Como construir gráficos com ggplot2
O R é muito utilizado para visualização exploratória de dados. Nele já
vem instalado um pacote base para plotagem de gráficos, porém existem
outros como grid, lattice e ggplot2. Neste post veremos apenas
sobre o ggplot2, um pacote que faz parte do tidyverse, conforme
nosso post anterior e que
nos ajuda a criar gráficos poderosos no R. Ele é estruturado de forma
que os gráficos são construídos através de camadas, o que facilita criar
gráficos relativamente complexos e esteticamente agradáveis usando uma
sintaxe intuitiva e fácil de lembrar. As camadas do ggplot2são
formadas pelos dados, mapeamentos estéticos, objetos geométricos,
facetas, coordenadas entre outros.
Os gráficos ggplot2 funcionam apenas com objetos do tipo data.frame
ou tidy. Caso os dados que forem utilizados não estejam organizados,
existem algumas funções que podem ajudar, e o pacote ideal é o
tidyr.
Para esse post, os pacotes utilizados são ggplot2 e gridExtra.
Sintaxe básica
No ggplot2 começamos um gráfico com a função ggplot() e a partir
dessa função podem ser adicionadas camadas. Todos os gráficos do
ggplot2 são compostos por três componentes básicos:
- Os dados.
- Um conjuntos de mapeamentos estéticos entre as variáveis.
- Uma camada indicando o formato geométrico do gráfico.
Um exemplo geral da organização no ggplot2 é:
ggplot(data, aesthetics +
geometries()
Para começar a entender como cada camada se comporta, vamos construir um
gráfico parte por parte. Iniciando ao criar um data.frame para ser
nossos dados.
dados <- tibble(var_x = 1:4,
var_y = seq(2, 8, 2),
var_grupo = c(rep("a", 3), "b"))
dados
## # A tibble: 4 x 3
## var_x var_y var_grupo
## <int> <dbl> <chr>
## 1 1 2 a
## 2 2 4 a
## 3 3 6 a
## 4 4 8 b
A primeira camada do ggplot() é composta pelos dados, porém quando
executamos apenas os dados o R printa apenas um quadro vazio.
ggplot(dados)
A segunda camada do ggplot() é composta pelos mapeamentos estéticos,
aqui é onde entram as variáveis que serão as coordenadas do gráfico. O
argumento de mapeamento é sempre pareado com aes(), e os argumentos x
e y de aes() especificam quais variáveis mapear para os eixos x e y.
ggplot(dados, aes(x = var_x, y = var_y))
Com o acréscimo das coordenadas, o ggplot() mapeia com as variáveis
selecionadas. A próxima camada é feita com o formato geométrico. Neste
exemplo vamos usar o formato de pontos, geom_point().
ggplot(dados, aes(x = var_x, y = var_y)) +
geom_point()
Com esta útima camada básica formamos um gráfico de dispersão.
A partir desses componentes básicos podemos acrescentar cores, facetas, formatos, temas e outras características aos nossos gráficos.
ggplot(data, aesthetics) +
geometries(statistics) +
facets +
coordinates +
theme
A cada camada que formos adicionando ao nosso gráfico é necessário utilizar o símbolo de adição (+).
Mapeamentos Estéticos
Para adicionar algumas características ao nosso gráficos, vamos utilizar
o banco de dados iris que faz parte do pacote base do R. Alguns
mapeamentos estéticos são:
xey: coordenadas x e y que serão mapeadas;color: Altera a cor do gráfico;fill: altera a cor do preenchimento do gráfico;size: altera o tamanho do formato geométrico;alpha: altera a transparência do formato geométrico;labels: altera o nome das observações;shape: altera o estilo do formato geométrico;
Há duas maneiras de adicionar cor em um ggplot, a primeira é adicionando uma cor em todo o gráfico. A segunda forma é colorindo uma variável específica.
ggplot(iris, aes(x = Petal.Length, y = Petal.Width)) +
geom_point(color = "deeppink4")
ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color = Species)) +
geom_point()
Neste segundo exemplo, adicionamos a variável Species como uma escala
de cores no gráfico. A legenda de cores atribui a cada ponto uma cor
correspondente a sua classe dentro da variável Species.
Um outro atributo estético interessante é o shape. Ele modela os
pontos em diferentes formatos geométricos para cada variável.
ggplot(iris, aes(x = Petal.Length, y = Petal.Width, shape = Species)) +
geom_point(color = "blue")
Podemos também utilizar uma variável numérica para alterar o tamanho dos pontos:
ggplot(iris, aes(x = Petal.Length, y = Petal.Width, size = Sepal.Length)) +
geom_point(color = "red")
Formatos Geométricos
No ggplot2 existem vários formatos geométricos, porém veremos apenas
alguns. Os objetos geométricos começam com a expressão geom_ e são
seguidos pelo tipo de objeto.
geom_point()é usado para criar gráficos de dispersão.geom_bar()Mostra a distribuição de variáveis categóricas.geom line()desenham linhas entre os pontos do gráfico.geom_boxplot()exibe de forma compacta a distribuição de uma variável contínua.geom_histogram()mostram a distribuição de variáveis contínuas.
Um formato geométrico muito utilizado na estatística descritiva e nas
análises exploratórias é o Boxplot. Os boxplots resumem a maior
parte da distribuição com apenas cinco estatísticas: o mínimo, o
primeiro quartil (Q1), a mediana, o terceiro quartil (Q3) e o máximo. O
diagrama de caixa, ou boxplot, permite realizar análises mais
detalhadas em uma variável numérica por meio de quartis. Além disso, o
gráfico de caixa oferece informações da distribuição como valores
atípicos e valores extremos, entre outros. Neste exemplo abaixo,
utlizamos as variáveis drve hwy para criar nosso gráfico.
ggplot(mpg, aes(drv, hwy)) +
geom_boxplot()
Histogramas e polígonos de frequência mostram a distribuição de uma única variável numérica. A diferença entre eles é que os histogramas exibem as contagens com barras enquanto os polígonos de frequência exibem as contagens com linhas.
ggplot(mpg, aes(hwy)) + geom_histogram()
O gráfico de barras utiliza retângulos para representar a frequência de
variável(is) qualitativa(s), sendo que o comprimento das barras é
proporcional ao valor que ele está representando. A função geom_bar()
plota variáveis categóricas. O que a barra representa é simplesmente a
contagem das diferentes categorias.
ggplot(mpg, aes(class)) + geom_bar(width = .75)
O width é utilizado para definir a largura das barras.
Por último temos os gráficos de linhas. Eles podem ser utilizados para
dados de séries temporais. O geom_line() geralmente possui o tempo no
eixo x, mostrando como uma única variável mudou ao longo do tempo. Para
este exemplo vamos usar os dados economics.
head(economics)
## # A tibble: 6 x 6
## date pce pop psavert uempmed unemploy
## <date> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1967-07-01 507. 198712 12.6 4.5 2944
## 2 1967-08-01 510. 198911 12.6 4.7 2945
## 3 1967-09-01 516. 199113 11.9 4.6 2958
## 4 1967-10-01 512. 199311 12.9 4.9 3143
## 5 1967-11-01 517. 199498 12.8 4.7 3066
## 6 1967-12-01 525. 199657 11.8 4.8 3018
ggplot(economics, aes(date, uempmed)) + geom_line()
Facetas
Uma outra técnica para adicionar camadas aos nossos gráficos é o facetting. Ele divide os dados em subconjuntos e, a seguir, plota cada subconjunto em um painel diferente. Há três tipos de facetas:
facet_null():Plota um único gráfico.facet_wrap():Forma uma matriz de painéis definidos por variáveis na forma de linhas e colunas.facet_grid():Envolve uma sequência de painéis.
Para estes exemplos vamos usar os dados mpg().
ggplot(mpg, aes(as.factor(cyl))) +
geom_bar() +
facet_wrap(~class)
ggplot(mpg, aes(as.factor(cyl))) +
geom_bar() +
facet_grid(~class)
Coordenadas
Existem vários tipos de coordenadas cartesianas. Algumas são:
coord_flip()Sistema de coordenadas cartesianas com x e y invertidos.coord_fixed()Sistema de coordenadas cartesianas com proporção fixa.coord_map()Projeções de mapas.
A função coord_flip() inverte as posições x e y:
boxplot <- ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
geom_boxplot()
boxplot_flip <- ggplot(data = mpg, mapping = aes(x = class, y = hwy)) +
geom_boxplot() +
coord_flip()
grid.arrange(boxplot, boxplot_flip, ncol = 2)
Na primeira imagem foi plotado um boxplot com as coordenadas x = class e
y = hwy. Na segunda imagem foi aplicada coord_flip() que invertiu as
posições. A função grid.arrange foi utilizada para juntar os gráficos
lado a lado.
Uma outra coordenada interessante é a coord_fixed(). Com ela é
possível fixar uma proporção desejada. A proporção representa o número
de unidades no eixo y equivalente a uma unidade no eixo x. Vamos ver
alguns exemplos:
f <- ggplot(data = mpg, mapping = aes(x = cty)) +
geom_bar()
fixed1 <- f + coord_fixed(ratio = 1/5)
fixed2 <- f + coord_fixed(ratio = 5)
fixed3 <- f + coord_fixed(ratio = 1)
grid.arrange(f, fixed1, fixed2, fixed3, ncol = 2)
O primeiro gráfico está com a proporção normal, sem nenhuma alteração. O segundo gráfico foi fixado uma proporção de 1/5, isso faz com que a imagem fique achatada, pois os valores de y diminuem, enquando no terceiro exemplo o gráfico está mais alongado pois foi fixada uma proporção maior. No último plot, a proporção = 1 garante que uma unidade no eixo x tenha o mesmo comprimento que uma unidade no eixo y.
Com a coord_fixed() também podemos fixar uma faixa de valores que
queremos que tenha em cada coordenada, por exemplo, o gráfico f
plotado anteriormente, possui a coordenada x indo de 9 até 35, porém
queremos visualizar apenas as informações de 15 até 30 unidades, podemos
utilizar o argumento xlim para limitar nosso x. E se quisermos limitar
o nosso y, utilizaremos o argumento ylim.
f + coord_fixed(xlim = c(15, 20))
f + coord_fixed(ylim = c(20, 30))
O próximo exemplo é com coord_quickmap(). Essa função é usada para
desenhar mapas. Nesse próximo exemplo vamos utilizar o pacote maps e a
função map_data.
mundo <- map_data("world")
mapa_mundo <- ggplot(mundo, aes(long, lat, group = group)) +
geom_line() +
coord_quickmap()
mapa_mundo
No primeiro momento, a função map_data transfomou os dados world em
um data.frame adequado para o gráfico. Para fazer o plot foi utilizado
geom_line(), mas outras geoms também poderiam ser utilizadas, como
geom_path() ou geom_point().
Temas
Os temas controlam a exibição de todos os elementos que não são de dados
da plotagem. Podemos substituir todas as configurações por um tema
completo ou optar por ajustar configurações individuais usando theme()
e as funções element_. Alguns exemplos de configurações individuais
são:
element_line ()- modifica a aparência das linhas;element_text ()- modifica a estrutura do texto;element_blank ()- não desenha nada e não atribui espaços;element_rect ()- desenha retângulos, usados principalmente para fundos.theme ()- modifica o Layout do gráfico.
ggplot(data = mpg, mapping = aes(x = cty, y = hwy, color = factor(cyl))) +
geom_point() +
labs(title = "Temas") +
theme(plot.title = element_text(face = "bold", colour = "red")) +
theme(panel.grid.major = element_line(linetype = "dotted", colour = "black"))
Neste exemplo aplicamos apenas alguns temas como a característica das linhas e o título. porém há muitas outras funções para serem exploradas. Para mais detalhes sobre temas, clique aqui.
Com este post podemos perceber que o ggplot2 é um pacote bastante
intuitivo. É necessário apenas aprender as camadas, os argumentos e ir
adicionando e criando o gráfico da forma que desejar. O que vimos aqui é
apenas uma pequena fração do que podemos usurfruir deste pacote. Este
foi o primeiro passo, porém teremos uma continuação deste post com
gráficos mais completos e mais elegantes. Espero que tenham gostado do
post e até o próximo!