Se basa en siete componentes principales:
- DATA FRAME which contains the data you're trying to plot.
- AESTHETIC MAPPINGS determine how data are mapped to color, size, etc.
- The GEOMS (geometric objects) are what you see in the plot (points, lines, shapes)
- FACETS are the panels used in conditional plots.
- STATS are statistical transformations such as binning, quantiles, and smoothing which ggplot2 applies to the data.
- SCALES show what coding an aesthetic map uses (for example, male = red, female = blue).
- plots are depicted on a COORDINATE SYSTEM. When you use qplot these were taken care of for you.
g+geom_point()+geom_smooth(method="lm")+facet_grid(.~drv)
Donde g es un "objeto gráfico" de ggplot guardado como variable:
g<-ggplot(mpg,aes(displ,hwy))
El primer valor mpg es el conjunto de datos, y luego, dentro de la función "estética" aes, van como argumento las dos variables que queremos graficar.
geom_point() es una capa que al estar vacía grafica un gráfico de dispersión.
geom_smooth() con su argumento vacío grafica el intervalo de confianza. Pero al llevar lm como argumento, grafica una línea de regresión.
facet_grid(.~drv) desagrega los datos en facetas según la variable indicada.
Otros elementos, como títulos ggtitle y etiquetas ylab xlab se añaden como suma.
Ejemplos:
g+geom_point(aes(color=drv))+labs(title="Swirl Rules!")+labs(x="Displacement",y="Hwy Mileage")
g+geom_point(aes(color=drv), size=2,alpha=1/2)+geom_smooth(size=4,linetype=3,method="lm",se=FALSE)
alpha grafica los puntos del plot transparentes.
linetype vuelve la línea en intermitente.
se elimina el intervalo de confianza.
g+geom_point(aes(color=drv))+theme_bw(base_family="Times")
Graficar variable como factor (para que sólo aparezcan en el eje los valores presentes): factor(variable)
Se usa la capa facet:
ggplot(iris.tidy, aes(x = Species, y = Value, col = Part)) +
geom_jitter() +
facet_grid(. ~ Measure)
Ejemplos de los distintos tipos de gráficos que se pueden hacer en R
geom_bar
ggplot(Tarapaca, aes(y=Nacimientos, x=Año)) + geom_bar(stat="identity")
ggplot(df2, aes(measurements, value)) +
geom_line(aes(colour = samples, group = samples))
Barras una sobre otra:
cyl.am <- ggplot(mtcars, aes(x = factor(cyl), fill = factor(am)))
## Add geom (position = "stack" by default)
cyl.am +
geom_bar(position = "stack")
Barras encima de otras pero llenando el eje vertical:
## Fill - show proportion
cyl.am +
geom_bar(position = "fill")
Barras lado a lado:
## Dodging - principles of similarity and proximity
cyl.am +
geom_bar(position = "dodge")
Barras lado a lado pero superpuestas:
ggplot(mtcars, aes(x = cyl, fill = am)) +
geom_bar(position = "dodge")
## 2 - Define posn_d with position_dodge()
posn_d <- position_dodge(width=0.2)
## 3 - Change the position argument to posn_d
ggplot(mtcars, aes(x = cyl, fill = am)) +
geom_bar(position = posn_d)
## 4 - Use posn_d as position and adjust alpha to 0.6
ggplot(mtcars, aes(x = cyl, fill = am)) +
geom_bar(position = posn_d, alpha=0.6)
Para definir el color de las barras, hay que cambiar col y fill:
m <- ggplot(mtcars, aes(x = cyl,y = wt, col = am, fill = am))
De barras con porcentaje para variables categóricas o factores:
ggplot(eme2, aes(x = sexo)) +
geom_bar(aes(y = (..count..)/sum(..count..), fill=sexo)) +
scale_y_continuous(labels=scales::percent) +
geom_text(aes(y = ((..count..)/sum(..count..)),
label = scales::percent((..count..)/sum(..count..))),
stat = "count",
vjust = 4,
color="white")
## Base layers
m <- ggplot(mtcars, aes(x = cyl, y = wt))
## Draw dynamite plot
m +
stat_summary(fun.y = mean, geom = "bar", fill = "skyblue") +
stat_summary(fun.data = mean_sdl, fun.args = list(mult = 1), geom = "errorbar", width = 0.1)
## Base layers
m <- ggplot(mtcars, aes(x = cyl, y = wt))
## Set your dodge posn manually
posn.d <- position_dodge(0.9)
## Plot 3: Redraw dynamite plot
m +
stat_summary(fun.y = mean, geom = "bar", position = posn.d) +
stat_summary(fun.data = mean_sdl, fun.args = list(mult = 1), geom = "errorbar", width = 0.1, position = posn.d)
Gráfico de barras con faceta:
ggplot(email, aes(x= number)) +
geom_bar() +
facet_wrap(.~spam)
Útil para agregar sobre boxplots.
+ geom_jitter(color="steelblue", alpha=0.3) +
geom_boxplot(alpha=0)
Representa la distribución de categorías dentro de un todo.
Gráfico de torta:
## Create a stacked bar plot: wide.bar
wide.bar <- ggplot(mtcars, aes(x = 1, fill = cyl)) +
geom_bar()
## Convert wide.bar to pie chart
wide.bar +
coord_polar(theta = "y")
Gráfico de anillo:
## Create stacked bar plot: thin.bar
thin.bar <- ggplot(mtcars, aes(x = 1, fill = cyl)) +
geom_bar(width = 0.1) +
scale_x_continuous(limits = c(0.5,1.5))
## Convert thin.bar to "ring" type pie chart
thin.bar +
coord_polar(theta = "y")
Definir los colores:
scale_fill_manual(values=c("##320D70", "##DF1A58"))
Torta de variable categórica o factores con porcentajes:
eme_genero2_gg <- eme2 %>%
ggplot(aes(x=1, fill=sexo)) +
geom_bar(position="stack",width = 0.5, aes(y = (..count..)/sum(..count..))) +
scale_y_continuous(labels=scales::percent) +
scale_x_continuous(limits = c(0.5,1.3)) +
scale_fill_manual(values=c("##320D70", "##DF1A58")) +
geom_text(aes(y = ((..count..)/sum(..count..)),
label = scales::percent((..count..)/sum(..count..))),
stat = "count",
vjust = -9,
color="white") +
theme(axis.title = element_blank(),
axis.text = element_blank(),
axis.ticks = element_blank(),
rect = element_blank(),
panel.grid = element_blank(),
legend.title = element_blank(),
legend.direction = "horizontal",
legend.position = "bottom") +
labs(title="Microemprendedores según género") +
coord_polar(theta = "y")
Ejemplo:
eme_genero_gg <- eme2 %>%
ggplot(aes(x = 1, sexo, fill = sexo)) +
geom_col() +
scale_fill_manual(values=c("##320D70", "##DF1A58")) +
coord_polar(theta = "y") +
theme(axis.title = element_blank(),
axis.text = element_blank(),
axis.ticks = element_blank(),
rect = element_blank(),
panel.grid = element_blank(),
legend.title = element_blank(),
legend.direction = "horizontal",
legend.position = "bottom") +
labs(title="Microemprendedores según género")
eme_genero_gg
Ejemplo:
extranjeros_verano <- turismo %>%
filter(periodo=="Verano") %>%
mutate(extranjeros = case_when(nacionalidad == "Chile" ~ "Chilena",
TRUE ~ "Extranjera")) %>%
group_by(extranjeros) %>%
summarize(cantidad = n()) %>%
ggplot(aes(x=1, y=cantidad, fill=extranjeros)) +
geom_col() +
coord_polar(theta = "y", start=0, direction = -1) +
scale_fill_discrete(name = "Nacionalidad") +
theme(axis.text = element_blank(), axis.title = element_blank()) +
##geom_text(aes(x=1, y = cumsum(cantidad) - cantidad/3, label = percent(cantidad/sum(cantidad)))) +
geom_text(aes(label = percent(cantidad/sum(cantidad), accuracy=1)), position = position_stack(vjust = 0.5)) +
labs(subtitle="Verano")
geom_density
El gráfico de densidad es una línea curva de la silueta del histograma:
ggplot(common_cyl, aes(x = city_mpg, fill = as.factor(ncyl))) +
geom_density(alpha = .3)
La desviación estándar bw suaviza el histograma.
ggplot(truck_speeding, aes(x = hour_of_day)) +
## switch to density with bin width of 1.5, keep fill
geom_density(fill = 'steelblue', bw=1.5) +
## add a subtitle stating binwidth
labs(title = 'Citations by hour', subtitle= "Gaussian kernel SD= 1.5")
Parámetros:
bw- the smoothing bandwidth to be used, see ?density for detailsadjust- adjustment of the bandwidth, see density for detailskernel- kernel used for density estimation, defined as- "g" = gaussian
- "r" = rectangular
- "t" = triangular
- "e" = epanechnikov
- "b" = biweight
- "c" = cosine
- "o" = optcosine
ggplot(aes(x = 1, y = city_mpg)) +
geom_boxplot()
Se puede poner 1 en el eje x para mostrar solo un boxplot.
El ancho de cada caja puede depender de la cantidad de casos:
geom_boxplot(varwidth=TRUE)
Agregar líneas de regresión al gráfico
geom_smooth
Curva Loess:
ggplot(mtcars, aes(x = wt, y = mpg)) +
geom_point() +
geom_smooth()
Cambiar
Línea de regresión:
ggplot(mtcars, aes(x = wt, y = mpg)) +
geom_point() +
geom_smooth(method="lm", se=FALSE) ## línea de regresión
Ejemplo:
ggplot(mtcars, aes(x = wt, y = mpg, col = factor(cyl))) +
geom_point() +
stat_smooth(method = "lm", se = FALSE) +
stat_smooth(method = "lm", se = FALSE, aes(group=1))
myColors <- c(brewer.pal(3, "Dark2"), "black")
ggplot(mtcars, aes(x = wt, y = mpg, col = factor(cyl))) +
geom_point() +
stat_smooth(method = "lm", se = FALSE, span = 0.7) +
stat_smooth(method = "loess",
aes(group = 1, col="All"),
se = FALSE, span = 0.7) +
scale_color_manual("Cylinders", values=myColors)
library(ggchicklet)
ggplot(count(mtcars, cyl), aes(x = cyl, y = n)) +
geom_chicklet(radius = grid::unit(15, 'mm'), fill = 'skyblue') +
theme_minimal()
https://medium.com/@rohitnair_94843/analysis-of-twitter-data-using-r-part-2-word-cloud-dd423af1b2c6
https://www.r-bloggers.com/awesome-twitter-word-clouds-in-r/
Curva normal:
+ stat_function
## Plot 2: Mean and SD - the easy way
wt.cyl.am +
stat_summary(fun.data=mean_sdl, fun.args=list(mult=1), position=posn.d)
## Plot 3: Mean and 95% CI - the easy way
wt.cyl.am +
stat_summary(fun.data=mean_cl_normal, position=posn.d)
## Plot 4: Mean and SD - with T-tipped error bars - fill in ___
wt.cyl.am +
stat_summary(geom = "point", fun.y = mean,
position = posn.d) +
stat_summary(geom = "errorbar", fun.data = mean_sdl,
position = posn.d, fun.args = list(mult = 1), width = 0.1)
library(ggridges)
p + geom_density_ridges()
md_speeding %>%
mutate(day_of_week = factor(day_of_week, levels = c("Mon","Tues","Wed","Thu","Fri","Sat","Sun") )) %>%
ggplot(aes( x = percentage_over_limit, y = day_of_week)) +
## make ridgeline densities a bit see-through with alpha = 0.7
geom_density_ridges(bandwidth = 3.5, alpha=0.7) +
## set expand values to c(0,0)
scale_x_continuous(limits = c(0,150), expand=c(0,0)) +
labs(subtitle = 'Guassian kernel SD = 3.5') +
## remove y axis ticks
theme(axis.ticks.y=element_blank())
Alternativa al boxplot. Agrega dispersión de forma inteligente, con los puntos lo más cercanos al eje.
library(ggbeeswarm)
p + geom_beeswarm()
Muestra todos los puntos de datos y la forma de la distribución. Funciona mal con demasiados datos.
Cambiar el tamaño de los puntos:
geom_beeswarm(cex=0.5) +
Alternativa al boxplot. Muestra la distirbución de forma simétrica.
geom_violin()
Funciona bien con muchos datos, pero no muestra cada dato individualmente.
geom_violin(bw = 2.5) +
geom_line
ggplot(economics, aes(x = date, y = unemploy/pop)) +
geom_line()
ggplot(fish.tidy, aes(x = Year, y = Capture, color=Species)) + geom_line()
ggplot(ChickWeight, aes(x = Time, y = weight, col=Diet)) +
geom_line(aes(group = Chick), alpha=0.3) +
geom_smooth(lwd=2, se=FALSE)
Seis mapas de líneas horizontalmente:
ggplot(barley, aes(x=year, y=yield, col=variety, group=variety)) +
geom_line() +
facet_wrap( ~ site, nrow= 1)
Planos de líneas de promedios con desviación estándar como barritas transparentes:
## Create overlapping ribbon plot from scratch
ggplot(barley, aes(year, yield, col= site, group=site, fill=site)) +
stat_summary(fun.y=mean, geom="line") +
stat_summary(fun.data=mean_sdl, fun.args=list(mult=1), geom="ribbon", col=NA, alpha=0.1)
geom_histogram
A mayor binwidth, más gruesas las líneas.
bins es el número de barras.
center hace que la barra central esté en un punto determinado.
ggplot(mtcars, aes(x = mpg)) +
geom_histogram(aes(y=..density..), binwidth=1, bins=40, fill="##377EB8")
ggplot(adult, aes(SRAGE_P, fill=factor(RBMI))) + geom_histogram(binwidth=1)
qplot(var1,data=datos,fill=var2)
Con color
qplot(var1,var2,data=datos,facets=.~var3)
Tres histogramas horizontalmente, divididos por variable 3.
qplot(var1,data=datos,facets=var2~.,binwidth=2)
Tres histogramas, uno encima del otro.
Polígono de frecuencias:
ggplot(mtcars, aes(mpg, color=cyl)) +
geom_freqpoly(binwidth=1)
Alfombra de casos:
+ geom_rug
ggplot(first_last, aes(x = series, y = viewers, color = episode)) +
geom_point() + ## keep
geom_line(aes(group = series)) + ## keep
coord_flip() ## keep
geom_tile
## Create color palette
myColors <- brewer.pal(9, "Reds")
## Build the heat map from scratch
ggplot(barley, aes(x = year, y = variety, fill = yield)) +
geom_tile() + ## Geom layer
facet_wrap( ~ site, ncol = 1) + ## Facet layer
scale_fill_gradientn(colors = myColors) ## Adjust colors
pairs(datos)
library(PerformanceAnalytics)
chart.Correlation(iris[1:4])
library(GGAlly)
ggpairs(datos[1:9])
ggparcoord(datos, columns =1:4, groupColumn=5, scale="globalminmax", order="anyClass", alphaLines=0.4)
Mapoteca congreso nacional: https://www.bcn.cl/siit/mapas_vectoriales/index_html
http://guillermoacuna.blogspot.com/2017/02/como-hacer-un-mapa-de-chile-en-r.html
https://geocompr.robinlovelace.net/adv-map.html
tm_fill() +
tm_borders()
https://eriqande.github.io/rep-res-web/lectures/making-maps-with-R.html
Mapa lineal de densidad, como un mapa topográfico:
geom_density_2d()
Mapa con degradado de calor:
geom_density_2d(geom="tile", aes(fill=..density..), contour=FALSE)
Mapa de círculos:
geom_density_2d(geom="point", aes(fill=..density..), n=20, contour=FALSE) +
scale_size(range=c(0,9))
Agregar línea de medianas:
p+geom_vline(data=mu, aes(xintercept=grp.mean, color=sex),
linetype="dashed")
Permiten explorar preguntas e hipótesis iniciales, sugerir estrategias para siguientes pasos, y resumir los datos gráficamente para destacar características generales.
geom_point
Requiere especificar x e y.
ggplot(df, aes(x = wt, y = mpg)) + geom_point()
Cambiar color y forma:
b + geom_point(color = "##00AFBB", size = 2, shape = 23)
Cambiar forma de los puntos según otra variable:
b + geom_point(aes(shape = cyl))
Cambiar forma y color de los puntos según otras variables:
b + geom_point(aes(shape = cyl, color = cyl))
Para colores personalizados: + scale_color_manual(values = c("##00AFBB", "##E7B800", "##FC4E07")
Texto del eje x: rotar y mostrar todos los valores:
+ scale_x_continuous("Año", labels = as.character(Año), breaks = Año)
Definir mínimos y máximos:
+ coord_cartesian(ylim = c(800, 5500)) ## especificar mínimos y máximos del eje y
Añadir dispersión a los puntos:
jitter can be 1) an argument in geom_point(position = 'jitter'), 2) a geom itself, geom_jitter(), or 3) a position function, position_jitter(0.1)
Ejemplo de scatter:
ggplot(Vocab, aes(x=education, y=vocabulary)) + geom_jitter(alpha=0.2, shape=1)
Ejemplo:
gD<- ggplot(Tarapaca, aes(x = Año, y = Defunciones))
gD+ geom_smooth(se=FALSE, alpha=10, size=0.5, color="##C19BDE") + ##línea de tendencia, falso para no mostrar intervalos
geom_point(aes(size = TasaMortalidad), alpha = 0.7, color = "##8A1CDD") + ##variable graficada como "size", con color y transparencia
scale_size(range = c(0.5, 10)) + ##rango del tamaño de círculos
theme(axis.text.x = element_text(angle = 45, vjust = 0.5)) + ##ángulo del texto del eje x
scale_x_continuous("Año", labels = as.character(Año), breaks = Año) + ##etiquetas del eje x
theme(panel.grid.major = element_line(Año, color = "white"), ## líneas del fondo
panel.grid.minor = element_blank(), ## borrar líneas menores
panel.background = element_rect(fill = "##EDE6F2"), ## color de fondo
legend.key = element_rect(fill = "##EDE6F2")) + ## color de fondo de leyenda
labs(size="Tasa de mortalidad") + ##título del elemento "size"
coord_cartesian(ylim = c(800, 5500)) ## especificar mínimos y máximos del eje y
Ejemplo de scatter con dos variables:
gX <- ggplot(Tarapaca)
gX + geom_point(aes(y=Nacimientos , x=Año, size=TasaNatalidad, colour=TasaFecundidad), alpha = 0.7, color = "##DD4814") +
geom_point(aes(y = Defunciones, x=Año, size=TasaMortalidad), alpha = 0.7, color = "##8A1CDD") +
##geom_point(aes(y = , x=Año, size=Nacimientos), alpha = 0.7, color = "##DD4814")
scale_size(range = c(2, 15)) + ##rango del tamaño de círculos
theme(axis.text.x = element_text(angle = 45, vjust = 0.5)) + ##ángulo del texto del eje x
scale_x_continuous("Año", labels = as.character(Año), breaks = Año) + ##etiquetas del eje x
theme(panel.grid.major = element_line(Año, color = "white"), ## líneas del fondo
panel.grid.minor = element_blank(), ## borrar líneas menores
panel.background = element_rect(fill = "##EDE6F2"), ## color de fondo
legend.key = element_rect(fill = "##EDE6F2")) + ## color de fondo de leyenda
labs(size="Tasa de mortalidad") ##título del elemento "size"
Ejemplo de qplot:
qplot(wt, mpg, data = mtcars)
Instalar iconos de símbolos como FontAwesome o IonIcons
Luego graficar con geom_text usando el código del glifo a utilizar:
geom_text(label="\uF236", size = 14, family = 'FontAwesome', col="##1C2366") +
disease_counts <- who_disease %>%
group_by(disease) %>%
summarise(total_cases = sum(cases)) %>%
mutate(percent = round(total_cases/sum(total_cases)*100))
## Create an array of rounded percentages for diseases.
case_counts <- disease_counts$percent
## Name the percentage array
names(case_counts) <- disease_counts$disease
## Pass case_counts vector to the waffle function to plot
waffle(case_counts)
parts <- c(80, 30, 20, 10)
chart <- waffle(parts, rows=8)
## print(chart)
## library(extrafont)
## waffle(parts, rows=8, use_glyph="shield")
parts <- c(One=80, Two=30, Three=20, Four=10)
chart <- waffle(parts, rows=8)
## print(chart)
library(waffle)
parts <- c('TRUE' = 3, 'FALSE' = 77)
p <- waffle(parts, rows = 8, colors = c("black", "grey70"))
p
Ejemplo:
originarios_total <- read_excel("/Users/rndzvs/RStudio/Tarapacá\ R/Indígenas.xlsx",
sheet="Región")
originarios_total
originarios_total_tidy <- originarios_total %>%
gather(`Pueblo originario`, Porcentaje, Aimara:`Sin pertenencia`) %>%
mutate_if(is.character, as.factor)
originarios_total_tidy
## Explorar porcentajes de cada pueblo en total
originarios_total_tidy %>%
group_by(`Pueblo originario`) %>%
##filter(`Pueblo originario`=="Aimara") %>%
summarize(percent(Porcentaje/10))
originarios_desagregado_tidy
pueblos_originarios_vector <- c(Aimara=29.1, Diaguita=1.44, Mapuche=2.18, Quechua=3.24, `Otra etnia`=3.24, `Sin pertenencia`=62.5)
pueblos_originarios_waffle <- waffle(pueblos_originarios_vector,
rows=9,
size=2)
pueblos_originarios_waffle_gg <- pueblos_originarios_waffle +
labs(title="Pertenencia a pueblos originarios",
subtitle="Cada cuadro representa a 1 de cada 100 tarapaqueños") +
scale_fill_manual(values=c("##1A9D75", ##aymara
"##69A500", ##diaguita
"##7370B5", ##mapuche
"##DB6200", ##quechua
"##E8348B", ##otros
"##AFAFAF", ##sin
"##FFFFFF" ##fondo
)) +
tema_comparaciones2 +
theme(legend.title = element_blank(),
legend.position = "bottom")
pueblos_originarios_waffle_gg
https://rspatial_es.gitlab.io/blog/2020-08-02-diagrama-voronoi-r-ggplot/
Densidad con líneas concéntricas:
## Base layers
p <- ggplot(faithful, aes(x = waiting, y = eruptions)) +
scale_y_continuous(limits = c(1, 5.5), expand = c(0, 0)) +
scale_x_continuous(limits = c(40, 100), expand = c(0, 0)) +
coord_fixed(60 / 4.5)
## 1 - Use geom_density_2d()
p + geom_density_2d()
## 2 - Use stat_density_2d() with arguments
p + stat_density_2d(aes(col = ..level..), h = c(5, 0.5))
Densidad con gradiente:
## Load in the viridis package
library(viridis)
## Add viridis color scale
ggplot(faithful, aes(x = waiting, y = eruptions)) +
scale_y_continuous(limits = c(1, 5.5), expand = c(0,0)) +
scale_x_continuous(limits = c(40, 100), expand = c(0,0)) +
coord_fixed(60/4.5) +
stat_density_2d(geom = "tile", aes(fill = ..density..), h=c(5,.5), contour = FALSE) +
scale_fill_viridis()
library(gganimate)
library(tween)
library(ggplot2)
p<- ggplot(iris, aes(x = Petal.Width, y = Petal.Length)) +
geom_point() + ##Gráfico de dispersión común
transition_states(Species, ##Anima los puntos según variable
transition_length = 2,
state_length = 1) +
ease_aes('cubic-in-out') + ##suavizar animación
ggtitle('Now showing {closest_state}',
subtitle = 'Frame {frame} of {nframes}') ##Título con estados de la animación
transition_states() splits up plot data by a discrete variable and animates between the different states.
ease_aes() defines the velocity with which aesthetics change during an animation.
anim <- ggplot(iris, aes(x = Petal.Width, y = Petal.Length)) +
geom_point(aes(colour = Species), size = 2) +
transition_states(Species,
transition_length = 2,
state_length = 1)
anim +
enter_fade() +
exit_shrink()
enter and exit functions are used to modify the aesthetics of appearing and disappearing data so that their entrance or exit may be animated.
Si es transition_reveal:
labs(x = "Años", y = "Nacimientos", title="Año {as.integer(frame_along)}") +
Si es transition_states:
labs(x = "Años", y = "Nacimientos", title="Año {closest_state}") +
ggtitle('Año {closest_state}') ##título de años
animate(gA_anim, nframes=300, fps=24, width=750, height=675, res=150, end_pause = 30)
anim_save("Animación2.gif", animation = last_animation())
nframes es la cantidad total de cuadros de la animación
fps son los cuadros por segundo de la animación
end_pause son cuadros de pausa al final de la animación
rewind=TRUE para rebobinar.
Ejemplo:
library(ggplot2)
library(gganimate)
p<- ggplot(iris, aes(x = Petal.Width, y = Petal.Length)) +
geom_point() + ##Gráfico de dispersión común
transition_states(Species, transition_length = 2, state_length = 1) + ##Anima los puntos según variable
ease_aes('cubic-in-out') + ##suavizar animación
ggtitle('Now showing {closest_state}',
subtitle = 'Frame {frame} of {nframes}') ##Título con estados de la animación
animate(p, nframes=300, fps=30)
anim_save("Animación2.gif", animation = last_animation())
Regresión: http://varianceexplained.org/files/loess.html
- https://towardsdatascience.com/create-animated-bar-charts-using-r-31d09e5841da
- https://stackoverflow.com/questions/53162821/animated-sorted-bar-chart-with-bars-overtaking-each-other?source=post_page---------------------------
nata<-read.csv("nata.csv", sep=";")
names(nata)[2] <- "2000"
names(nata)[3] <- "2001"
names(nata)[4] <- "2002"
names(nata)[5] <- "2003"
names(nata)[6] <- "2004"
names(nata)[7] <- "2005"
names(nata)[8] <- "2006"
names(nata)[9] <- "2007"
names(nata)[10] <- "2008"
names(nata)[11] <- "2009"
names(nata)[12] <- "2010"
names(nata)[13] <- "2011"
names(nata)[14] <- "2012"
names(nata)[15] <- "2013"
names(nata)[16] <- "2014"
names(nata)[17] <- "2015"
names(nata)[18] <- "2016"
library(ggplot2)
library(gganimate)
library(tidyverse)
library(janitor)
library(scales)
#### Aplicar guía a mis datos
#### Cambiar formato de base de datos a "long format"
nata_tidy <- nata %>%
mutate_at(vars(contains("20")),as.numeric) %>% ##selecionar los años
gather(year,value,2:18) %>% ##elegir las columnas de los años
janitor::clean_names() %>%
mutate(year = as.numeric(stringr::str_sub(year,1,4)))
write_csv(nata_tidy,"nata_tidy.csv")
View(nata_tidy)
View(nata)
#### We’re going to filter our dataset to retain only the top 10 countries for every given year
nata_tidy <- read_csv("nata_tidy.csv")
nata_formatted <- nata_tidy %>%
group_by(year) %>%
## The * 1 makes it possible to have non-integer ranks while sliding
mutate(rank = rank(-value),
Value_rel = value/value[rank==1],
Value_lbl = paste0(" ",round(value/1e9))) %>%
group_by(region) %>%
filter(rank <=10) %>%
ungroup()
View(nata_formatted)
#### Gráfico seguido de animación
staticplot = ggplot(nata_formatted, aes(rank, group = region,
fill = as.factor(region),
color = as.factor(region))) +
geom_tile(aes(y = value/2,
height = value,
width = 0.9), alpha = 0.8, color = NA) +
geom_text(aes(y = 0, label = paste(region, " ")), vjust = 0.2, hjust = 1) +
geom_text(aes(y=value,label = paste(round(value,digits= 1)), hjust=-0.2)) +
coord_flip(clip = "off", expand = FALSE) +
scale_y_continuous(labels = scales::comma) +
scale_x_reverse() +
guides(color = FALSE, fill = FALSE) +
theme(axis.line=element_blank(),
axis.text.x=element_blank(),
axis.text.y=element_blank(),
axis.ticks=element_blank(),
axis.title.x=element_blank(),
axis.title.y=element_blank(),
legend.position="none",
panel.background=element_blank(),
panel.border=element_blank(),
panel.grid.major=element_blank(),
panel.grid.minor=element_blank(),
panel.grid.major.x = element_line( size=.1, color="grey" ),
panel.grid.minor.x = element_line( size=.1, color="grey" ),
plot.background=element_blank(),
plot.margin = margin(1,1, 1, 4, "cm"))
animacion = staticplot + transition_states(year, transition_length = 2, state_length = 4) +
view_follow(fixed_x = TRUE) +
labs(title = 'Tasa de natalidad anual: {closest_state}')
animate(animacion, nframes=640, fps=30, width=400, height=400, res=100, detail=2)
anim_save("Natalidad regiones.gif", animation = last_animation())
## Plot object p
p <- ggplot(diamonds, aes(x = carat, y = price))
## Use cut_interval
p + geom_boxplot(aes(group = cut_interval(carat, n=10)))
## Use cut_number
p + geom_boxplot(aes(group = cut_number(carat, n=10)))
## Use cut_width
p + geom_boxplot(aes(group = cut_width(carat, width=0.25)))
Graficar mapas en ggplot2
Paquete Chilemapas https://github.com/pachamaltese/chilemapas
mapa_cortado <- st_crop(mapa,
xmin = -20, xmax = 45,
ymin = 30, ymax = 73)
Necesario cuando se usan dos mapas distintos en un solo gráfico y sus sistemas de coordenadas difieren.
Revisar el formato de coordenadas de los dos mapas:
mapa1$geometry
mapa2$geometry
Cambiar uno por el del otro:
mapa2$geometry <- st_transform(mapa2$geometry,
crs = 32719)
mapa +
coord_sf(ylim=c(-30, -10),
xlim=c(-80, -60))
El archivo .shp tiene que estar dentro de la carpeta con el resto de archivos necesarios.
mapa <- sf::st_read("Catastro_Campamentos_2019/Catastro_Campamentos_2019/Catastro_Campamentos_2019.shp")
https://www.jessesadler.com/post/geocoding-with-r/
Agregar figuras o capas extra a un gráfico
switch=TRUE
datos %>%
ggplot(aes(x, y)) +
{if(switch) geom_hline(yintercept = 15)}+
geom_point()
geom_line(data = subset(afp_cotizantes2, región=="Iquique"), size=1) +
geom_line(data = subset(afp_cotizantes2, región!="Iquique"), size=0.5, show.legend = FALSE) +
https://gist.github.com/jcheng5/3971908
casen %>%
filter(region=="Región de Tarapacá") %>%
rename(trabajan=o1) %>%
group_by(sexo, comuna, trabajan) %>%
summarise(cantidad=n()) %>%
mutate(porcentaje = cantidad/sum(cantidad)) %>%
group_by(comuna) %>%
mutate(diferencia = porcentaje[sexo == "Mujer"] - porcentaje) %>%
group_by(comuna, trabajan) %>%
mutate(mujer = porcentaje[sexo == "Mujer"]) %>%
mutate(hombre = porcentaje[sexo == "Hombre"]) %>%
filter(trabajan=="Sí") %>%
##filter(!is.na(trabajan)) %>%
##graficar
ggplot(aes(fct_reorder(str_wrap(comuna, 4), diferencia), porcentaje, fill=sexo)) +
##facet_wrap(~comuna, strip.position = "bottom") +
geom_col(position="dodge", width=0.8) +
geom_text(aes(label = percent(porcentaje)), position = position_dodge2(width=0.8),
hjust = 1.2, vjust=0.5, size=3.5, angle=90, color="white") +
geom_linerange(aes(ymin = mujer, ymax = hombre, linetype="Brecha\nde género"), size=3, col="##DF1A57")
Agregar linea
Verticales:
theme(panel.grid.major.x = element_line(color="gray90"))
Horizontales:
theme(panel.grid.major.y = element_line(color="gray90"))
Importar logo:
logo_tarapaca <- readPNG("logo_tarapaca_2.png")
coord_cartesian(clip="off") +
annotation_custom(grob = rasterGrob(logo_tarapaca_chico, width=unit(2,'cm'), hjust = 7, vjust=-0.3, x = unit(1,"npc"), y = unit(1,"npc")))
Ajustar hjust y vjust
Si el gráfico está horizontal:
coord_flip(clip="off") +
library(gridExtra)
annotate(
"segment",
x=dates,
xend=dates,
y=prices-11,
yend=prices-1,
color="blue",
arrow=arrow(length=unit(0.05,"npc")
))
Afuera del gráfico
annotate("segment", x=4.5, xend=3, y=-70, yend=-70, col="black", arrow=arrow(length=unit(0.3, "cm"))) +
scale_y_continuous(expand=c(0,0)) +
coord_cartesian(ylim = c(0, 700), clip="off") +
theme(plot.margin = unit(c(1,1,3,1), "lines"))
geom_hline(yintercept = mean(Indcatotvalue), color="blue")
ggplot(mammals[mammals$vore == "Insectivore", ], aes(x = sleep_total, fill = vore)) +
geom_density(col = NA, alpha = 0.35) +
scale_x_continuous(limits = c(0, 24)) +
coord_cartesian(ylim = c(0, 0.3))
geom_vline
geom_hline
geom_rect(data = recess,
aes(xmin = begin, xmax = end, ymin = -Inf, ymax = +Inf),
inherit.aes = FALSE, fill = "red", alpha = 0.2)
+ geom_vline(xintercept=0)
BMI_fill <- scale_fill_brewer("BMI Category", palette = "Reds")
Luego esta capa puede aplicarse con + BMI_fill
Otro ejemplo:
fix_strips <- theme(strip.text.y = element_text(angle = 0, hjust = 0, vjust = 0.1, size = 14),
strip.background = element_blank(),
legend.position = "none")
ggplot(...) + fix_strips
Las figuras shape de 21 a 25 tienen borde y relleno independientes.
Operaciones que se pueden realizar sobre el texto de los gráficos
annotate("text", x=2.8, y=-0.025, hjust=1, col="black", label="Menores ingresos") +
annotate("text", x=8.4, y=-0.025, hjust=0, col="black", label="Mayores ingresos") +
hjust = 1 significa que el texto se posiciona desde el borde derecho, 0 depende del borde izquierdo.
Para ponerlas fuera del gráfico:
coord_cartesian(clip = 'off') +
theme(plot.margin = unit(c(1,1,3,1), "lines")) + ##extender área hacia abajo
Crear variable que calcule el porcentaje:
basura <- basura %>% ##crear variable que mide el porcenaje
mutate(Porcentaje = (`Toneladas al año` / sum(`Toneladas al año`) * 100))
+ geom_text(aes(label = percent(Porcentaje)),
color="gray25", size=3, hjust = -0.2) +
Cuando son barras stack:
geom_text(aes(label = percent(porcentaje)), color="gray25", size=3, hjust = 0.5, vjust=0.5, position="stack") +
Para centrar el número en las barras:
geom_text(aes(label = percent(porcentaje)), color="gray25", size=3, hjust = 0.5, vjust=0.5, position = position_stack(vjust = 0.5)) +
Para variables categóricas o factores:
geom_text(aes(y = ((..count..)/sum(..count..)),
label = scales::percent((..count..)/sum(..count..))),
stat = "count", hjust = -0.1, size=3, color="white") +
porcentaje total de las barras stacked con datos tidy:
stat_summary(fun.y = sum, aes(label = paste0(round(..y..*100, digits=1), "%"), group = Comuna), geom = "text", vjust=-0.5, size=3, col="gray25") +
Alternativa para pegar total
geom_text(
aes(label = stat(y)),
stat = 'summary', fun.y = sum, vjust = -1
) +
Para barras dodge con coord_flip
turismo %>%
filter(!is.na(edad)) %>%
group_by(edad, genero, periodo) %>%
summarize(cantidad=n()) %>%
ggplot(aes(edad, cantidad)) +
geom_col(aes(fill=genero), position = "dodge") +
coord_flip() +
geom_text(aes(label = cantidad), position = position_dodge2(width=1),
size=3.5,
hjust=-0.5) +
facet_wrap(~periodo)
Para permitir que el texto se salga del margen del gráfico hay que poner clip = off y expandir el margen del gráfico con plot.margin:
coord_cartesian(clip = 'off') +
theme(plot.margin = unit(c(1,1,1,1),"cm")) ##top right bottom left
Mostrar etiquetas sólo para puntos o segmentos superiores a una cantidad.
Usando mutate, las etiquetas que no cumplan la función quedan en blanco, manteniendo su posición:
##Texto grande
geom_text(aes(label = ifelse(Cantidad > 1000, Cantidad, "")),
position = position_dodge2(width=0.8),
size=3, color="red", hjust=1.2) +
##Texto chico
geom_text(aes(label = ifelse(Cantidad < 1000, Cantidad, "")),
position = position_dodge2(width=0.8),
size=3, color="green", hjust=-0.2) +
Poner sólo los porcentajes grandes en un gráfico de barras stacked:
geom_text(aes(label = ifelse(Porcentaje > 0.12, percent(Porcentaje, accuracy = 0.1), "")),
##position = position_dodge2(width=0.8),
position = position_stack(vjust = .5),
size=2.5, color="white") +
Para un texto más complejo (con paste, porcentaje y frecuencia)
##Texto grande
geom_text(aes(label = ifelse(porcentaje > .1, paste(percent(porcentaje, accuracy = 0.1), "-", format(cantidad, big.mark=".")), "")),
position = position_dodge2(width=0.7),
size=3, color="red", hjust=1.2) +
##Texto chico
geom_text(aes(label = ifelse(porcentaje < .1, paste(percent(porcentaje, accuracy = 0.1), "-", format(cantidad, big.mark=".")), "")),
position = position_dodge2(width=0.7),
size=3, color="green", hjust=-0.2) +
geom_text(aes(label=variabley), vjust=1.5, hjust=0.5, col="white")
Para dodge:
geom_text(aes(label = percent(var1),
y = var1 + .03),
position = position_dodge(0.9),
vjust = 1)
Si se trata de un factor:
geom_text(stat='count', aes(label=..count..), vjust=0.5) +
library(ggplot2)
library(ggrepel)
x = c(0.8846, 1.1554, 0.9317, 0.9703, 0.9053, 0.9454, 1.0146, 0.9012,
0.9055, 1.3307)
y = c(0.9828, 1.0329, 0.931, 1.3794, 0.9273, 0.9605, 1.0259, 0.9542,
0.9717, 0.9357)
z= c("a", "b", "c", "d", "e", "f",
"g", "h", "i", "j")
df <- data.frame(x = x, y = y, z = z)
ggplot(data = df, aes(x = x, y = y)) + theme_bw() +
geom_text_repel(aes(label = z),
box.padding = unit(0.45, "lines")) +
geom_point(colour = "green", size = 3)
ggplot(dt,
aes(x = one, y = two, color = diff_cat)) +
geom_point() +
geom_text_repel(data = . %>%
mutate(label = ifelse(diff_cat %in% c("type_1", "type_2") & abs(diff) > 2,
name, "")),
aes(label = label),
box.padding = 1,
show.legend = FALSE) + ##this removes the 'a' from the legend
coord_cartesian(xlim = c(-5, 5), ylim = c(-5, 5)) +
theme_bw()
stringr::str_to_upper(string, locale = "es")
stringr::str_to_lower(string, locale = "es")
stringr::str_to_title(string, locale = "es")
stringr::str_to_sentence(string, locale = "es")
stat_summary(fun.y = sum, ##pone como texto la suma de los factores en cada barra
aes(label = ..y.., group = Año),
geom = "text", vjust=-0.5, size=3, col="gray25") +
Horizontalmente:
plot.caption = element_text(hjust = 1.4)) +
Horizontalmente:
plot.title = element_text(hjust = 0.3),
plot.subtitle = element_text(hjust = 0.3),
## buscar y reemplazar palabras para borrarlas de las etiquetas
eme2 <- eme2 %>%
mutate(tramo_ingresos = str_replace(tramo_ingresos, "Entre ", "")) %>%
mutate(tramo_ingresos = str_replace(tramo_ingresos, "y", "a"))
round(variable, digits=1)
Ejemplo:
geom_text(aes(label =
paste0(##pegar símbolo de porcentaje
round(Porcentaje, digits=1),##redondear cifra
"%")),
color="white", size=3.5, position=position_stack(vjust = 0.5)) +
paste0(Porcentaje,"%")
Ejemplo:
geom_text(aes(label =
paste0(##pegar símbolo de porcentaje
round(Porcentaje, digits=1),##redondear cifra
"%")),
color="white", size=3.5, position=position_stack(vjust = 0.5)) +
Cambiar títulos de los ejes
+ labs(x="Título del eje x", y="Título del eje y")
titled_plot <- initial_plot +
labs(title = "Hell Is Other People In A Pressurized Metal Tube",
subtitle = "Percentage of 874 air-passenger respondents who said action is very or somewhat rude",
caption = "Source: SurveyMonkey Audience",
x = "",
y = "")
Para que el texto o etiqueta del eje y o x aparezca dentro de la barra:
En gráficos con coord_flip:
geom_text(aes(label = str_to_title(variable), y=0.02), hjust=0, size = 3.2, col="white") +
theme(axis.text.y = element_blank()) ##ocultar eje
Sin coord_flip:
geom_text(aes(label = str_to_title(variable), y=0.02), angle=90, hjust=0, size = 3.2, col="white") +
theme(axis.text.x = element_blank())
Calcular porcentaje por categorías:
group_by(gastos_forma, periodo, extranjeros) %>%
summarise(cantidad = n()) %>%
mutate(porcentaje = cantidad/sum(cantidad)) %>% ##Porcentaje
Calcular porcentaje respecto del total:
group_by(gastos_forma, periodo, extranjeros) %>%
summarise(cantidad = n()) %>%
ungroup() %>%
mutate(porcentaje = cantidad/sum(cantidad)) %>% ##Porcentaje
Hay que agregar un ungroup.
Agregar fila con suma de totales:
adorn_totals("row") %>%
Agregar columna con suma de totales:
adorn_totals("col", name = "Total") %>%
geom_text(aes(label = ifelse(Año==2018,
str_pad(number(media, accuracy = 1, big.mark="."), 20, side="right"),
"")),
size=3, hjust=-0.15) +
Puede que sea necesario mover la leyenda hacia la derecha:
theme(legend.box.margin=margin(c(0,0,0,10))) +
Quitar decimales a un número que por ejemplo es una media:
round(Toneladas, digits = 2)
ggplot(aes(x = paste("texto", variable)))
scale_x_continuous(labels = function(x) paste(x, "años"),
Hay que tener instalado el locale necesario, en este caso el de español. Activar el locale:
Sys.setlocale(category = "LC_TIME", locale="es_ES.UTF-8") ##Meses en español
Luego las fechas usarán meses en castellano:
format(max(covid_comuna$Fecha), "%d de %B")
theme(text = element_text(size=16))
library(extrafont)
theme(plot.title = element_text(size=18, family="Bebas Kai", color="##1c2366"),
Cambiar todo el texto:
text = element_text(family="Open Sans"),
Ver tipografías instaladas:
extrafont::fonts()
Crear la condición necesaria y poner como categorías de la variable los colores a elegir:
datos %>%
mutate(Region2 = case_when(Region=="Tarapacá" ~ "##red",
TRUE ~ "gray80"))
Luego agregar en el geom:
geom_text(aes(x=Comuna, y=-50, label = Region),
color = datos$Region2)
scale_x_discrete(labels = paste0(Region, "\n", Poblacion))
Para cortar la categorías largas, por ejemplo, en la leyenda de un gráfico o las etiquetas de un eje:
datos %>%
ggplot(aes(variable, str_wrap(variable, width = 35))) +
geom_line()
Donde el número es los caracteres del ancho de línea.
Para aplicar desde fuera:
scale_x_discrete(labels = function(x) str_wrap(x, width = 10))
Para mantener el orden de los factores:
str_wrap_factor <- function(x, ...) {
levels(x) <- str_wrap(levels(x), ...)
x
}
Y luego usar str_wrap_factor del mismo modo que str_wrap
Cortar factores:
mutate(ocupación_CIUO = str_trunc(as.character(ocupación_CIUO), 30, side="right")) %>%
Luego volver a convertir a factor.
Enhance Your ggplot2 Data Visualizations with ggtext
Manipulación de las escalas de los gráficos, que son los elementos que controlan la disposición espacial de las observaciones en el plano.
Ordenar las barras para que una categoría del stack vaya de mayor a menor: crear una variable con case_when que sea un valor numérico, luego sumar esos valores numéricos en summarize según los grupos.
turismo2 %>%
mutate(orden = case_when(interés == "Es de interes" ~ "1", TRUE ~ "0")) %>%
mutate(orden = as.numeric(orden)) %>%
group_by(ubicación, interés, orden) %>%
summarize(cantidad = n(),
orden2 = sum(orden)) %>%
ggplot(aes(fct_reorder(ubicación, orden2), porcentaje, fill=interés))
Alternativa: crear variable de orden con un subset
group_by(Region) %>%
mutate(Orden = Valor[Grupo == "Casos"]) %>%
ggplot(aes(fct_reorder(Region, Orden),
Valor, fill = Grupo)) +
Por ejemplo, si una línea queda muy corta en la parte superior de un gráfico de densidad. Similar a coord_cartesian
scale_y_discrete(expand = expand_scale(add = c(0.3, 5.5))) +
scale_x_continuous(labels = scales::comma)
+ coord_flip()
Intercambiar y cortar o extender:
coord_flip(xlim=c(0, 800)) +
ggplot(aes(x = logFoldChange, y = reorder(variable, variable_de_ordenamiento)) +
geom_point()
Invertir el orden:
ggplot(datos, aes(x=fct_rev(var1), y=...))
Reordenar ascendente:
ggplot(datos, aes(x = fct_infreq(var1), y=...
Reordenar descendente
ggplot(datos, aes(x = fct_rev(fct_infreq(variable))))
Reordenar según otra variable
ggplot(datos, aes(x= fct_reorder(variable, referencia), y=...
Según otra pero en descendiente:
mutate(Genre = fct_reorder(Genre, n, .desc = TRUE))
Reordenar manualmente:
name = factor(name, levels=c("north", "north-east", "east", "south-east", "south", "south-west", "west", "north-west")))
Reordenar según suma de los valores del eje:
ggplot(aes(x=fct_reorder(Comuna, Porcentaje, .fun=sum, .desc=TRUE)
Util cuando son barras stacked y hay que ordenar por la suma de los factores
Girar etiquetas del eje, dándole ángulo o poniéndola horizontal, por ejemplo
axis.text.x = element_text(angle = -90, hjust=0)) +
hjust justifica el texto
Girar a la derecha y justificar:
theme(axis.text.x = element_text(hjust=0, vjust=0.5, angle = -90)
theme(axis.text.x = element_text(margin = margin(t = 0)),
axis.text.y = element_text(margin = margin(r = -5)),
plot.subtitle = element_text(margin = margin(b = 15)))
Mostrar todas las etiquetas del eje x
scale_x_continuous("ID", labels = as.character(ID), breaks = ID)
scale_x_continuous(breaks = c(1973:1980))
scale_y_continuous(breaks = c(10, 50, 100, 150, 200)) +
También sirve para eliminar el 0 del eje. Para combinar con logaritmo: , trans="log10"
## Transform the scale
d + scale_y_log10()
## Transform the coordinates
d + coord_trans(y="log10")
Muestra los puntos exactos donde existen datos.
+ geom_rug()
Para cambiar una escala a logarítmica:
+ scale_x_log10()
Para que un eje empiece desde cero y así se elimine el margen o espaciado por defecto de ggplot:
expand_limits(y=0)
coord_flip(expand=FALSE)
scale_x_discrete(expand = c(0, 0)) +
scale_x_continuous(expand = c(0, 0)) + scale_y_continuous(expand = c(0, 0))
Para que en la leyenda aparezca un espacio vacío entremedio.
Primero agregar el nivel blanco con \n:
previsión_t$previsión = factor(previsión_t$previsión, levels=c("Fonasa A", "Fonasa B", "Fonasa C", "Fonasa D", "Fonasa desconocido", "\n\n","Isapre", "FF.AA. y de Orden", "Ninguno (Particular)", "Otro sistema"))
Luego definir el color blanco y determinar que no se salte el nivel al estar vacío.
scale_fill_manual(values = c(degradado1(4), "gray70",
"white", ##Color del nivel en blanco
degradado4(3), "gray70"),
drop = FALSE) + ##Determinar que el nivel en blanco no se salte
https://www.statworx.com/at/blog/customizing-time-and-date-scales-in-ggplot2/
Configurar el eje x cuando es fecha:
scale_x_date(breaks = seq(from = ymd('2020-03-30'), to = max(covid_comuna$Fecha),
##by=1),
length.out=12),
date_labels = "%d/%B") +
La opción by=1 pone un break por fecha, y length.out pone la cantidad de breaks definidos, dispersados entre el menos y el mayor.
scale_fill_viridis(option="magma", ##color
name = "Porcentaje \nde votantes",
breaks = c(0, 25, 50, 75, 100),
labels=c("0%", "25%", "50%", "75%", "100%"),
limits=c(20,80)) +
Cambiar el rango de tamaños de los puntos
+ scale_size(range = c(1, 10))
Etiquetas en la escala manualmente:
scale_y_continuous(breaks = c(300000, 1000000,5000000,10000000))
Etiquetas menores en la escala:
scale_x_continuous(breaks = c(1990, 1995, 2000, 2005, 2010, 2014, 2017),
minor_breaks = seq(1991, 2016, 1)) +
Secuencia de breaks en la escala:
scale_y_continuous(limits = c(0, 12000), breaks = seq(0,12000,by = 2000)
Puntos de miles en la escala:
scale_y_continuous(labels = function(x) format(x, big.mark = ".")) +
Escala de miles
O bien:
scale_size_continuous(labels = scales::number) +
library(scales)
scale_y_continuous(labels = scales::percent_format(accuracy = 1)) +
Pegar porcentaje en eje (si los valores ya vienen multiplicados por 100:
scale_y_continuous(labels = function(x) paste0(x, "%")) +
Operaciones que permiten controlar y modificar los colores utilizados en los gráficos.
https://eliocamp.github.io/ggnewscale/
Definir color del mínimo y máximo:
scale_fill_gradient(low = "gray90", high = color_verde) +
Definir color del mínimo, intermedio y máximo:
scale_color_gradient2(low = colorspace::darken(color_verde, 0.2),
mid = colorspace::darken(color_verde, 0.4),
high = "white",
midpoint = 3.8) +
Opcionalmente, definir en midpoint el punto que equivale al intermedio.
cyl <- sort(unique(mpg$cyl))
ncat <- length(cyl) ## 4 types of cylinders
## create palettes
library(RColorBrewer)
purples <- tibble(cyl, colr = brewer.pal(ncat, "Purples"))
reds <- tibble(manufacturer = "audi", cyl, colr = brewer.pal(ncat, "Reds"))
blues <- tibble(manufacturer = "ford", cyl, colr = brewer.pal(ncat, "Blues"))
## merge them with the data
dd_p <- dd %>% filter(!(manufacturer %in% c("audi", "ford"))) %>% left_join(purples)
dd_r <- dd %>% filter(manufacturer == "audi") %>% left_join(reds)
dd_b <- dd %>% filter(manufacturer == "ford") %>% left_join(blues)
gg_dd <- rbind(dd_p, dd_r, dd_b) %>%
left_join(mm)
gg_dd %>%
ggplot(mapping = aes(x = reorder(manufacturer, mcyl), y = n, fill = colr)) +
geom_bar(stat = "identity", position = "fill") +
coord_flip() +
scale_fill_identity()
Primero crear la escala de color con tantos colores como se necesiten:
degradado <- colorRampPalette(c("##DF1A57", "##AF87EB", "##1D3284"))
Luego aplicar la escala al gráfico, determinando el número de colores a usar:
scale_color_manual(values = degradado(7),
aesthetics = c("fill", "col")) +
degradado <- colorRampPalette(c("##DF1A57", "##c444c4", "##6739b2", "##1D3284"), bias=0.9)
Bias es la separación de los colores en los extremos de la escala. Un bias alto (mayor a 1) hace que los colores cambien más rápido y uno bajo (cercano a 0) distribuye los colores más suavemente.
Para ver un color o vector de colores:
scales::show_col("##DF1A57")
scales::show_col(c("##DF1A57", "##c444c4", "##6739b2", "##1D3284"))
scales::show_col(degradado7b(7))
colorspace::lighten("red", amount = 0.5)
scales::show_col(colorspace::lighten(color_naranjo, amount = 0.6))
scale_fill_brewer(palette = "Dark2") +
Para ver todas las paletas disponibles:
RColorBrewer::display.brewer.all()
Extraer colores:
colores_presidencial <- rev(brewer.pal(9, 'YlGnBu')) ##extraer paleta de colores
Luego aplicar como gradiente:
scale_fill_gradientn(colours = colores_presidencial, ##crear gradiente de colores
name = "Porcentaje \nde votantes",
breaks = c(10, 30, 50, 70, 90)) +
Crear escala de colores entre colores específicos:
degradado1 <- colorRampPalette(c("##DF1A57", "##AF87EB", "##1D3284"))
Luego aplicar así:
scale_color_manual(values = degradado1(5)) +
Donde el número es la cantidad de colores
## Definition of a set of blue colors
blues <- brewer.pal(9, "Blues") ## from the RColorBrewer package
## 1 - Make a color range using colorRampPalette() and the set of blues
blue_range <- colorRampPalette(blues)
## 2 - Use blue_range to adjust the color of the bars, use scale_fill_manual()
ggplot(Vocab, aes(x = education, fill = vocabulary)) +
geom_bar(position = "fill") +
scale_fill_manual(values=blue_range(11))
colores_redes<- c("Facebook"="##1877f2","WhatsApp y similares"="##25d366","Instagram"="##c32aa3","Skype"="##00aff0","Twitter"="##1da1f2","Tinder y similares"="##FF5864","Snapchat"="##fffc00","LinkedIn"="##007bb5")
Luego, dependiendo del tipo del elemento:
scale_fill_manual(values = colores_redes) +
scale_color_manual(values = colores_redes) +
scale_color_viridis() +
scale_fill_viridis(option="magma") +
“magma”, “plasma”, and “inferno.”
discrete = TRUE
Más paletas:
- https://twitter.com/wearerladies/status/1180545410974257152?s=12
- https://github.com/EmilHvitfeldt/r-color-palettes/blob/master/type-sorted-palettes.md##qualitative-color-palettes
https://github.com/Nowosad/rcartocolor Ver colores:
cartocolor::display_carto_all()
Usar:
scale_fill_carto_c(name = "Life expectancy: ", type = "diverging", palette = "Earth", direction = -1)
Ver colores:
scico::scico_palette_show()
Generar paleta:
paleta <- scico::scico(30, palette = 'lapaz')
Usar escala:
ggplot(volcano, aes(x = x, y = y, fill = height)) +
geom_raster() +
scale_fill_scico(palette = 'davos')
devtools::install_github("nschiett/fishualize", force = TRUE)
library(fishualize)
paleta <- fish(10, option = "Ostracion_cubicus")
Ver colores: https://nschiett.github.io/fishualize/articles/overview_colors.html
scales::show_col(fishualize::fish(10, option = "Antennarius_commerson"))
Bonitas:
Oncorhynchus_tshawytscha
Bodianus_pulchellus
Antennarius_commerson
scales::show_col(fishualize::fish(10, option = "Oncorhynchus_keta"))
Ver lista de peces:
spp <- fishualize::fish_palettes()
##Escalas continuas:
scale_color_fish(option = "Hypsypops_rubicundus", direction = -1)
##Escalas discretas:
scale_color_fishd(option = "Hypsypops_rubicundus", direction = -1)
scale_color_fish(option = "Coris_gaimard", discrete = TRUE)
https://ewenme.github.io/ghibli/index.html
library(ghibli)
scale_colour_ghibli_d("LaputaMedium", direction = -1)
devtools::install_github("AndreaCirilloAC/paletter")
library(paletter)
image_path <- "path_to_your_image"
colours_vector <- create_palette(image_path = image_path,
number_of_colors =32,
type_of_variable = “categorical")
ggplot(data = mtcars, aes(x = rownames(mtcars),y = hp,color = rownames(mtcars),
fill = rownames(mtcars))) +
geom_bar(stat = 'identity') +
scale_color_manual(values = colours_vector) +
scale_fill_manual(values=colours_vector)+
yarrr::piratepal(palette = "all")
Manipular la leyenda, o la sección del gráfico que contiene los colores y/o etiquetas de los elementos gráficos que lo componen.
Cuando los elementos el gráfico se hacen por capas separadas y por lo tanto no aparecen con leyenda:
cols <- c("Investigadores\nhombres"="##B077E5",
"Investigadoras\nmujeres"="##DF1A57",
"Total de\ninvestigadores"="##1D3284")
investigadores %>%
rename(año=1) %>%
##pivot_longer(cols=c(3:4), names_to="género", values_to="valor") %>%
ggplot(aes(año)) +
geom_col(aes(y=total, fill="Total de\ninvestigadores")) +
geom_line(aes(y=mujeres, col="Investigadoras\nmujeres"), size=2, alpha=0.6) +
geom_point(aes(y=mujeres, col="Investigadoras\nmujeres"), size=4) +
geom_line(aes(y=hombres, col="Investigadores\nhombres"), size=2, alpha=0.6) +
geom_point(aes(y=hombres, col="Investigadores\nhombres"), size=4) +
##texto
geom_text(aes(y= mujeres-3.5, label = mujeres), col="white") +
geom_text(aes(y= hombres+3.5, label = ifelse(año!=2013, hombres, "")), col="white") +
geom_text(aes(y= hombres+5.5, label = ifelse(año==2013, hombres, "")), col="white") +
geom_text(aes(y= total+3, label = total)) +
##escalas
scale_colour_manual(name="Error Bars", values = cols) +
scale_fill_manual(name="Bar", values = cols) +
scale_x_continuous(breaks=c(2009:2017)) +
labs(y="Cantidad de investigadores/as")
Alternativa más rápida:
geom_hline(aes(yintercept = promedio, col="Arancel promedio")) +
scale_colour_manual(name="Error Bars", values = c("Arancel promedio"="red")) +
guides(fill = guide_legend(reverse = TRUE)) +
Ubicación de la leyenda: theme(legend.position = c(0.85, 0.85))
Mover la leyenda en relación a su ubicación por defecto:
legend.box.margin=margin(c(0,0,0,-60)) ##moverla a la izquierda
Leyenda dentro del gráfico:
theme(legend.position = c(.8,.8))
Eliminar leyenda: theme(legend.position = "none")
Añadir margen al gráfico:
theme(panel.spacing.x=unit(2, "cm"), plot.margin=unit(c(1,2,1,1), "cm"))
Eliminar todos los rectángulos: no_panels <- theme(rect = element_blank())
Poner leyenda abajo:
theme(legend.position = "bottom")
Cambiar orientación de los elementos de la leyenda:
theme(legend.direction = "horizontal")
Cambiar ubicación de leyenda:
+ theme(legend.position = "bottom",
legend.box = "vertical")
Cambiar título de leyenda:
+ scale_fill_discrete(name = "")
Si es una combinación de geoms:
labs(fill = "Nacionalidad", col = "Nacionalidad") +
Cambiar nombre de elementos de la leyenda:
+ scale_fill_discrete(name = "Padrón electoral", labels = c("Inscritos que no votaron", "Votantes")) +
Ocultar una leyenda específica:
+ guides(col = FALSE)
O poner dentro del geom: show.legend=FALSE
Cambiar espaciado horizontal de leyenda:
legend.spacing.x = unit(0.4, 'cm') ##NO SIRVE?
Cambiar espaciado vertical de elementos de leyenda:
legend.text = element_text(margin = margin(t=4, b = 4), size=9))
Tamaño de cuadrados de leyenda
legend.key.size = unit(1.7, 'lines')
Ajustar espacio vertical:
legend.text = element_text(margin = margin(t=10, b=10)),
Ajustar espaciado de leyendas:
legend.text = element_text(margin = margin(l = -2, r = 10), size=8))
Definir cantidad de filas en que aparecen las leyendas:
guides(fill = guide_legend(nrow = 3)) + ##cantidad de filas de la leyenda
Invertir elementos de leyenda:
guides(fill = guide_legend(reverse = TRUE))
Cambiar forma de la leyenda:
guides(colour = guide_legend(override.aes = list(shape = 15)))
Borrar el cuadrado gris de fondo de la leyenda:
theme(legend.key = element_blank())
Cambiar color de la leyenda:
guides(shape = guide_legend(override.aes = list(colour = "pink")))
theme(legend.margin = margin(20, 20, 20, 0)) + ##caja de la leyenda
Cambiar una leyenda redonda de geom_line o geom_point por una cuadrada como de geom_col
guides(col = guide_legend(nrow = 3, override.aes = list(shape = 15, size=7))) +
Para que las barras tengan círculos en la leyenda:
- poner fill y col en aes()
- poner un
geom_pointde size 0, alpha 0 - show-legend F en las columnas
- que los títulos coincidan en labs, y que se use o no reverse en guides de forma consistente:
theme(legend.key = element_blank(),
legend.background = element_blank()) +
geom_point(size=0) +
##guides(fill = guide_legend(override.aes = list(fill = NA, text = NA, alpha = 1))) +
guides(col = guide_legend(reverse = TRUE,
override.aes = list(size=5, fill=NA, text=NA)))
Ejemplo en gráfico de líneas
ggplot(aes(fecha, valor, col=parque, fill=parque)) +
geom_line(show.legend = FALSE) +
geom_point(size=0, alpha=0) +
scale_y_continuous(labels = function(x) format(x, big.mark = ".")) +
labs(y="Visitas") +
theme_minimal() +
theme(legend.position = "bottom",
legend.title = element_blank(),
axis.title.x = element_blank(),
legend.text = element_text(margin = margin(t=3, b=3, r=6))) +
guides(col = guide_legend(ncol=2,
override.aes = list(size=4, fill=NA, text=NA))) +
guides(fill = guide_legend(override.aes = list(fill = NA, text = NA, alpha = 1)))
El espacio horizontal entre dos facetas de un gráfico, cuando el gráfico se separa en facetas con facet_wrap()
theme(panel.spacing.x=unit(2, "cm"))
Especialmente útil para gráficos de torta
theme(plot.margin = margin(-20, 0, -20, -0)) +
Ejemplo:
plot.margin = margin(20, ##arriba
-90, ##derecha
10, ##abajo
-50) ##izquierda
)
Facetas
ggplot(comics, aes(x = align)) +
geom_bar() +
facet_wrap(~ gender)
ggplot(email, aes(x= number)) +
geom_bar() +
facet_wrap(.~spam)
## 1 - Separate rows according to transmission type, am
p +
facet_grid(am ~ .)
## 2 - Separate columns according to cylinders, cyl
p +
facet_grid(. ~ cyl)
## 3 - Separate by both columns and rows
p +
facet_grid(am ~ cyl)
Liberar los ejes de los gráficos para que sean distintos:
facer_wrap(~ country, scales="free_y")
Eliminar cruces donde no hay datos:
p +
facet_grid(vore ~ .,scale= "free_y", space = "free_y")
Espaciado entre facetas:
library(grid)
z + theme(panel.spacing.x=unit(2, "cm"))
Gráficos verticales
facet_wrap( ~ site, ncol = 1) + ## Facet layer
Espaciado entre facetas:
panel.spacing.y =unit(0.4, "cm")) +
Ocultar títulos de faceta:
theme(strip.background = element_blank(), strip.text = element_blank())
Facetas de lado
facet_wrap(~ str_to_title(tipo), nrow = 2, scales = "free_y",
strip.position="left")
Cortar textos de faceta (sin modificar los factores):
facet_wrap(~egreso, nrow=1, labeller = label_wrap_gen(width=10)) +
+ theme()
Dentro de la capa theme():
Especificar líneas: =element_line()
theme(
axis.line=element_line(color="red")
)
Remover un elemento: =element_blank()
theme(
panel.grid=element_blank()
)
Para especificar el eje afectado, se pone un punto y el eje al final del nombre del elemento, por ejemplo: axis.text.x
-
element_text() -
element_rect() -
element_line() -
element_blank() -
Ejes:
- Marcas en los ejes:
axis.ticks - Líneas de los ejes:
axis.line - Etiquetas de los ejes:
axis.text
- Marcas en los ejes:
-
Fondos:
panel.background
-
Rejillas:
panel.grid.majorpanel.grid.minor
- Texto de facetas:
strip.text - Título de los ejes:
axis.title - Números en los ejes:
axis.text
plot +
theme_minimal() +
## Customize the "minimal" theme with another custom "theme" call
theme(
text = element_text(family = "Bookman"),
title = element_text(color = "gray25"),
plot.caption = element_text(color = "gray30"),
plot.subtitle = element_text(size = 12)
)
Cambiar margen del texto:
theme(axis.text.y = element_text(margin = margin(r = -10)),
axis.text.x = element_text(margin = margin(b = -15))) +
Renombrar ejes:
labs(y="Cantidad de reclamos y consultas", x="Institución o vía de emisión")
Unir dos gráficos:
Si usan los mismos datos:
library(gridExtra)
basura_x2 <- grid.arrange(basura_gg, basura_p_gg, ncol=2)
Para dos gráficos distintos:
ggsave("foo.pdf", arrangeGrob(plot1, plot2))
Con cowplot:
library(cowplot)
empresas_combinado_cowplot <- plot_grid(empresas_tamaño_porc_gg,
empresas_trabajadores_porc_gg,
leyenda_1,
nrow = 3,
align = "v",
rel_heights = c(3, 3, 1))
Para acercar o alejar las etiquetas de las barras:
theme(axis.text.y = element_text(margin = margin(r = -3, l = 5))) +
theme(legend.margin = margin(20, 20, 20, 0)) + ##caja de la leyenda
+ coord_cartesian(xlim=c(3,6))
Graficar con la misma relación entre ejes (si las unidades de medida son iguales)
+ coord_equal()
Guardar la configuración de elementos de la capa theme en un tema:
mi_tema <- theme(element.axis...)
plot + mi_tema
Expandir temas guardados con nuevas configuraciones:
mi_tema2 <- mi_tema + theme(element...
Ejemplo:
z +
no_panels +
theme(plot.background = element_rect(fill = myPink, color="black", size=3))
Elegir un tema por defecto (que se aplique a todos lo gráficos):
theme_set(mi_tema)
The arguments for theme_update() are the same as for theme(). When you call theme_update() and assign it to an object (e.g. called old), that object stores the current default theme, and the arguments update the default theme. If you want to restore the previous default theme, you can get it back by using theme_update() again. Let's see how:_
## 2 - Update the default theme, and at the same time
## assign the old theme to the object old.
old <- theme_update(panel.background = element_blank(),
legend.key = element_blank(),
legend.background = element_blank(),
strip.background = element_blank(),
plot.background = element_rect(fill = myPink, color = "black", size = 3),
panel.grid = element_blank(),
axis.line = element_line(color = "red"),
axis.ticks = element_line(color = "red"),
strip.text = element_text(size = 16, color = myRed),
axis.title.y = element_text(color = myRed, hjust = 0, face = "italic"),
axis.title.x = element_text(color = myRed, hjust = 0, face = "italic"),
axis.text = element_text(color = "black"),
legend.position = "none")
## 3 - Display the plot z2 - new default theme used
z2
## 4 - Restore the old default theme
theme_set(old)
## Display the plot z2 - old theme restored
z2
######## Cargar temas con el paquete ggthemes
library(ggthemes)
ggsave(file="grafico7_7_2c.jpg", plot=basura_x2, dpi="retina")
Cambiar DPI para especificar resolución
ggsave("Gráfico.png", units="in", width=5, height=4, dpi=300)
Exportar animación:
anim_save("Animación.gif", animation = last_animation())