Visualización de datos
Mónica Lara Escalante
2022-09-29
Visualización de datos: introducción
Cheatsheet en español: https://diegokoz.github.io/intro_ds/fuentes/ggplot2-cheatsheet-2.1-Spanish.pdf
El ggplot2 se basa en la construcción de gráficos a partir de tres componentes: 1) Datos, 2) Coordenadas y 3) Objetos geométricos
Esto será nuestra “gramática de gráficas”
Para visualizar los resultados, nosotres asignamos variables a las propiedades visuales o estéticas
Por ejemplo: los tamaños, colores y posiciones.
De manera genérica, podríamos pensar que el código para el ggplot será de la siguiente manera: ggplot(datos)+(geometria)+(esteticas)
Vamos a establecer nuestro directorio de trabajo.
setwd("C:/Users/molar/Dropbox/2022_Trabajos/FLACSO")Ahora cargaremos nuestros paquetes para hoy.
if(!require("pacman")) install.packages("pacman")## Loading required package: pacmanpacman::p_load(tidyverse, readxl, writexl, haven, sjlabelled, foreign, janitor,
esquisse, RColorBrewer, wesanderson)Y cargaremos la base de datos de concentrado.
load("Datos/concentrado.RData")Elaboraremos gráficas para una sola variable, cuantitativa o cualitativa.
##Variables cuantitativas
Para las variables cuantitativas, las gráficas más utilizadas son los histogramas, gráficos de densidad.
Menos utilizados: de área y polígonos de frecuencias (ver https://r-graph-gallery.com/)
Bueno, en series de tiempo también se utilizan los gráficos de líneas.
Veamos primero los componentes de nuestra gramática. En los datos incluimos la variable que queremos y la base de datos que ocuparemos. En este caso es la edad del jefe del hogar.
concentrado %>%
ggplot(aes(x=edad_jefe))
Ahora agregaremos la geometría.
concentrado %>%
ggplot(aes(x=edad_jefe)) +
geom_histogram()## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
Vemos que el software nos avisa cuántas clases/intervalos está utilizando. Podemos cambiarlas.
concentrado %>%
ggplot(aes(x=edad_jefe)) +
geom_histogram(bins=12)
Una vez que tenemos nuestros datos y geometría, vamos a editar: primero le cambiamos el color y le quitamos el fondo gris
concentrado %>%
ggplot(aes(x=edad_jefe)) +
geom_histogram(bins=12, color="#000000", fill="darkblue")+
theme_classic()
Sobre los colores en R:Podemos agregar manualmente los colores, como lo hicimos anteriormente.
Sin embargo, existen paquetes que ya traen paletas cargadas y que se pueden utilizar dependiendo de los datos.
Una paleta es la de RColorBrewer: https://www.geeksforgeeks.org/introduction-to-color-palettes-in-r-with-rcolorbrewer/ Esta paleta de colores distingue si los datos son secuenciales, divergentes o cualitativos. Por ejemplo:
display.brewer.all(type="seq") #secuenciales
display.brewer.all(type="div") #divergentes
display.brewer.all(type="qual") #datos cualitativos
brewer.pal.info #Podemos enlistar todos los colores## maxcolors category colorblind
## BrBG 11 div TRUE
## PiYG 11 div TRUE
## PRGn 11 div TRUE
## PuOr 11 div TRUE
## RdBu 11 div TRUE
## RdGy 11 div FALSE
## RdYlBu 11 div TRUE
## RdYlGn 11 div FALSE
## Spectral 11 div FALSE
## Accent 8 qual FALSE
## Dark2 8 qual TRUE
## Paired 12 qual TRUE
## Pastel1 9 qual FALSE
## Pastel2 8 qual FALSE
## Set1 9 qual FALSE
## Set2 8 qual TRUE
## Set3 12 qual FALSE
## Blues 9 seq TRUE
## BuGn 9 seq TRUE
## BuPu 9 seq TRUE
## GnBu 9 seq TRUE
## Greens 9 seq TRUE
## Greys 9 seq TRUE
## Oranges 9 seq TRUE
## OrRd 9 seq TRUE
## PuBu 9 seq TRUE
## PuBuGn 9 seq TRUE
## PuRd 9 seq TRUE
## Purples 9 seq TRUE
## RdPu 9 seq TRUE
## Reds 9 seq TRUE
## YlGn 9 seq TRUE
## YlGnBu 9 seq TRUE
## YlOrBr 9 seq TRUE
## YlOrRd 9 seq TRUEdisplay.brewer.all(colorblindFriendly=T) #La última columna nos dice si alguien con problemas para distinguir colores, los puede ver o no.
Otra paleta es la de Wesanderson, se inspira en sus peliculas: https://rforpoliticalscience.com/2020/07/26/make-wes-anderson-themed-graphs-with-wesanderson-package-in-r/ Debes escoger el nombre de la paleta y cuántos colores vas a usar.
wes_palette("Royal1")
wes_palette("GrandBudapest1")
wes_palette("Cavalcanti1")
wes_palette("Cavalcanti1", 3)
La lógica de estos paquetes es crear nuestra paleta de colores pensando en cuántos vamos a tener que utilizar. Entonces, haremos la nuestra.
pal <- wes_palette(12, name = "Royal1", type = "continuous")Entonces, podemos volver a hacer nuestro gráfico escogiendo alguno de ellos.
concentrado %>%
ggplot(aes(x=edad_jefe)) +
geom_histogram(bins=12, color="#000000", fill=pal)+
theme_classic()
Podemos agregarle el valor mínimo, máximo y la media, pero para eso tenemos que hacer un pequeño dataframe
anotaciones <- data.frame(
x = c(round(min(concentrado$edad_jefe), 2), round(mean(concentrado$edad_jefe), 2), round(max(concentrado$edad_jefe), 2)),
y = c(2500, 17000, 2000),
label = c("Min:", "Media:", "Max:")
)
concentrado %>%
ggplot(aes(x=edad_jefe)) +
geom_histogram(bins=12, color="#000000", fill="darkblue")+
theme_classic()+
geom_text(data = anotaciones, aes(x = x, y = y, label = paste(label, x)), size = 3.5, fontface = "bold")
También le vamos a agregar el título, subtítulo y fuente
concentrado %>%
ggplot(aes(x=edad_jefe)) +
geom_histogram(bins=12, color="#000000", fill="darkblue")+
theme_classic()+
geom_text(data = anotaciones, aes(x = x, y = y, label = paste(label, x)), size = 3.5, fontface = "bold")+
labs(
x = "Edad del jefe del hogar",
y = "Frecuencia",
title = "Edades de los jefes y jefas de hogar en México, 2020",
caption = "Fuente: elaboración propia con base en ENIGH 2020"
) 
Al título y fuente también podemos agregarle los tipos de letra
concentrado %>%
ggplot(aes(x=edad_jefe)) +
geom_histogram(bins=12, color="#000000", fill="darkblue")+
theme_classic()+
geom_text(data = anotaciones, aes(x = x, y = y, label = paste(label, x)), size = 3.5, fontface = "bold")+
labs(
x = "Edad del jefe del hogar",
y = "Frecuencia",
title = "Edades de los jefes y jefas de hogar en México, 2020",
caption = "Fuente: elaboración propia con base en ENIGH 2020"
)+
theme(
plot.title = element_text(color = "darkgreen", size = 14, face = "bold"),
plot.caption = element_text(face = "italic")
)
Podemos cambiar el histograma por un gráfico de densidad, para ello cambiamos nuestra base pequeña de anotaciones.
anotaciones <- data.frame(
x = c(round(min(concentrado$edad_jefe), 2), round(mean(concentrado$edad_jefe), 2), round(max(concentrado$edad_jefe), 2)),
y = c(0.0025, 0.025, 0.0025),
label = c("Min:", "Media:", "Max:")
)
concentrado %>%
ggplot(aes(x=edad_jefe)) +
geom_density(adjust = 1L, color="#000000", fill="darkblue")+
theme_classic()+
geom_text(data = anotaciones, aes(x = x, y = y, label = paste(label, x)), size = 3.5, fontface = "bold")+
labs(
x = "Edad del jefe del hogar",
y = "Densidad",
title = "Edades de los jefes y jefas de hogar en México, 2020",
caption = "Fuente: elaboración propia con base en ENIGH 2020"
)+
theme(
plot.title = element_text(color = "darkgreen", size = 14, face = "bold"),
plot.caption = element_text(face = "italic")
)
Por último, también podemos hacer un boxplot
anotaciones <- data.frame(
x = c(round(min(concentrado$edad_jefe), 2), round(mean(concentrado$edad_jefe), 2), round(max(concentrado$edad_jefe), 2)),
y = c(-0.37, 0.4, -0.37),
label = c("Min:", "Media:", "Max:")
)
concentrado %>%
ggplot(aes(x=edad_jefe)) +
geom_boxplot(color="#000000", fill="darkblue") +
theme_classic()+
geom_text(data = anotaciones, aes(x = x, y = y, label = paste(label, x)), size = 3.5, fontface = "bold")+
labs(
x = "Edad del jefe del hogar",
y = "",
title = "Edades de los jefes y jefas de hogar en México, 2020",
caption = "Fuente: elaboración propia con base en ENIGH 2020"
)+
theme(
plot.title = element_text(color = "darkgreen", size = 14, face = "bold"),
plot.caption = element_text(face = "italic")
)
El paquete esquisse es una forma de graficar de forma más sencilla
Variables cualitativas
Los gráficos más utilizados son los gráficos de barras.
Primero vamos a hacer nuestro primer gráfico de barras o columnas.
Al igual que en la sesión anterior, vamos agregando capas a nuestros gráficos.
Datos: incluiremos la variable que queremos graficar, en este caso: el sexo del jefe del hogar
concentrado %>%
ggplot(aes(x=sexo_jefe))
Ahora agregaremos la geometría
concentrado %>%
ggplot(aes(x=sexo_jefe)) +
geom_bar()
Podemos voltear la geometría
concentrado %>%
ggplot(aes(x=sexo_jefe)) +
geom_bar()+
coord_flip()
Aunque, se ve mejor como estaba antes.
Para hacer nuestra gráfica de barras y que se vean las etiquetas con facilidad, convertiremos nuestra variable sexo_jefe en factor
concentrado <- concentrado %>%
mutate(sexo_factor = factor(concentrado$sexo_jefe,
labels = c("Hombre", "Mujer")))Ahora sí podemos ver las etiquetas en nuestro gráfico
concentrado %>%
ggplot(aes(x=sexo_factor)) +
geom_bar()
Vamos a ponerle un color a hombre y otro a mujer y a quitar el fondo gris
concentrado %>%
ggplot(aes(x = sexo_factor, fill = sexo_factor)) +
geom_bar() +
scale_fill_manual(
values = c(Hombre = "#440154",
Mujer = "#3EB0F2")
) +
theme_classic()
Pero, no queremos el conteo, sino los porcentajes
concentrado %>%
count(sexo_factor) %>%
mutate(pct = prop.table(n)) %>%
ggplot(aes(x = sexo_factor, y = pct, fill = sexo_factor, label = scales::percent(pct))) +
geom_col(position = 'dodge') +
scale_y_continuous(labels = scales::percent) +
scale_fill_manual(
values = c(Hombre = "#440154",
Mujer = "#3EB0F2")) +
theme_classic()
Ahora, le agregamos las etiquetas de los datos
concentrado %>%
count(sexo_factor) %>%
mutate(pct = prop.table(n)) %>%
ggplot(aes(x = sexo_factor, y = pct, fill = sexo_factor, label = scales::percent(pct))) +
geom_col(position = 'dodge') +
scale_y_continuous(labels = scales::percent) +
scale_fill_manual(
values = c(Hombre = "#440154",
Mujer = "#3EB0F2")) +
theme_classic()+
geom_text(position = position_dodge(width = .9),
vjust = -0.5,
size = 3,
colour = "black")
Modificamos los títulos y ejes
concentrado %>%
count(sexo_factor) %>%
mutate(pct = prop.table(n)) %>%
ggplot(aes(x = sexo_factor, y = pct, fill = sexo_factor, label = scales::percent(pct))) +
geom_col(position = 'dodge') +
scale_y_continuous(labels = scales::percent) +
scale_fill_manual(
values = c(Hombre = "#440154",
Mujer = "#3EB0F2")) +
theme_classic()+
geom_text(position = position_dodge(width = .9),
vjust = -0.5,
size = 3,
colour = "black") +
labs(
x = "Sexo del jefe del hogar",
y = "Porcentaje",
title = "Sexo de los jefes y jefas de hogar en México, 2020",
caption = "Fuente: elaboración propia con base en ENIGH 2020",
fill = "Sexo del jefe del hogar"
)
Modificamos el estilo del título y la fuente
concentrado %>%
count(sexo_factor) %>%
mutate(pct = prop.table(n)) %>%
ggplot(aes(x = sexo_factor, y = pct, fill = sexo_factor, label = scales::percent(pct))) +
geom_col(position = 'dodge') +
scale_y_continuous(labels = scales::percent) +
scale_fill_manual(
values = c(Hombre = "#440154",
Mujer = "#3EB0F2")) +
theme_classic()+
geom_text(position = position_dodge(width = .9),
vjust = -0.5,
size = 3,
colour = "black") +
labs(
x = "Sexo del jefe del hogar",
y = "Porcentaje",
title = "Sexo de los jefes y jefas de hogar en México, 2020",
caption = "Fuente: elaboración propia con base en ENIGH 2020",
fill = "Sexo del jefe del hogar"
) +
theme(
plot.title = element_text(color = "darkgreen", size = 14, face = "bold"),
plot.caption = element_text(face = "italic")
)