Programación en R

Representaciones gráficas en R

  

En este documento veremos cómo podemos obtener representaciones gráficas de los datos usando la librería ggplot2, disponible dentro del ecosistema tidyverse. Sería el equivalente a librerías como Matplotlib para Python.

1. Instalación y primeros pasos

Instalaremos el paquete o bien incorporando el conjunto tidyverse, o bien especificando la librería en sí. En ambos casos tendremos que usar la instrucción install.packages:

install.packages("ggplot2")

Una vez instalada, la incorporamos a los programas que la vayan a usar:

library(ggplot2)

1.1. Las capas de ggplot

Para construir un gráfico ggplot2 organiza la información en capas:

• En una primera capa estarán los datos con los que hay que trabajar (típicamente un data frame o similar).
• En una segunda capa están los aesthetics, donde indicaremos qué parte de los datos queremos incluir en el gráfico, y asociaremos colores y otros elementos de estilo.
• La tercera capa hace referencia a la geometría, donde indicamos el tipo de gráfico que queremos construir (de barras, de puntos…).
• Por encima de estas tres capas básicas existen otras más complejas, aunque menos relevantes, como la posibilidad de hacer facets (varios gráficos dentro de un mismo gráfico), elegir temas de diseño, etc.

Ilustraremos los siguientes ejemplos con los datos de este data frame:

	Nombre	Edad	Email	Telefono	EstadoCivil	Pais
1	Juan Pérez	70	jperez@gmail.com	611223344	Casado	España
2	Ana Sánchez	41	asg@hotmail.com	655443322	Soltero	Argentina
3	Pedro Carrillo	56	p.carrillo@gmail.com	677889900	Casado	España
…	…	…	…	…	…	…

2. Construcción básica de un gráfico. Ejemplos sencillos.

La función ggplot se encarga de iniciar el proceso. Recibe normalmente como parámetros:

• El conjunto de datos (data frame) con que trabajar, en un parámetro data.
• Las estéticas (aesthetics) que se quieren utilizar, en un parámetro mapping.

Por ejemplo, si queremos mostrar en el eje X los nombres y en el eje Y las edades de las personas del data frame anterior, haríamos algo así:

ggplot(data=datos, mapping=aes(x=Nombre, y=Edad))

2.1. Tipos de gráficos habituales

La instrucción anterior no va a construir ningún gráfico. De hecho, si la ejecutamos veremos el área preparada, con los ejes definidos, pero nada más. Nos falta escoger la tercera capa, la geometría, a través de las funciones geom que incorpora ggplot, y que enlazamos con lo anterior mediante el operador +. Existen diferentes tipos de geometría. Algunas de las más habituales son:

• geom_histogram: representan histogramas de frecuencias para los valores de una determinada serie (o columna de datos en una tabla)
• geom_point: gráficos de puntos o de dispersión. Se puede combinar con geom_smooth para dibujar una línea de ajuste de regresión.
• geom-smooth: ajusta una línea (curva) mediante regresión lineal. Es habitual utilizarla junto a la geometría anterior
• geom_col: para gráficos de barras verticales (columnas)
• geom_boxplot: para gráficos de cajas que muestren la distribución de valores para una o varias variables categóricas

Por ejemplo, de esta forma construimos un gráfico de columnas que muestre cada nombre con su edad:

ggplot(data=datos, mapping=aes(x=Nombre, y=Edad)) + geom_col()

Y así construiríamos un histograma de edades:

ggplot(data=datos, mapping=aes(x=Edad)) + geom_histogram()

El parámetro mapping se puede pasar alternativamente a la función geom, en lugar de a ggplot:

ggplot(data=datos) + geom_histogram(mapping=aes(x=Edad))

De este otro modo dibujaríamos un gráfico de dispersión junto con su recta de regresión:

ggplot(data=datos, mapping=aes(x=..., y=...)) + geom_point() + geom_smooth(method=lm)

2.2. El caso de los gráficos circulares

Como particularidad, no existe una función específica para crear gráficos circulares (pie charts). Lo que se hace es crear un gráfico de barras con una sola barra, donde las Y sean los valores de cada categoría. Después se utiliza la función coord_polar para convertir el gráfico en circular. Aquí vemos un ejemplo que construye un gráfico circular con las proporciones de cada tipo de nota de un conjunto:

datos = data.frame(calificaciones = c('Suspensos', 'Aprobados', 'Notables', 
  'Sobresalientes'), valores = c(5, 3, 8, 4))

ggplot(datos, aes(x='', y=valores, fill=calificaciones)) +
  geom_bar(stat='identity') + coord_polar("y", start=0)

3. Opciones adicionales

Existen algunas opciones adicionales que podemos añadir a los gráficos, como por ejemplo:

• Colores a través del parámetro color (línea o punto) o fill (relleno) en la función aes. Podemos especificar un color distinto por un campo (por ejemplo color=Pais para que pinte de colores diferentes los datos según la columna Pais), o bien especificar un color determinado (color="blue").
• Formas a través del parámetro shape, también en la función aes
• Etiquetas en los ejes, con las funciones xlab e ylab
• Título general del gráfico con ggtitle
• Alternativamente podemos usar la función labs y pasarle como parámetro las etiquetas de todo (X, Y, general, etc)
• Diferentes subgráficos con facet_grid
• Diferentes temas con las funciones theme_*
• Algunas opciones adicionales dependientes de cada gráfico. Por ejemplo, en los histogramas tenemos un parámetro bins que indica cuántas divisiones queremos que tenga el histograma: geom_histogram(bins=10).
• Si queremos reordenar los valores de un eje de categorías podemos emplear la función reorder en los aesthetics

Todo esto se puede ir enlazando y acumulando en una variable. Por ejemplo:

# Definimos datos y estética básicas y color basado en país
g <- ggplot(data=datos, mapping=aes(x=Nombre, y=Edad, fill=Pais))
# Enlazamos geometría (gráfico de columnas)
g <- g + geom_col()
# Rótulo de los ejes y título
g <- g + xlab("Nombres de personas")
g <- g + ylab("Edades de personas")
g <- g + ggtitle("Relación de nombres y edades")
# Alternativa para hacer lo mismo con los títulos y etiquetas
g <- g + labs(title = "Relación de nombres y edades", 
    x = "Nombres de personas", y = "Edades de personas")
# Tema en blanco y negro (sin fondo gris)
g <- g + theme_bw()
# Reordenar datos en X (nombres) por la edad descendente
g <- ggplot(data=datos, mapping=aes(x=reorder(Nombre, -Edad), y=Edad, fill=Pais))

Adicionalmente podemos guardar el/los gráfico(s) que generemos con la función ggsave, indicando el nombre del archivo y el gráfico a guardar. Se admiten distintos formatos, como por ejemplo PDF, JPG o PNG.

ggsave("grafico.pdf", g)

Ejercicio 1:

Utiliza este CSV de clasificación de las diferentes especies de la flor Iris y muestra un gráfico de dispersión o puntos que muestre la relación entre la longitud del sépalo y la del pétalo, pintando con diferentes colores los puntos de las diferentes especies (columna Species).

AYUDA: vídeo con solución del ejercicio

Ejercicio 2:

Utiliza este CSV sobre cotizaciones de acciones y muestra un gráfico de barras con los valores máximos de las 5 acciones de mayor valor, ordenados de mayor a menor, y pintando las columnas de azul.