Capítulo3 Visualización de datos

Fecha de la ultima revisión

## [1] "2024-11-07"

El tema proviene de los siguientes sitios.

English: https://r4ds.had.co.nz/data-visualisation.html

Español: https://es.r4ds.hadley.nz/03-visualize.html

3.1 Temas:

Introducción
paquete “tidyverse”
datos de “mgp”
ggplot2
El concepto de la gramática de gráficos

3.1.1 Los paquetes

library(tidyverse)
library(ggversa)
library(datos)

3.1.3 Regresión lineal

# izquierda
ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista))

# derecha   LOESS  
ggplot(data = millas) +
  geom_smooth(method=lm,mapping = aes(x = cilindrada, y = autopista))+  # y = mx+b
  geom_point( mapping = aes(x = cilindrada, y = autopista))

3.1.4 Regresión Loess

Vea este enlace para información sobre la regresión LOESS

<https://en.wikipedia.org/wiki/Local_regression>

names(millas)

##  [1] "fabricante"  "modelo"      "cilindrada"  "anio"        "cilindros"  
##  [6] "transmision" "traccion"    "ciudad"      "autopista"   "combustible"
## [11] "clase"

ggplot(data = millas) +
  geom_smooth(mapping = aes(x = cilindrada, y = autopista, linetype = clase, colour=clase))

3.1.5 Regresión LOESS de un grupo

ggplot(data = millas, mapping = aes(x = cilindrada, y = autopista)) +
  geom_point(mapping = aes(color = clase)) +
  geom_smooth(data = filter(millas, clase == "suv"), se =TRUE)

3.1.6 Regresión LOESS: dos alternativas

ggplot(data = millas, mapping = aes(x = cilindrada, y = autopista)) +
  geom_point() +
  geom_smooth()

ggplot() +
  geom_point(data = millas, mapping = aes(x = cilindrada, y = autopista)) +
  geom_smooth(data = millas, mapping = aes(x = cilindrada, y = autopista))

3.1.7 Regresión Lineal \[y=b+mx\]

ggplot(data = millas, mapping = aes(x = cilindrada, y = autopista)) +
  geom_point(mapping = aes(color = clase)) +
  geom_smooth(method=lm)

3.1.8 geom_bar()

ggplot(data = diamantes) +
  geom_bar(mapping = aes(x = corte))

3.1.9 Puntos con intervalo mínimo y máximo

ggplot(data = diamantes) +
  stat_summary(
    mapping = aes(x = corte, y = profundidad),
    fun.min = min,
    fun.max = max,
    fun = median
  )

3.1.10 geom_boxplot

ggplot(data = millas, mapping = aes(x = clase, y = autopista)) +
  geom_boxplot()

ggplot(data = millas, mapping = aes(x = clase, y = autopista)) +
  geom_boxplot() +
  coord_flip()

3.1.11 geom_bar y circular

bar <- ggplot(data = diamantes) +
  geom_bar(
    mapping = aes(x = corte, fill = corte),
    show.legend = FALSE,
    width = 1
  ) +
  theme(aspect.ratio = 1) +
  labs(x = NULL, y = NULL)

3.1.11.1 geom_bar

bar

3.1.11.2 geom_bar & flip coordinates

bar + coord_flip()

3.1.11.3 geom_bar & circular distribution

bar + coord_polar()

3.2 Leer datos de un archivo

Ejercicios:

Hacer los ejercicios en la sección 3.2.4 del libro en español

Aestética

Ejercicios:

Hacer los ejercicios en la sección 3.3.1 del libro en español

Problemas comunes
Separar en facetas

Ejercicios:

Hacer los ejercicios en la sección 3.5.1 del libro en español

Objetos geométricos ***

Ejercicios:

Hacer los ejercicios en la sección 3.6.1 del libro en español

Transformación estadísticas

Ejercicios:

Hacer los ejercicios en la sección 3.7.1 del libro en español

Ajuste de posición

Ejercicios:

Hacer los ejercicios en la sección 3.8.1 del libro en español

Sistema de coordenadas

Ejercicios:

Hacer los ejercicios en la sección 3.9.1 del libro en español

Ejercicio para entregar ( 6 puntos)

Activa el paquete “ggversa”
Activa el paquete “tidyverse”
Utiliza los datos “PartosInfantes”. Leen la información sobre el archivo Son tres graficas que tendrán que someter
Hacer un gráfico de puntos entre el número de muertes de infante y la cantidad de madres que mueren en el parto. (1 punto)
Añadir al gráfico anterior un modelo lineal (linear model). Y Demostrando todos los datos con un color por region geografica, o sea añadir un color a los puntos por Grupo “region geográfica”. AM=America, EU= Union Europea, AF= Africa, O=Oceania, AS=Asia, Medio Oriente, (2 puntos)
Enseña el modelo de regresion lineal solamente para AFRICA y ASIA (en la misma gráfica) (3 puntos)

Someter las tres gráficas en formato .jpeg o .png en el portal.

library(ggplot2)
library(tidyverse)
library(ggversa)

head(PartosInfantes)

##     NMI  NMP      GSPC Grupo      Pais
## 1  8723  400  605.1878    AM Argentina
## 2    60    5 1720.1595    AM   Bahamas
## 3    42    1 1146.0417    AM  Barbados
## 4   121    2  278.5792    AM    Belize
## 5  7756  540  208.7842    AM   Bolivia
## 6 45682 1400  947.4277    AM    Brazil

#unique(PartosInfantes$Pais)

Hacer un grafico de puntos entre el numero de muertes por infante y la cantidad la cantidad de madres que mueren en el parto

Añadir al grafico anterior un modelo lineal (linear model)

Añadir un color a los puntos por grupo “region”. AM=America, EU= Union Europea, AF= Africa, O=Oceania, AS=Asia, Medio Oriente,

Demostrando todos los datos con un color por region geografica, enseña el modelo de regresion lineal solamente para AFRICA

3.2.1 Ejercicios

Buscar el error en el código.

¿Qué no va bien en este código? ¿Por qué hay puntos que no son azules en el siguiente codigo?

ggplot(data = millas) +
   geom_point(mapping = aes(x = cilindrada, y = autopista, color = "blue"))

Por que la gráfica no se produce en el siguiente código

ggplot(data = millas)
+ geom_point(mapping = aes(x = cilindrada, y = autopista))

3.3 Vea el siguiente gráfico

ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista)) +
  facet_grid(traccion ~ cilindros)

¿Por qué hay facetas que son vacias?
Explica que hace “.”? en estas funciones

ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista)) +
  facet_grid(traccion ~ .)

ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista)) +
  facet_grid(. ~ cilindros)

Qué hace nrow en este código

ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista)) +
  facet_wrap(~ clase, nrow = 2)

Ciencia de Datos con R