Capítulo4 Visualización de datos

## [1] "2026-09-09"

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

4.1 Temas:

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

4.1.1 Los paquetes

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

ggplot2 implementa la gramática de gráficos (Grammar of Graphics), un marco propuesto por Leland Wilkinson en 1999. Hadley Wickham lo llevó a R en 2007, con la idea de construir cualquier gráfico por capas. Hoy es uno de los paquetes más usados del mundo R.

ggplot(data) + geom_*(aes(...)): construye gráficos por capas.

ggplot(data): define el conjunto de datos.
aes(x, y, color, ...): la estética, conecta variables con los ejes, el color, la forma, etc.
+ geom_*(): la geometría (geom_point, geom_smooth, geom_bar, geom_boxplot…). Las capas se suman con +.

4.1.2 La gramática de gráficos

La idea que hace distinto a ggplot2 es que no hay un catálogo de gráficos. No existe una función para el gráfico de barras, otra para el de dispersión y otra para el de cajas, cada una con sus propios argumentos. Lo que hay es un conjunto pequeño de piezas que se combinan, igual que en una gramática se combinan sustantivos y verbos para formar oraciones que nadie escribió antes.

Las piezas son siete, y todo gráfico de este libro es alguna combinación de ellas:

Los datos (data): la tabla de donde sale todo.
Las estéticas (aes): qué variable va a qué propiedad visual (eje x, eje y, color, forma, tamaño, transparencia).
Las geometrías (geom_*): qué se dibuja, puntos, líneas, barras, cajas.
Las transformaciones estadísticas (stat_*): qué cálculo se hace antes de dibujar, por ejemplo contar cuántos casos hay en cada categoría.
El ajuste de posición (position): qué hacer cuando dos cosas caen en el mismo sitio, apilarlas, ponerlas lado a lado o moverlas un poco.
El sistema de coordenadas (coord_*): cartesiano por defecto, o polar, o con los ejes volteados.
Las facetas (facet_*): dividir el gráfico en varios paneles.

Solo las tres primeras hay que escribirlas siempre. Las otras cuatro tienen valores por defecto razonables y se tocan cuando hacen falta.

De ahí viene la costumbre de escribir los gráficos en varias líneas, una capa por línea, unidas por +. Se leen de arriba abajo como una receta: toma estos datos, conecta estas variables con estos ejes, dibuja puntos, añade encima una línea de tendencia, divide en paneles.

Las capas de ggplot2 se unen con +, no con el pipe %>% ni con |>. Es la única parte del tidyverse donde se usa +, y es así por un motivo histórico: ggplot2 es de 2007 y el pipe llegó años después. Además, el + tiene que estar al final de la línea, nunca al principio de la siguiente. Si lo pones al principio, R piensa que la primera instrucción ya terminó y te da un error o un gráfico vacío.

Cuando un gráfico no sale, casi siempre falla una de tres cosas, y en este orden: falta un + al final de una línea, la variable está escrita distinto a como se llama en la tabla (revisa con names()), o pusiste algo dentro de aes() que debía ir fuera. Antes de reescribir el gráfico completo, revisa esas tres.

4.1.3 Dentro o fuera de `aes()`

Esta es la distinción que más confusión causa en todo el capítulo, y vale la pena fijarla ahora de una vez.

Lo que va dentro de aes() es un mapeo: le dices a ggplot2 que una propiedad visual depende de una variable de los datos. aes(color = clase) significa “el color de cada punto depende de su clase”, y ggplot2 se encarga de escoger los colores y de construir la leyenda.

Lo que va fuera de aes(), dentro del geom_ pero como argumento suelto, es un valor fijo: color = "blue" significa “píntalos todos de azul”, y no hay leyenda porque no hay nada que explicar.

El error clásico es escribir aes(color = "blue"). Eso no pinta nada de azul: ggplot2 entiende que "blue" es una variable nueva con un solo valor, le asigna el primer color de su paleta (un rojo salmón) y añade una leyenda que dice "blue". Es exactamente el primer ejercicio que aparece al final de este capítulo.

4.1.4 Facet_wrap

facet_wrap(~ variable) divide el gráfico en un panel por cada categoría de la variable; es ideal para comparar grupos sin saturar una sola figura.

Las facetas resuelven un problema muy concreto: cuando hay tantos grupos que los colores dejan de distinguirse. Con tres o cuatro categorías, el color funciona. Con diez, el gráfico se convierte en una nube y la leyenda no ayuda. Separar en paneles cuesta espacio pero devuelve la capacidad de comparar.

Hay dos funciones y conviene no confundirlas. facet_wrap(~ variable) toma una sola variable y va colocando los paneles en filas hasta llenar el ancho, como las palabras de un párrafo; se controla con nrow o ncol. facet_grid(fila ~ columna) toma dos variables y construye una cuadrícula: una variable define las filas y la otra las columnas. La tilde ~ se lee “en función de”, y el punto . se usa para decir “por este lado, nada”.

facet_wrap() y facet_grid(): dividir un gráfico en paneles.

facet_wrap(~ var): un panel por categoría, acomodados en filas. nrow y ncol controlan la disposición.
facet_grid(fila ~ columna): cuadrícula con dos variables. Con . de un lado se usa una sola: facet_grid(traccion ~ .) da filas, facet_grid(. ~ cilindros) da columnas.
scales = "free_y": deja que cada panel tenga su propia escala. Úsalo con cuidado: si las escalas cambian, los paneles ya no se pueden comparar de un vistazo.

En el gráfico de abajo, cada panel es un sitio de muestreo distinto, y dentro de cada panel el color separa las clases de sexo y edad de los lagartos Anolis. Poner las dos cosas en un solo panel sería ilegible.

ggplot(data = Anolis) +
  geom_point(aes(x = SVL, y = TAIL, color=SEX_AGE))+
  facet_wrap(~Survey_Site)

4.1.5 Regresión lineal

geom_smooth(method = ...): añade una línea de tendencia.

Qué hace: ajusta y dibuja una curva que resume la relación entre x e y, con su banda de confianza.
method = "lm": recta de regresión lineal. Sin especificar method, usa LOESS (una curva suave local) para muestras no muy grandes.
se = FALSE: oculta la banda de confianza.

Los dos gráficos de abajo llevan exactamente los mismos datos. El de la izquierda tiene una sola capa, los puntos. El de la derecha añade encima una segunda capa con la recta de regresión. La sombra gris alrededor de la recta es el intervalo de confianza del 95% de la media estimada: es una franja para la recta, no para los datos, así que es normal que la mayoría de los puntos queden fuera de ella.

El orden en que se escriben las capas es el orden en que se dibujan, de abajo hacia arriba. Aquí la recta se escribe primero, así que los puntos quedan encima de ella. Si se escribiera al revés, la recta taparía los puntos que cruza. Con muchos datos esa decisión se nota.

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

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

4.1.6 Regresión Loess

Vea este enlace para información sobre la regresión LOESS

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

Cuando no se especifica method, geom_smooth() no ajusta una recta: ajusta una curva LOESS (locally estimated scatterplot smoothing). La idea es sencilla: en vez de buscar una sola recta que explique todos los datos a la vez, LOESS recorre el eje x y en cada punto ajusta una recta usando solo los datos cercanos, dándole más peso a los más próximos. Al unir todos esos ajustes locales sale una curva que se adapta a la forma real de los datos, sin que tengamos que decidir de antemano si la relación es lineal, cuadrática o cualquier otra cosa.

Eso lo hace ideal para explorar: la curva LOESS muestra la forma de la relación. Y lo hace malo para concluir: no tiene una ecuación que se pueda reportar, ni una pendiente que se pueda interpretar, ni un valor de p. La regla práctica del curso es usar LOESS mientras se está mirando los datos, y lm cuando ya se sabe qué se quiere afirmar.

Compara la curva de abajo con la recta del gráfico anterior. Con los mismos datos, la curva revela algo que la recta escondía: la relación entre cilindrada y rendimiento se aplana a partir de los cinco litros.

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

names(millas)

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

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

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

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

Estos tres gráficos muestran una progresión que vale la pena seguir. El primero es una sola curva para todos los datos. En el segundo, al poner clase dentro de aes(), ggplot2 deja de ajustar una curva y ajusta una por cada clase: el mapeo estético no cambia solo la apariencia, cambia cómo se agrupan los cálculos. El tercero hace lo mismo con rectas en lugar de curvas.

Fíjate en que linetype y colour reciben la misma variable. Eso se llama redundancia visual y es una buena costumbre: quien vea la figura en blanco y negro, o quien no distinga bien los colores, todavía puede separar las líneas por su patrón de trazos.

En el segundo y tercer gráfico van a salir advertencias sobre clases con muy pocos datos. Tienen razón: la clase 2seater tiene apenas cinco automóviles. Ajustar una curva LOESS a cinco puntos es un ejercicio de fe. Cuando ggplot2 avisa de algo, casi siempre está señalando un problema real del análisis y no un capricho del programa.

4.1.7 Regresión LOESS de un grupo

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

Este gráfico enseña algo que no es evidente: cada capa puede tener sus propios datos. Los puntos usan millas completo, porque los datos se declararon en ggplot() y todas las capas los heredan. Pero geom_smooth() recibe su propio argumento data =, con millas filtrado a una sola clase, así que la curva se ajusta únicamente a los SUV aunque de fondo se vean todos los automóviles.

Es el patrón que se usa para destacar un grupo dentro del contexto de los demás, y es exactamente lo que pide el ejercicio de PartosInfantes más abajo, donde hay que dibujar todos los países pero ajustar la recta solo para África y Asia.

4.1.8 Regresión LOESS:

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

Compara este código con el de los gráficos anteriores. Aquí aes() está en ggplot() y no dentro de cada geom_. Cuando el mapeo va en ggplot() es global: todas las capas lo heredan y no hay que repetirlo. Cuando va dentro de un geom_ es local: vale solo para esa capa.

La costumbre es poner en ggplot() lo que comparten todas las capas (casi siempre x e y) y dejar en cada geom_ lo que es propio de ella. El gráfico que sigue lo hace así: x e y son globales, y el color = clase es local a los puntos. Por eso la recta de regresión es una sola y no una por clase, a diferencia de lo que pasaba antes.

4.1.9 Regresión Lineal \[y=b+mx\]

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

4.1.10 geom_bar()

ggplot(diamantes) +
  geom_bar(aes(x = precio))

Aquí aparece la cuarta pieza de la gramática, la transformación estadística. Fíjate en que solo dimos una variable, precio, y sin embargo el gráfico tiene dos ejes. El eje y salió de un cálculo que hizo geom_bar() por su cuenta: contar cuántos diamantes hay en cada intervalo de precio. Ese cálculo se llama stat_count, y es lo que distingue a geom_bar() de geom_col(), que sí espera que le des la altura ya calculada.

Lo mismo pasa con geom_histogram(), geom_boxplot() (que calcula la mediana y los cuartiles) y geom_smooth() (que ajusta un modelo). Todos dibujan algo que no está en los datos, sino que se calculó a partir de ellos. Conviene saberlo, porque explica por qué a veces el eje y tiene un nombre, count, que no aparece en ninguna columna de la tabla.

Con una variable continua como precio, lo apropiado es geom_histogram(binwidth = ...), que deja escoger el ancho de los intervalos. geom_bar() está pensado para variables categóricas. Vale la pena hacer el mismo gráfico con los dos y comparar.

4.1.11 Puntos con intervalo mínimo y máximo

ggplot(diamantes) +
  stat_summary(
    mapping = aes(x = color, y = precio),
    fun.min = min,
    fun.max = max,
    fun = median
  )

stat_summary() es la forma general de lo anterior: en vez de aceptar el cálculo que trae el geom_, se especifica exactamente qué resumir. Aquí, para cada color de diamante, se dibuja un punto en la mediana del precio y una línea que va del mínimo al máximo.

Es una figura honesta y poco común, porque enseña el rango completo en vez de esconderlo. También enseña su propia limitación: el mínimo y el máximo son los dos valores más extremos de la muestra, así que la línea crece según se añaden datos y no dice nada sobre dónde está la mayoría. Para eso está el diagrama de cajas que viene a continuación.

4.1.12 geom_boxplot

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

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

El diagrama de cajas resume cada grupo con cinco números: la línea gruesa del medio es la mediana; los bordes de la caja son el primer y el tercer cuartil, así que dentro de la caja está la mitad central de los datos; los bigotes llegan hasta el valor más extremo que esté a no más de 1.5 veces el alto de la caja, y los puntos sueltos que quedan más allá se dibujan uno a uno.

El segundo gráfico es el mismo con coord_flip(), que voltea los ejes. No es un capricho estético: cuando las categorías tienen nombres largos, en vertical se encabalgan y hay que ladear la cabeza para leerlos. Voltear el gráfico los deja horizontales y legibles. Es de los cambios que más mejoran una figura con menos esfuerzo.

Un diagrama de cajas esconde cuántos datos hay en cada grupo: una caja de cinco observaciones se ve igual de sólida que una de doscientas. Añadir geom_jitter(width = 0.2, alpha = 0.4) encima dibuja los puntos individuales con un desplazamiento pequeño, y resuelve el problema de un tirón.

4.1.13 geom_bar y circular

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

4.1.13.1 geom_bar

bar

4.1.13.2 geom_bar & flip coordinates

bar + coord_flip()

4.1.13.3 geom_bar & circular distribution

bar + coord_polar()

Estos tres gráficos tienen exactamente el mismo código de datos, estética y geometría. Lo único que cambia es el sistema de coordenadas, la sexta pieza de la gramática. Guardar el gráfico base en un objeto (bar <- ggplot(...)) y después sumarle capas es una costumbre muy práctica: permite probar variantes sin repetir nada.

coord_flip() intercambia los ejes. coord_polar() enrolla el eje x alrededor de un círculo, y de ahí salen los gráficos de sectores y las rosas de vientos.

coord_*(), labs(), scale_*() y theme_*(): las capas de acabado.

coord_flip(): voltea los ejes. coord_polar(): coordenadas circulares. coord_cartesian(xlim=, ylim=): hace zoom sin descartar datos, a diferencia de xlim(), que sí los descarta y cambia los cálculos.
labs(title=, subtitle=, x=, y=, color=, caption=): todos los textos de la figura. Es lo primero que hay que añadir a un gráfico que va a leer otra persona.
scale_x_log10(), scale_y_continuous(), scale_color_brewer(): cómo se traducen los datos a la escala visual.
theme_minimal(), theme_bw(), theme_classic(): la apariencia general. No cambian los datos, solo el fondo, la cuadrícula y las tipografías.

El gráfico circular se ve bien y comunica mal. El ojo humano compara longitudes con precisión y ángulos con mucha dificultad, así que dos sectores parecidos son prácticamente imposibles de ordenar a simple vista. Para comparar cantidades, la barra siempre gana. El gráfico circular se justifica cuando lo que importa es “esto es más o menos la mitad del total” y hay muy pocas categorías.

Donut Chart

library(ggplot2)
library(gridExtra)
data <- data.frame(
  Category = c("A", "B", "C", "D"),
  Value = c(20, 30, 40, 10)
)

pie_chart <- ggplot(data, aes(x = "", y = Value, fill = Category)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar(theta = "y") +
  theme_void() +
  labs(fill = "Category")

donut_chart <- pie_chart + 
  geom_bar(data = data, aes(x = "", y = Value), stat = "identity", 
           width = 0.5, fill = "white")+
  theme_void()

donut_chart

El gráfico de rosca se construye con un truco: un gráfico circular normal y, encima, un segundo geom_bar() más estrecho pintado de blanco, que tapa el centro. theme_void() quita ejes, cuadrícula y fondo, que en coordenadas polares no significan nada.

Nota también que este bloque no usa los datos del curso: crea su propia tabla con data.frame(). Es una técnica útil para probar una idea de gráfico sin depender de un conjunto real, y la vas a usar cuando quieras entender qué hace una función nueva.

4.2 Leer datos de un archivo

Ejercicios:

Hacer los ejercicios en la sección 3.2.4 del libro en español

Estética

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 región geográfica, 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 regresión 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 gráfico de puntos entre el número de muertes por infante y la cantidad de madres que mueren en el parto

Añadir al gráfico 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 región geográfica, enseña el modelo de regresión lineal solamente para AFRICA

4.2.1 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 código?

Antes de correrlo, vuelve a leer la sección Dentro o fuera de aes() de este capítulo. La respuesta está ahí, y el gráfico que sale lo demuestra: mira si aparece una leyenda y qué dice.

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

Por que la gráfica no se produce en el siguiente código

Pista: fíjate en dónde está el signo +. R lee el código línea por línea y decide si una instrucción terminó o sigue. Piensa qué ve R cuando termina de leer la primera línea.

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

4.3 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 vacías?
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)

4.4 Ejercicios del capítulo

Sobre los ejercicios de este capítulo. Cada ejercicio se entrega con tres cosas: el script, el resultado (que el gráfico salga) y una explicación en palabras. Los ejercicios usan paises del paquete datos, no millas, diamantes ni Anolis, que son los conjuntos con los que se enseña en el capítulo. Este es el capítulo más importante del primer tercio del curso, así que hay más ejercicios que en los otros. La hoja completa para entregar está en Ejercicios/Ejercicios_Capitulo_04_visualizacion.Rmd.

4.4.1 Ejercicio 1. El gráfico mínimo

Datos: paises, solo el año 2007. Haz un gráfico de puntos con pib_per_capita en el eje x y esperanza_de_vida en el eje y.

Verificación: el gráfico debe tener exactamente 142 puntos, uno por país. Compruébalo con nrow() sobre la tabla filtrada antes de graficar.

En palabras: describe la forma de la nube de puntos en una o dos oraciones. ¿Es una recta? Si no lo es, ¿en qué parte del eje x cambia más rápido la esperanza de vida?

# Escribe tu código aquí

4.4.2 Ejercicio 2. Dentro y fuera de `aes()`

Datos: paises en 2007. Haz dos versiones del gráfico anterior:

Una con color = "purple" dentro de aes().
Otra con color = "purple" fuera de aes(), como argumento de geom_point().

Verificación: una de las dos versiones produce puntos que no son morados y añade una leyenda; la otra produce puntos morados y ninguna leyenda.

En palabras: explica qué entendió ggplot2 en el caso que salió mal, y por qué eso hace que aparezca una leyenda.

# Escribe tu código aquí

4.4.3 Ejercicio 3. Una tercera variable

Datos: paises en 2007. Al gráfico del Ejercicio 1 añádele dos estéticas más: el continente en el color y la poblacion en el tamaño de los puntos.

Verificación: deben aparecer dos leyendas, una de color con 5 categorías y una de tamaño con una escala continua.

En palabras: con cinco continentes el color funciona bien. ¿Qué pasaría si en vez de continente mapearas pais al color? Explica por qué esa estética no sirve para esa variable.

# Escribe tu código aquí

4.4.4 Ejercicio 4. Cambiar la escala, no los datos

Datos: paises en 2007. Repite el gráfico del Ejercicio 3 y añádele scale_x_log10().

Verificación: los datos son los mismos y el número de puntos no cambia (142); lo único que cambia son las marcas del eje x y la forma de la nube.

En palabras: compara este gráfico con el del Ejercicio 3. ¿Cuál de los dos deja ver mejor la relación, y por qué el cambio de escala no es una manera de “hacer trampa” con los datos?

# Escribe tu código aquí

4.4.5 Ejercicio 5. Facetas

Datos: paises, todos los años. Haz un gráfico de anio contra esperanza_de_vida con geom_line(aes(group = pais)), y sepáralo en paneles por continente con facet_wrap().

Verificación: deben salir 5 paneles, uno por continente. El panel de Oceanía debe tener solo 2 líneas.

En palabras: hay al menos un país cuya línea baja de manera brusca en los años noventa. Encuéntralo en el gráfico, di en qué continente está, y explica por qué este gráfico lo hace visible mientras que el promedio del continente lo escondería.

# Escribe tu código aquí

4.4.6 Ejercicio 6. Recta y curva

Datos: paises en 2007, con scale_x_log10(). Añade al gráfico dos capas de tendencia: una con method = "lm" y otra sin especificar method (LOESS), con colores distintos para poder distinguirlas.

Verificación: el gráfico debe tener tres capas: los puntos, una recta y una curva. Usa se = FALSE en las dos para que no se solapen las bandas.

En palabras: ¿en qué parte del rango se separan más la recta y la curva? ¿Cuál de las dos usarías para reportar un resultado en un informe, y cuál para explorar? Justifica.

# Escribe tu código aquí

4.4.7 Ejercicio 7. Cajas y conteos

Datos: paises en 2007. Haz dos gráficos:

Un diagrama de cajas de esperanza_de_vida por continente, volteado con coord_flip().
Un gráfico de barras que cuente cuántos países hay por continente.

Verificación: los dos gráficos deben tener 5 categorías. En el de barras, la barra más alta tiene que ser la de África, y las cinco barras tienen que sumar 142.

En palabras: el segundo gráfico no usa ninguna variable en el eje y y sin embargo tiene eje y. ¿De dónde salieron esas alturas? Usa el término correcto de la gramática de gráficos.

# Escribe tu código aquí

4.4.8 Ejercicio 8 (BONO). Una figura presentable

Toma el gráfico del Ejercicio 6 y conviértelo en una figura de informe: título, subtítulo con el año, nombres completos en los dos ejes con sus unidades, título de la leyenda, y un tema claro (theme_minimal() o theme_bw()). Guárdala con ggsave() en .png, 7 por 5 pulgadas, 300 dpi.

Verificación: file.exists() sobre el nombre del archivo debe devolver TRUE, y en la figura no debe quedar ni un solo nombre de columna sin traducir (nada de pib_per_capita a la vista).

En palabras: menciona dos cosas que hiciste que un lector notaría si faltaran, y una que hiciste solo por gusto.

# Escribe tu código aquí