La función barplot en R

Frecuencias absolutas y relativas.

Gráfico de barras con la función plot

Añadir líneas para crear un climograma

Rejilla (grid) en un gráfico de barras en R

Título, etiquetas y colores del gráfico de barras

Gráfico de barras personalizado en R

Cambiar las etiquetas de cada grupo

Cambiar las etiquetas de los grupos de un un barplot en R

Espacio y ancho de las barras

Cambiar el ancho o el espacio entre las barras de un barchart en R

Gráfico de barras a partir de una lista o un data frame

Gráfico de barras de una variable continua

Gráfico de barras horizontal en R

Leyenda del gráfico de barras

Gráfico de barras agrupadas en R

Espacio entre grupos

Valores numéricos en grupos

Gráfico de barras en R con barras de error

Gráfico de barras apiladas en R

Gráfico de barras en R con ggplot2

Gráfico de barras horizontal en ggplot2

Histograma en R

¿Cómo hacer un histograma en R? La función hist

Cambiar el color del histograma

El argumento breaks

Histograma en R con dos variables

Histograma con curva normal

Añadir curva de densidad a un histograma en RS

Histograma y boxplot en R

Histograma en R con ggplot2

Histograma en Plotly

Función de densidad

Selección de ventana para densidades tipo núcleo

Multiples líneas de densidad en un gráfico

Gráficos de comparación de densidades en R

Colorear el área bajo las curvas de densidad

Colorear el área bajo las curvas de densidad

¿Cómo interpretar un diagrama de caja y bigotes en R?

La función boxplot en R

Boxplot de un vector

Intervalo de confianza para la mediana del boxplot

Gráfico de cajas por grupo

Multiples boxplots

Reordenar boxplot en R

Personalizar un boxplot en R

Añadir la media a un boxplot en R

Devolver valores de un boxplot

Boxplot e histograma en R

Boxplot en ggplot2

Boxplot en ggplot2 a partir de un vector

Boxplot en ggplot2 por grupo

Boxplot en ggplot2 desde un data frame