a|1e|2d|1
e|1s|2t|1a|2d|3i|2s|2t|1i|1c|2a|1
Joshua Kunst, Septiembre 2017
Introducción
Fuente: R for Data Science, Wickham & Grolemund
Glosario
- Datos tabulados es un conjunto de valores cada uno asociado a una variable y una observación
¿Cuántos temas hay?
ggplot(legos) +
geom_bar(aes(Theme))
¿Cuántos temas hay?
Muy seguro nos encontraremos con cosas de este estilo donde tenemos que modificar nuestros resultados
¿Cuántos temas hay?
library(forcats)
# creamos variable derivada que agrupe grupe las otras
# categorías que no corresponden a los 7 más grandes
# fct_lump
legos <- mutate(legos, Theme2 = fct_lump(Theme, n = 7))
ggplot(legos) + geom_bar(aes(Theme2))
¿Cuáles son los tipos de envoltorio?
ggplot(legos) +
geom_bar(aes(Packaging))
¿Y esas etiquetas?
¿Y esas etiquetas?
ggplot(legos) +
geom_bar(aes(Packaging)) +
coord_flip() # rotar :D
¿Y esas etiquetas?
legos <- mutate(legos, Packaging = fct_infreq(Packaging)) # ordenar
ggplot(legos) +
geom_bar(aes(Packaging)) + coord_flip() # rotar :D
¿Desde cuándo se tenemos registros de sets de legos?*
ggplot(legos) +
geom_bar(aes(Year))
¿Cuántas piezas traen los sets?
ggplot(legos) +
geom_histogram(aes(Pieces))
¿Cuántas piezas traen los sets?
legos <- mutate(legos, Pieces2 = ifelse(Pieces > 1000, 1000, Pieces))
ggplot(legos) + geom_histogram(aes(Pieces2))
¿Cuántas minifuguras traen los sets?
ggplot(legos) +
geom_histogram(aes(Minifigures))
Al infinito y más allá
Lo abres y
Resultados muy similares ¿Asumimos que los datos distribuyen igual?
ggplot(d1) + geom_point(aes(x, y))
ggplot(d2) + geom_point(aes(x, y))
ggplot(filter(datasaurus_dozen, dataset != "circle")) +
geom_point(aes(x, y, color = dataset), size = 0.6) +
facet_wrap(~ dataset) + # hacer mini multiples segun la variable dataset
theme(legend.position = "none")
Si te dicen que en una película a la mitad se pone entretenida, existen muchas películas que que cumplen dicha característica y no necesariamente habla de la que tu conoces que a la mitad se vuelve entretenida
Visualización de datos
Se refiere a la representación gráfica de los datos codificando la información como: posición, tamaño, formas, colores
Variables Categóricas
La forma más usual de visualizar una variable categórica es a través de gráfico de barras o columnas
legos2 <- filter(legos, Theme2 != "Other")
ggplot(legos2) + geom_bar(aes(Theme, fill = Theme))
También un muy usado es el pie chart
También un muy (ab)usado es el pie chart
También existen otras alternativas como el treemap ¿?
library(treemapify) # install.packages("treemapify")
ggplot(count(legos2, Theme)) +
geom_treemap(aes(area = n, fill = n)) +
geom_treemap_text(aes(area = n, label = Theme), color = "white")
Variables Numéricas
La forma más usual de visualizar la distribución es usando el histograma
ggplot(legos2) +
geom_histogram(aes(Year))
Revisemos http://tinlizzie.org/histograms/
Según la forma de la distribución, existen categorías:
Existen otras alternativas. En datos simétricos:
Datos bimodales
Datos uniformemente distribuídos
Variable Asimétrica
2 Variables Categóricas
El heatmap es una usual alternativa
legos2 %>%
mutate(Pieces_cat = cut_number(Pieces, 7)) %>%
count(Theme, Pieces_cat) %>%
ggplot() +
geom_tile(aes(Theme, Pieces_cat, fill = n)) + scale_fill_viridis()
2 Variables Numéricas + Tips
ggplot(legos) +
geom_point(aes(Pieces, USD_MSRP))
Wakatela
ggplot(legos) +
geom_point(aes(Pieces, USD_MSRP)) +
scale_y_sqrt() + scale_x_sqrt()
Le sigue faltando cariño
ggplot(legos2) +
geom_point(aes(Pieces, USD_MSRP, size = Minifigures, color = Year, shape = Theme), alpha = 0.7) +
scale_y_sqrt(name = "Precio USD", labels = dollar, limits = c(0, 300)) +
scale_x_sqrt(name = "Piezas", labels = comma, limits = c(0, 2000)) 
No saturar de cariño
No saturar ni sobre complejizar
ggplot(legos) +
geom_point(aes(Pieces, USD_MSRP, size = Minifigures, color = Year), alpha = 0.7) +
scale_color_viridis(option = "A") +
scale_y_sqrt(name = "Precio USD", labels = dollar, limits = c(0, 300)) +
scale_x_sqrt(name = "Piezas", labels = comma, limits = c(0, 2000)) 
Lollipop
Fuente: http://uc-r.github.io/lollipop
Joyploy
