Tutotial básico do ggplot

Camadas ggplot

Essas são as camadas que podemos preencher para gerar um gráfico de ggplot, sendo que as três primeiras são necessárias - dados, estética e geometria.

dados |>
  ggplot(aesthetics()) +
  geometries(statistics()) +
  facets() +
  themes() +
  coord() +
  scales()

Pacotes do R

Se necessário, intale o pacote ‘gapminder’, e outros pacotes requeridos na exploração, e carregue-os.

if(!requireNamespace("gapminder", quietly = TRUE)) install.packages("gapminder")

if(!requireNamespace("kableExtra", quietly = TRUE)) install.packages("reactable")

if(!requireNamespace("tidyverse", quietly = TRUE)) install.packages("tidyverse")

if(!requireNamespace("janitor", quietly = TRUE)) install.packages("janitor")

if(!requireNamespace("janitor", quietly = TRUE)) install.packages("reactablefmtr")


library(tidyverse)

Dados

Utilizaremos a base de dados gapminder, cuja organização defende a análise da realidade com base em dados confiáveis.

Veja mais em: https://www.gapminder.org/

Tabela Gapminder

Características da base

glimpse(dados_gapminder)

Rows: 1,704
Columns: 6
$ country    <fct> "Afghanistan", "Afghanistan", "Afghanistan", "Afghanistan",…
$ continent  <fct> Asia, Asia, Asia, Asia, Asia, Asia, Asia, Asia, Asia, Asia,…
$ year       <int> 1952, 1957, 1962, 1967, 1972, 1977, 1982, 1987, 1992, 1997,…
$ life_exp   <dbl> 28.801, 30.332, 31.997, 34.020, 36.088, 38.438, 39.854, 40.…
$ pop        <int> 8425333, 9240934, 10267083, 11537966, 13079460, 14880372, 1…
$ gdp_percap <dbl> 779.4453, 820.8530, 853.1007, 836.1971, 739.9811, 786.1134,…

ggplot só com os dados

Oferecer somente a camada de dados para a função ggplot( ) retorna em branco, pois faltam as camadas de estética e geometria.

dados_gapminder |>
  ggplot()

ggplot com os dados e a estética

Oferecer dados e estética para a função ggplot( ) retorna o plano cartesiano com as escalas das variáveis oferecidas para cada eixo. Porém não há gráfico pois falta a camada de geometria.

dados_gapminder |>
  ggplot(aes(x=gdp_percap, y=life_exp))

ggplot com as camadas obrigatórias

dados_gapminder |>
  ggplot(aes(x=gdp_percap, y=life_exp)) +
  geom_point()

Adicionar linha de tendência

dados_gapminder |>
  ggplot(aes(x=gdp_percap, y=life_exp)) +
  geom_point() +
  geom_smooth()

# pode-se mudar o tipo da regressão pelo argumento method =

Transparência dos pontos

O argumento alpha= do geom_point( ) é útil para ver mais claramente a concentração da massa de dados.

dados_gapminder |>
  ggplot(aes(x=gdp_percap, y=life_exp)) +
  geom_point(alpha=0.1)

Colorir categoria global e linha de tendência

Ao colorir os pontos por uma variável que etiquetará os dados dentro da estética global, é criado uma categorização que afetará o comportamento das camadas subsequentes. Nesse caso, a linha de tendência será criada para cada categoria.

dados_gapminder |>
  ggplot(aes(x=gdp_percap, y=life_exp, colour = continent)) +
  geom_point() +
  geom_smooth()

Colorir categoria local e linha de tendência

Em contraste ao exemplo anterior, ao colorir os pontos por uma variável que etiquetará os dados dentro da estética da camada local, é criada uma categorização que afetará apenas o comportamento daquela camada. Nesse exemplo a linha de tendência é criada para o conjunto total dos dados, e não para cada categoria.

dados_gapminder |>
  ggplot(aes(x=gdp_percap, y=life_exp)) +
  geom_point(aes(colour = continent)) +
  geom_smooth()

Incluir informações textuais no gráfico

dados_gapminder |>
  ggplot(aes(x=gdp_percap, y=life_exp)) +
  geom_point(aes(colour = continent)) +
  geom_text(aes(label = country))

Filtrar quais dados quero destacar com texto

Mostrar, dentre toda a base, o país que alcançou a maior expectativa de vida em cada continente, para o ano mais recente da base.

dados_gapminder |>
  ggplot(aes(x=gdp_percap, y=life_exp)) +
  geom_point(aes(colour = continent), alpha = 0.3) +
  geom_text(data = dados_gapminder |> 
              group_by(continent) |> 
              filter(life_exp==max(life_exp), year==max(year)) |> 
              ungroup(),
            aes(label = country))

Usar facetas:

Gráfico de linhas para visualizar média e dispersão

Essa visualização possibilita ver a evolução conjunta dos países de cada continente. Se diminuiram a dispersão, quer dizer que os países daquele continente evoluíram de forma generalizada, como é o caso do continente Americano. Diferentemente do caso da Africa, em que a expectativa de vida média aumentou, mas a dispersão também.

dados_gapminder |>
  ggplot(aes(x=year, y=life_exp, colour = continent)) +
  geom_point(colour = "gray") + #ao colocar a cor dos pontos a cor configurada segundo o continente no global não tem efeito nesta camada. Se não tivesse especificado a cor aqui, teria seguido as cores pela categorização de continente.
  geom_line(aes(group = country),colour = "gray") + #ao agrupar por país, a função cria uma curva que representa a série de tempo de cada país. Quando o argumento group é omitido, as observações de todos os países são ligadas umas às outras na sequência da data, sem agrupar por país.
  geom_smooth()+ # cria a curva de tendência, e nesse caso serve como uma média
  theme_minimal()+ # altera o tema de fundo das legendas de continente dentro do gráfico
  facet_grid(continent ~ .) # essa função produz múltiplos gráficos e os organiza em uma matriz de linhas e colunas. A sintaxe x ~ y oferece qual variável categórica vai determinar as linhas (x) e qual vai determinar as colunas (y). Quando uma das variáveis é omitida por um ponto '.', então cria-se apenas linhas ou colunas, a depender de qual foi omitida. Nesse exemplo, continentes determina a quantidade de linhas, e será organizado em uma coluna.

Escala do eixo y livre

Com a flexibilização do eixo y nota-se pouca diferença para a análise dos continentes, exceto para Oceania, que na visualização anterior aparenta não ter ganhos expressivos em expectativa de vida. Com o ajuste do eixo y é possível notar mais claramente uma mudança de trajetoria importante a partir do final da década de 70.

dados_gapminder |>
  ggplot(aes(x=year, y=life_exp, colour = continent)) +
  geom_point(colour = "gray") +
  geom_line(aes(group = country),colour = "gray") + #ao agrupar por país, a função cria uma curva que representa a série de tempo de cada país. Quando o argumento group é omitido, as observações de todos os países são ligadas umas às outras na sequência da data, sem agrupar por país.
  geom_smooth()+ # cria a curva de tendência, e nesse caso serve como uma média
  theme_minimal()+ # altera o tema de fundo das legendas de continente dentro do gráfico
  facet_grid(continent ~ ., scales = "free_y") # cria um eixo y para cada valor da categoria oferecida como argumento, no caso: continent. O argumento scales cria flexibilidade ou fixação dos eixos.

Usar a estética label para nomear os pontos do gráfico

Para este exemplo foi usada a tabela storms do pacote dplyr, já carregado como dependência do pacote tidyverse.

storms |> 
  slice_sample(n=100) |> 
  ggplot(aes(x=pressure, y=wind)) + 
  geom_label(aes(label=name))