-
Notifications
You must be signed in to change notification settings - Fork 1
/
ggplot2_RMB.R
331 lines (262 loc) · 11 KB
/
ggplot2_RMB.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
#!/usr/bin/env Rscript
# ggplot2.R
# Copyright 2021- E. Ernestina Godoy Lozano (tinagodoy@gmail.com) & Carmina Barberena Jonas (car.barjon@gmail.com)
#
# This program is free software; you can redistribute it and/or modify
# it under the terms of the GNU General Public License as published by
# the Free Software Foundation; either version 2 of the License, or
# (at your option) any later version.
#
# This program is distributed in the hope that it will be useful,
# but WITHOUT ANY WARRANTY; without even the implied warranty of
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the
# GNU General Public License for more details.
#
# You should have received a copy of the GNU General Public License
# along with this program; if not, write to the Free Software
# Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston,
# MA 02110-1301, USA.
# Texto sin acentos
################################################################################################
##### Visualizacion de datos usando gramatica de ggplot2 #####
##### Ponentes: E. Ernestina Godoy Lozano #####
##### Carmina Barberena Jonas #####
################################################################################################
#########################################################
#### Cargar librerias de trabajo ####
#########################################################
library(ggplot2)
getwd()
#########################################################
#### Ejercicio: qplot() ####
#### Diapositivas: 17-20 ####
#########################################################
# Usar datos de vectores numericos
x <- 1:10
y <- rnorm(10, 4.5, 0.1)
# Explorar datos
x
y
# Plot basico
qplot(x,y)
# Añadir una linea
qplot(x, y, geom=c("point", "line"))
# Usar datos de un data.frame, "mtcars" se incluye en la libreria ggplot2
# Explorar los datos
head(mtcars)
dim(mtcars)
summary(mtcars)
qplot(x=mpg, y=wt, data=mtcars)
# Smoothing (agregar una línea suavizada con su error estandar)
qplot(x=mpg, y=wt, data = mtcars, geom = c("point", "smooth"))
# Ajuste lineal por grupo
qplot(x=mpg, y=wt, data = mtcars, color = factor(cyl), geom=c("point", "smooth"))
# Cambiar el color por una variable numerica continua
qplot(x=mpg, y=wt, data = mtcars, colour = cyl)
# Cambiar el color por grupos (factor)
df <- mtcars
df[,'cyl'] <- as.factor(df[,'cyl'])
qplot(x=mpg, y=wt, data = df, colour = cyl)
# Añadir lineas
qplot(mpg, wt, data = df, colour = cyl, geom=c("point", "line"))
# Adiccion de temas
qplot(mpg, wt, data = df, colour = cyl, geom=c("point", "line")) + theme_bw()
#########################################################
#### Ejercicio: ggplot() ####
#### Diapositivas: 23-31 ####
#########################################################
## Usaremos el set de datos "iris" que se incluye en la libreria de ggplot2
# Explorar los datos
head(iris)
summary(iris)
dim(iris)
# Agregar datos a un objeto con la funcion ggplot ()
p <- ggplot(data=iris)
## Añadir aesthetics
p <- p + aes(x= Petal.Length, y = Petal.Width, colour = Species)
### Otra forma de hacer el codigo anterior en una sola linea
p <- ggplot(data=iris, aes(x = Petal.Length, y = Petal.Width, colour = Species))
### Vamos a explorar nuestro objeto "p"
summary(p)
## Agregar capas (layers)
p <- p + geom_point()
p
### Hazlo en una linea
ggplot(data=iris, aes(x = Petal.Length, y = Petal.Width, colour = Species))
+ geom_point()
### Transformaciones estadisticas de los datos
p <- p + geom_smooth()
# En una sola linea
ggplot(data=iris, aes(x = Petal.Length, y = Petal.Width, colour = Species)) +
geom_point() +
geom_smooth()
## Facet grid (Cuadrícula de facetas)
### Vertical
ggplot(data=iris, aes(x = Petal.Length, y = Petal.Width, colour = Species)) +
geom_point() +
geom_smooth() +
facet_grid(~ Species)
### Horizontal
ggplot(data=iris, aes(x = Petal.Length, y = Petal.Width, colour = Species)) +
geom_point() +
geom_smooth() +
facet_grid(Species ~.)
### Quitar leyenda
ggplot(data=iris, aes(x=Petal.Length, y=Petal.Width, colour=Species)) +
geom_point(show.legend = FALSE) +
geom_smooth(show.legend = FALSE) +
facet_grid(Species~.)
## Cambio de temas
ggplot(data=iris, aes(x = Petal.Length, y = Petal.Width, colour = Species)) +
geom_point(show.legend = FALSE) +
facet_grid(Species~.) +
theme_bw()
ggplot(data=iris, aes(x = Petal.Length, y = Petal.Width, colour = Species)) +
geom_point(show.legend = FALSE) +
facet_grid(Species~.) +
theme_linedraw()
# Cambiar otros elementos en el tema
ggplot(data=iris, aes(x = Petal.Length, y = Petal.Width, colour = Species)) +
geom_point(show.legend = FALSE) +
facet_grid(Species~.) +
theme_bw() +
theme(panel.background = element_rect(fill = "skyblue"), panel.grid.minor = element_line(linetype = "dotted"))
#### Guardar imagenes
# En que directorio me encuentro
getwd()
# Primera opcion
### PNG con una resolucion de 300 px
png("Figures/dot_plot_iris_data.png", width=10 *300, height=8*300, res= 300)
ggplot(data=iris, aes(x = Petal.Length, y = Petal.Width, colour = Species)) +
geom_point(show.legend = FALSE) +
facet_grid(Species~.) +
theme_linedraw()
dev.off()
### PDF (Imagen vectorizada)
pdf("Figures/dot_plot_iris_data.pdf", width=10, height=8)
ggplot(data=iris, aes(x = Petal.Length, y = Petal.Width, colour = Species)) +
geom_point(show.legend = FALSE) +
facet_grid(Species~.) +
theme_linedraw()
dev.off()
# Segunda opcion con una funcion propia de ggplot2
ggsave("Figures/dot_plot_iris_data.jpg", device= "jpg")
#########################################################
#### Ejercicio: Bar plots ####
#### Diapositivas: 32-35 ####
#########################################################
# data
# library(gcookbook)
### crear datos "cabbage_exp"
# cabbage_exp --> Es el recopilado de un experimento de un cultivo de "Col o repollo (cabbage)". Fueron 2 condiciones C39 y C52; y se cortaron las coles a los dias 16, 20 y 21; se pesaron 10 coles de la condicion y se obtuvo la desviacion estandar y el error estandar de la media del peso.
cabbage_exp <- data.frame(Cultivar=c(rep("c39", 3), rep("c52", 3)), Date=rep(c("d16", "d20", "d21"),2), Weight=c(3.18, 2.80, 2.74, 2.26, 3.11, 1.47), sd= c(0.9566144, 0.2788867, 0.9834181, 0.4452215, 0.7908505, 0.2110819), n=rep(10,6), se=c(0.30250803, 0.08819171, 0.31098410, 0.14079141, 0.25008887, 0.06674995))
# Explorar datos
cabbage_exp
# Grafico de Bar plots basico
ggplot(data= cabbage_exp, aes(x=Date, y= Weight)) + geom_bar(stat="identity")
# Cambio de color de las barras
ggplot(data= cabbage_exp, aes(x=Date, y= Weight)) + geom_bar(stat="identity", fill="dodgerblue")
# Cambio de tema
ggplot(data= cabbage_exp, aes(x=Date, y= Weight)) + geom_bar(stat="identity", fill="dodgerblue") + theme_bw()
### Grafico con barras apiladas coloreado por condicion
ggplot(data= cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar)) +
geom_bar(stat="identity", position="dodge")
### Usa otra paleta de colores
ggplot(data= cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar)) +
geom_bar(stat="identity", position="dodge") +
scale_fill_brewer(palette="Set1")
### Añadir texto
ggplot(data= cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar)) +
geom_bar(stat="identity") +
scale_fill_brewer(palette="Set1") +
geom_text(aes(label=Weight), vjust=1.5)
## Posicion "dodge"
ggplot(data= cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar)) +
geom_bar(stat="identity", position="dodge") +
scale_fill_brewer(palette="Set1") +
geom_text(aes(label=Weight), vjust=-0.4, position=position_dodge(0.9), size=3, colour="green4")
### Añadir barras de error
ggplot(data= cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar)) +
geom_bar(stat="identity", position="dodge") +
scale_fill_brewer(palette="Set1") +
geom_errorbar(aes(ymin=Weight-se, ymax=Weight+se), width=0.2, position=position_dodge(0.9)) +
theme_bw()
#########################################################
#### Ejercicio: Scatter plots ####
#### Diapositivas: 36-38 ####
#########################################################
#### Scatter plots basicos
ggplot(data= iris, aes(x= Petal.Length, y= Petal.Width)) +
geom_point()
# Color por condicion
ggplot(data= iris, aes(x= Petal.Length, y= Petal.Width, colour=Species)) +
geom_point()
# Forma por condicion
ggplot(data= iris, aes(x= Petal.Length, y= Petal.Width, shape=Species)) +
geom_point()
# Forma y color por condicion
ggplot(data= iris, aes(x= Petal.Length, y= Petal.Width, shape=Species, colour=Species)) +
geom_point()
# Cambiar los valores de forma
ggplot(data= iris, aes(x= Petal.Length, y= Petal.Width, shape=Species, colour=Species)) +
geom_point() +
scale_shape_manual(values=c(1,2,3))
# Cambiar colores manuales
ggplot(data= iris, aes(x= Petal.Length, y= Petal.Width, shape=Species, colour=Species)) +
geom_point() +
scale_shape_manual(values=c(1,2,3)) +
scale_colour_manual(values=c("deepskyblue", "seagreen2", "salmon")) +
theme_bw()
# Cambiar la posicion del recuadro de la leyenda y las etiquetas de los ejes
ggplot(data= iris, aes(x= Petal.Length, y= Petal.Width, shape=Species, colour=Species)) +
geom_point() +
scale_shape_manual(values=c(1,2,3)) +
scale_colour_manual(values=c("deepskyblue", "seagreen2", "salmon")) +
labs(title= "Taller ggplot RMB", y= "Petal Width (cm)", x= "Petal Length (cm)", fill= "") +
theme_bw() +
theme(legend.position="bottom")
#########################################################
#### Graficos Interactivos de ggplot: ####
#### esquisse ####
#### Diapositivas: 39-61 ####
#########################################################
# Instalar libreria
#install.packages("esquisse")
#Cargar libreria
library(esquisse)
#Cargar datos
esquisser(iris)
### Ejemplo: Histogramas
ggplot(iris) +
aes(x = Sepal.Length) +
geom_histogram(bins = 30L, fill = "#0c4c8a") +
theme_minimal()
ggplot(iris) +
aes(x = Sepal.Length, fill = Species) +
geom_histogram(bins = 30L) +
scale_fill_hue() +
theme_minimal()
### Ejemplo: Boxplots
ggplot(iris) +
aes(x = "", y = Sepal.Length, fill = Species) +
geom_boxplot() +
scale_fill_hue() +
theme_minimal()
### Ejemplo: Densidad
ggplot(iris) +
aes(x = Sepal.Length, fill = Species) +
geom_density(adjust = 1L) +
scale_fill_hue() +
theme_minimal()
ggplot(iris) +
aes(x = Sepal.Length, fill = Species) +
geom_density(adjust = 1L) +
scale_fill_viridis_d(option = "viridis") +
labs(x = "Densidad", title = "Gráfico de Densidad ", subtitle = "Taller ggplot RMB") +
theme_minimal()
ggplot(iris) +
aes(x = Sepal.Length, fill = Species) +
geom_density(adjust = 1L) +
scale_fill_viridis_d(option = "viridis") +
labs(x = "Densidad", title = "Gráfico de Densidad ", subtitle = "Taller ggplot RMB") +
theme_minimal()