Visualización de datos en R

class: center, middle, inverse, title-slide

# Visualización de datos en R
## Programación para el análisis de datos
### Departamento de Ciencias Sociales, UCU - Martín Opertti

---

class: inverse, center, middle

# Principios de la visualización de datos

---
## ¿Por qué visualizar?

Supongamos que tenemos los resultados finales del curso de matemática y estadística de 11 alumnos. Y nos dan esta tabla:

<table class="table table-hover table-condensed" style="font-size: 20px; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> Medida </th>
   <th style="text-align:right;"> Matemática </th>
   <th style="text-align:right;"> Estadística </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> Media </td>
   <td style="text-align:right;"> 7.0 </td>
   <td style="text-align:right;"> 5.5 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Desvío estandar </td>
   <td style="text-align:right;"> 3.3 </td>
   <td style="text-align:right;"> 2.0 </td>
  </tr>
</tbody>
</table>

La correlación entre los resultados en matemática y estadística es de 0.81

---

## ¿Por qué visualizar?

.codefont[

```r
resultados_finales <- tibble(
  matematica = c(8, 6, 11, 7, 9, 12, 4, 2, 10, 5, 3),
  estadistica = c(6.04, 4.95, 5.58, 6.81, 6.33, 7.96, 5.24, 2.26, 8.84, 2.82, 3.68)
)

mean(resultados_finales$matematica)
```

```
## [1] 7
```

```r
sd(resultados_finales$matematica)
```

```
## [1] 3.316625
```

```r
mean(resultados_finales$estadistica)
```

```
## [1] 5.500909
```

```r
sd(resultados_finales$estadistica)
```

```
## [1] 2.031568
```

```r
cor(resultados_finales$matematica, resultados_finales$estadistica)
```

```
## [1] 0.8164205
```
]

---

## ¿Por qué visualizar?

![](semana-11_files/figure-html/ch0c-1.png)

---
## ¿Por qué visualizar?

Cuatro conjuntos de datos:

<table class="table table-hover table-condensed" style="font-size: 20px; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> set </th>
   <th style="text-align:right;"> mean_x </th>
   <th style="text-align:right;"> mean_y </th>
   <th style="text-align:right;"> sd_x </th>
   <th style="text-align:right;"> sd_y </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> Conjunto I </td>
   <td style="text-align:right;"> 7 </td>
   <td style="text-align:right;"> 5.5 </td>
   <td style="text-align:right;"> 3.3 </td>
   <td style="text-align:right;"> 2 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Conjunto II </td>
   <td style="text-align:right;"> 7 </td>
   <td style="text-align:right;"> 5.5 </td>
   <td style="text-align:right;"> 3.3 </td>
   <td style="text-align:right;"> 2 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Conjunto III </td>
   <td style="text-align:right;"> 7 </td>
   <td style="text-align:right;"> 5.5 </td>
   <td style="text-align:right;"> 3.3 </td>
   <td style="text-align:right;"> 2 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Conjunto IV </td>
   <td style="text-align:right;"> 7 </td>
   <td style="text-align:right;"> 5.5 </td>
   <td style="text-align:right;"> 3.3 </td>
   <td style="text-align:right;"> 2 </td>
  </tr>
</tbody>
</table>

---
## ¿Por qué visualizar?

.center[
![](semana-11_files/figure-html/ch2-1.png)
]

---
## ¿Por qué visualizar?

.center[
<img src="ima/datasaurus.gif" width="700px" />
]

Fuente: https://blog.revolutionanalytics.com/2017/05/the-datasaurus-dozen.html

---
class: inverse, center, middle
 
# Introducción

---

## Introducción

- Las visualizaciones representan datos de forma gráfica a través de líneas, formas, colores, etc.

- La visualización de datos está a mitad de camino entre la ciencia y el arte. Por un lado, los gráficos deben ser una representación .bold[exacta] de los datos subyacentes, por el otro, una visualización efectiva debe ser estéticamente agradable. Idealmente, logramos alcanzar ambos objetivos.

- Lo imprescindible es no equivocarse con la parte .bold[matemática]. En segundo lugar, debemos hacer el esfuerzo para que los gráficos tengan en consideración lo que la ciencia sugiere sobre cómo las personas reaccionan a distintos estímulos y lograr gráficos estéticamente agradables.

- Visualizar los datos de forma gráfica tiene muchas ventajas:
      - Permite captar de forma rapida patrones que estadísticas descriptivas no permitirían
      - Permite comunicar patrones en los datos de forma rápida y efectiva
      - Permite identificar patrones complejos (relaciones no lineales por ejemplo)

---
## ¿Sí o no?

.center[
<img src="ima/mon_costs.jpg" width="600px" />
]
.right[Nigel Holmes (1982)]

---
## ¿Sí o no?

.center[
<img src="ima/equipos.jpeg" width="600px" />
]

---
## ¿Sí o no?

.center[
<img src="ima/pew.png" width="500px" />
]
.right[Pew Research Center]

---
## ¿Sí o no?

.center[
<img src="ima/games.png" width="600px" />
]
.right[syntaxtechs]

---
## ¿Sí o no?

.center[
<img src="ima/ev.png" width="800px" />
]
.right[OPUY]

---
## ¿Sí o no?

.center[
<img src="ima/espn.png" width="600px" />
]
.right[ESPN]

---
## ¿Sí o no?

.center[
<img src="ima/ternario.png" width="500px" />
]

---
## ¿Sí o no?

.center[
<img src="ima/life_exp.png" width="600px" />
]
.right[Healey (2018)]

---
## ¿Sí o no?

.center[
<img src="ima/economist.png" width="500px" />
]
.right[The Economist]

---
## Tipos de errores
- Ugly (feo): problemas estéticos pero gráfico claro e informativo
- Bad (malo): problemas relacionados a la percepción: poco claro, confuso
- Wrong (incorrecto): problemas relacionados a la matemática, objetivamente incorrecto

.center[
<img src="ima/malas_graficas.png" width="400px" />
]
.right[[Wilke (2019)](https://clauswilke.com/dataviz/introduction.html)]

---
## Aesthetics

- Cuando visualizamos datos tomamos valores y los convertimos de forma sistemática y lógica en elementos visuales.

- Los aesthetics (cosas que puedes ver) son características cuantificables que le asignamos a nuestros datos

.center[
<img src="ima/aes.png" width="500px" />
]
.right[[Wilke (2019)](https://clauswilke.com/dataviz/aesthetic-mapping.html)]

---
## Aesthetics

- Distintos tipos de datos combinan bien con distintos tipos de aesthetics. Por ejemplo, no tiene mucho sentido utilizar formas para una variable contínua o gradientes de color para una variable categórica sin orden.

- Existen muchos estudios como los humanos procesan estímulos visuales. Estos estudios permiten diferenciar qué tan fácil nos es entender los patrones en los datos a partir de estos aesthetics.

---
## Ranking perceptual para datos ordenados

.center[
<img src="ima/prior.png" width="400px" />
]
.right[Schwabish (2021)]

--
## Remarcar datos
.center[
<img src="ima/atention.png" width="600px" />
]
.right[Schwabish (2021)]

---
## Tipos de gráficos

- Debido a que somos mejores identificado posiciones y tamaño, los gráficos de barras, líneas y dispersón son los más comunes.

- Existe una tendencia hacia presentar gráficos de dispersión (maximizar el volumen de información mostrado) y gráficos que resumen modelos estadísticos.

- Los paneles (o facetas) son cada vez más usados (ggplot2 da una enorme ventaja en este sentido)

- [From Data to Viz](https://www.data-to-viz.com/#connectedscatter) es un gran recurso para elegir qué tipo de visualización podemos usar para cadá gráfico y además incluye código de ejemplos en R!

---
## Tipos de gráficos: cantidades

.center[
<img src="ima/cant1.png" width="600px" />
]

.center[
<img src="ima/cant2.png" width="600px" />
]

.right[Wilke (2019)]

---
## Tipos de gráficos: distribuciones

.center[
<img src="ima/dist1.png" width="600px" />
]

.center[
<img src="ima/dist2.png" width="600px" />
]

.right[Wilke (2019)]

---
## Tipos de gráficos: proporciones

.center[
<img src="ima/prop1.png" width="500px" />
]

.center[
<img src="ima/prop2.png" width="500px" />
]

.center[
<img src="ima/prop3.png" width="450px" />
]

.right[Wilke (2019)]

---
## Tipos de gráficos: relación x-y

.center[
<img src="ima/xy1.png" width="500px" />
]

.center[
<img src="ima/xy2.png" width="500px" />
]

.center[
<img src="ima/xy3.png" width="500px" />
]

.right[Wilke (2019)]

---
## Tipos de gráficos: geoespacial

.center[
<img src="ima/geo.png" width="800px" />
]

.right[Wilke (2019)]

---
## Tipos de gráficos: incertidumbre

.center[
<img src="ima/inc1.png" width="600px" />
]

.center[
<img src="ima/inc2.png" width="600px" />
]

.right[Wilke (2019)]

---
## Principios prácticos

- Tres pilares: claridad, precisión y eficiencia

.content-box-blue[*"Un buen gráfico da el lector la mayor cantidad de ideas en el menor tiempo con la menor cantidad de tinta y espacio.*
Edward Tufte
]

- Simplificar! Evitar doble etiquetas, colores innecesarios, etc.

- Graficos reproducibles (no editar a mano al menos que sea imprescindible)

- Entender el tipo de data que estamos gráficando

- Entender el propósito de cada aesthetics

---
## Recursos

- [Fundamentals of data visualization: a primer on making informative and compelling
figures](https://clauswilke.com/dataviz/), Wilke (2019). Es un libro (libre, entrar al enlace) sobre los fundamentos teóricos de la visuaización de datos (no incluye código, aunque sus ejemplos son hechos en R)

- [Data visualization a practical introduction](https://socviz.co/), Healey (2018). Este libro combina elementos téoricos y prácticos (código en R!)

- [Better data visualizations: A guide for scholars, researchers and wonks](http://cup.columbia.edu/book/better-data-visualizations/9780231193115). Schwabish (2021). Libro con principios de la visualización de datos.

- [The Visual Display of Quantitative Information](edwardtufte.com/tufte/books_vdqi). Tufte (1983). Libro clásico sobre visualización de datos

- [R for Data Science](https://r4ds.had.co.nz/data-visualisation.html). Wickham y Grolemund (2018). Los capítulos 3 y 28 explican cómo crear visualizaciones con ggplot2

- [The R graph gallery](https://www.r-graph-gallery.com/index.html). Es una colección muy completa de visualizaciones de alta calidad hechas en R (usando distintos paquetes).

---
class: inverse, center, middle

# Gapminder

---

## Gapminder

[Gapminder](https://www.gapminder.org/) es una organización educativa sueca sin fines de lucro que se propone luchar contra percepciones erroneas en economía y salud mediante datos. Existe un paquete de R [Gapminder](https://cran.r-project.org/web/packages/gapminder/README.html) que contiene una base de datos sobre expectativa de vida, población y PBI per capita para muchos países. Es una versión reducida de algunos de los datos utilizados por su fundador Hans Rosling

```r
install.packages("gapminder")
```

.codefont[

```r
library(gapminder)
```

```
## Warning: package 'gapminder' was built under R version 4.0.3
```

```r
glimpse(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, ~
## $ lifeExp   <dbl> 28.801, 30.332, 31.997, 34.020, 36.088, 38.438, 39.854, 40.8~
## $ pop       <int> 8425333, 9240934, 10267083, 11537966, 13079460, 14880372, 12~
## $ gdpPercap <dbl> 779.4453, 820.8530, 853.1007, 836.1971, 739.9811, 786.1134, ~
```
]

---
class: inverse, center, middle

# R Base

---

## Gráficos con R Base

R Base permite crear gráficos como gráficos de barras, histogramas o gráficos de dispersión. Algunas de las funciones para realizar gráficos con R Base son `hist()`, `plot()` o `barplot()`

.center[
<img src="ima/rbase_hist.png" width="400px" />
]

---
class: inverse, center, middle

# Intro a ggplot2

---

## ggplot2

- [ggplot2](https://ggplot2.tidyverse.org/) es uno de los paquetes más utilizados de R para visualizar datos debido a su potencia, elegancia y versatilidad.

- No tiene distintas funciones para distintos gráficos (como en el caso de R Base y la mayoría de los softwares) sino que tiene una grámatica de gráficos. Los distintos componentes independientes pueden ser combinados en un mismo gráfico.

- Tiene muchos argumentos en común para distintos tipos de gráficos

- ggplot funciona con data en formato tidy!

---
## ggplot2

- Funciona en capas que se van sumando con `+`. La primera función siempre es `ggplot()`, donde especificamos la data a usar. Esta función solo crea una gráfica vacía.

- ggplot2 contiene varias funciones con las que se pueden ir creando distintos objetos geométricos (que están asociados a tipos de gráficos pero no son excluyentes). Estas se denominan `geom_()`, por ejemplo para gráficos puntos usamos `geom_point()`, para graficar barras `geom_bar()` y para graficar líneas `geom_line`, pero estos se pueden combinar también.

- [Lista](https://ggplot2.tidyverse.org/reference/)  entera de `geoms`

- Dentro de cada `geom` se definen (o al principio dentro de `ggplot()`) los aesthetics usando `aes()`: `x`, `y`, `color`, `fill`, `shape`, etc.

---

## Especificar la data

.codefont[

```r
library(gapminder)

d_gap_7 <- gapminder %>% 
  filter(year == 2007)

# Especifico la data a usar
plot <- ggplot(data = d_gap_7)
```
]

.center[
<img src="ima/plot1.png" width="500px" />
]

---

## Asignar aesthetics (x, y)
.codefont[

```r
# Asigno las primeras aesthetics (posición: x e y)
plot <- ggplot(data = d_gap_7, aes(x = gdpPercap, y = lifeExp))
```
]

.center[
<img src="ima/plot2.png" width="600px" />
]

---

## Definir primer geom
.codefont[

```r
# Agrego con + una segunda capa: geom_point para dispersión
plot <- ggplot(data = d_gap_7, aes(x = gdpPercap, y = lifeExp)) +
  geom_point()
```
]

.center[
<img src="ima/plot3.png" width="600px" />
]

---

## Settings de un geom  
.codefont[

```r
# Asigno atributos de geom_point: color, size, shape
plot <- ggplot(data = d_gap_7, aes(x = gdpPercap, y = lifeExp)) +
  geom_point(color = "black", fill = "skyblue3", size = 3, shape = 21)
```
]

.center[
<img src="ima/plot4.png" width="600px" />
]

---
## Mapping vs setting

- La función `aes()` no solo sirve para asignar posición `(x,y)` sino que también para [otras aesthetics](https://ggplot2.tidyverse.org/reference/aes.html) como tamaño, color, tipo de línea, etc. Sin embargo, cuando definimos esto dentro de `aes()` no nos referimos al color o al tipo de forma específico sino que a la variable por la que agrupamos esas aesthetics. Si específicamos `fill = continent` estamos diciendo que los colores representarán la variable continente. Después podemos especificar el color o la forma para cada grupo. A esto se le llama mapping  (asignar según una variable)

- .bold[Importante]: si definimos un setting (valor fijo) dentro de `aes()` no funcionará bien. Cuando queremos definir un setting (por ej. `color = "red"` lo hacemos fuera del `aes()`).

- Dentro del `geom()` podemos especificar los "settings": colores o formas específicas. O con otras funciones como `scale_color_brewer()`

- Por ejemplo, supongamos que queremos crear un gráfico de dispersión donde el tamaño de los puntos refleje el tamaño de población y definir el color rojo para todos ellos:

.codefont[

```r
ggplot(data = d_gap_7, aes(x = gdpPercap, y = lifeExp)) +
  geom_point(aes(size = pop), color = "red")
```
]

---

## Aesthetics por grupo
.codefont[

```r
# Asigno color según una variable que agrupa (siempre dentro de aes()!)
plot <- ggplot(data = d_gap_7,
               aes(x = gdpPercap, y = lifeExp, fill = continent)) +
  geom_point(size = 3, shape = 21) 
```
]

.center[
<img src="ima/plot5.png" width="600px" />
]

---

## Otro geom (línea de tendencia)
.codefont[

```r
# También puedo crear la línea de tendencia por grupo!
plot <- ggplot(data = d_gap_7, 
               aes(x = gdpPercap, y = lifeExp, fill = continent, color = continent)) +
  geom_point(size = 3, shape = 21) +
  geom_smooth(method = "lm", se = FALSE)
```
]

.center[
<img src="ima/plot6.png" width="600px" />
]

---

## Dividir en facetas
.codefont[

```r
# Dividimos en facetas por continente (quitando Oceanía)
plot <- plot +
  facet_wrap(~ continent)
```
]

.center[
<img src="ima/plot8.png" width="550px" />
]

---

## Quitamos etiqueta duplicada
.codefont[

```r
# Quitamos etiqueta duplicada
plot <- plot +
  theme(legend.position = "none")
```
]

.center[
<img src="ima/plot9.png" width="550px" />
]

---

## Quitamos colores 
.codefont[

```r
# Quitamos colores innecesarios
plot <- ggplot(data = d_gap_7 %>% 
         filter(continent != "Oceania"), 
       aes(x = gdpPercap, y = lifeExp)) +
  geom_point(size = 3, shape = 21,  alpha = .7, fill = "skyblue") +
  geom_smooth(method = "lm", se = FALSE, color = "navyblue")
```
]

.center[
<img src="ima/plot10.png" width="550px" />
]

---

## Agregamos una cuarta variable!
.codefontchico[

```r
ggplot(data = d_gap_7 %>% 
         filter(continent != "Oceania"), 
       aes(x = gdpPercap, y = lifeExp)) +
  geom_point(aes(size = pop), shape = 21,  alpha = .7, fill = "skyblue") +
  geom_smooth(method = "lm", se = FALSE, color = "navyblue") +
  scale_x_log10() 
  facet_wrap(~ continent) 
```
]

.center[
<img src="ima/plot11.png" width="550px" />
]

---

## Manipular datos para mejor visualización
.codefontchico[

```r
ggplot(data = d_gap_7 %>% filter(continent != "Oceania") %>% 
         mutate(pop_mil = pop / 1000000), 
       aes(x = gdpPercap, y = lifeExp)) +
  geom_point(aes(size = pop_mil), shape = 21,  alpha = .7, fill = "skyblue") +
  geom_smooth(method = "lm", se = FALSE, color = "navyblue") +
  scale_x_log10() +
  facet_wrap(~ continent) +
  theme(legend.position = "bottom") +
  scale_size_continuous(name = "Población (en millones)")
```
]

.center[
<img src="ima/plot12.png" width="550px" />
]

---

## Estética
.codefontchico[

```r
plot +
  labs(title = "PBI per cápita y expectativa de vida",
       subtitle = "Data de 2017",
       caption = "Fuente: Gapminder",
       x = "PBI per cápita",
       y = "Expectativa de vida") +
  theme_bw()
```
]

.center[
<img src="ima/plot13.png" width="600px" />
]

---
class: inverse, center, middle

# Aesthetics

---
## Formas

.center[
<img src="ima/shapes.png" width="600px" />
]

Hay formas duplicadas porque tienen distintas maneras de colorearse. De 0 a 14 las formas se pintan con `color` y se pinta solo el borde. De 15 a 20 se pinta con `color` también pero se rellena la forma y de 20 a 24 pintamos el borde con `color` y el relleno con `fill`

---
## Formas: definir una forma

.codefont[

```r
## Definir forma específica
ggplot(d_gap_7, aes(x = gdpPercap, y = lifeExp)) +
  geom_point(shape = 9)
```
]

.center[
<img src="ima/plot14.png" width="500px" />
]

---
## Formas: asignar forma según variable

.codefont[

```r
## Asignar forma según continente (ggplot elige por defecto formas)
ggplot(d_gap_7, 
       aes(x = gdpPercap, y = lifeExp, shape = continent)) +
  geom_point() +
  theme(legend.position = "bottom")
```
]

.center[
<img src="ima/plot15.png" width="500px" />
]

---
## Formas: definir forma para cada valor de variable

.codefont[

```r
## Definir manualmente la forma para cada continente
ggplot(d_gap_7, 
       aes(x = gdpPercap, y = lifeExp, shape = continent)) +
  geom_point() +
  theme(legend.position = "bottom") +
  scale_shape_manual(name = "Continente",
                     values = c(15, 16, 17, 18, 19))
```
]

.center[
<img src="ima/plot16.png" width="500px" />
]

---
## Formas: definir forma para cada valor de variable

.codefontchico[

```r
## Definir manualmente la forma para cada continente (otra forma)
ggplot(d_gap_7, 
       aes(x = gdpPercap, y = lifeExp, shape = continent)) +
  geom_point() +
  theme(legend.position = "bottom") +
  scale_shape_manual(name = "Continente",
                     values = c("Europe" = 3,
                                "Oceania" = 8, 
                                "Africa" = 12, 
                                "Asia" = 18, 
                                "Americas" = 22))
```
]

.center[
<img src="ima/plot17.png" width="500px" />
]

---
## Tipos de línea

.center[
<img src="ima/lineas.png" width="600px" />
]

Las llamamos por su nombre:

```r
ggplot(data = data, x = variable1, y = variable2) +
  geom_line(linetype = "dashed", color="red", size=2)
```
---
## Tipos de línea: según variable

.codefontchico[

```r
## Lineas por variable
ggplot(conosur, aes(x = year, y = lifeExp)) +
  geom_line(aes(linetype = country)) +
  theme(legend.position = "bottom")
```
]

.center[
<img src="ima/plot18.png" width="600px" />
]

---
## Tipos de línea: definir tipo de linea para cada país

.codefontchico[

```r
## Definir tipo de linea por país
plot <- ggplot(conosur, aes(x = year, y = lifeExp)) +
  geom_line(aes(linetype = country)) +
  theme(legend.position = "bottom") +
  scale_linetype_manual(name = "País",
                        values = c("Argentina" = "dotted",
                                   "Chile" = "dashed",
                                   "Uruguay" = "solid"))
```
]

.center[
<img src="ima/plot19.png" width="500px" />
]

---
## Tipos de línea: definir tipo de línea para cada país

.codefontchico[

```r
## Definir tipo de linea por país
plot +
  geom_point(aes(shape = country)) +
  labs(linetype = "País", shape = "País")
```
]

.center[
<img src="ima/plot20.png" width="600px" />
]

---
## Colores

R tiene muchos colores definidos, además de que permite utilizar [hexcolors](https://htmlcolorcodes.com/es/). Con  `colors()` pueden ver una lista con ellos. Pueden consultar otra lista ampliada de colores [acá](http://www.stat.columbia.edu/~tzheng/files/Rcolor.pdf?utm_source=twitterfeed&utm_medium=twitter). [R graph gallery](https://www.r-graph-gallery.com/ggplot2-color.html) tiene una sección para aplicar distintos colores fácilmente. Algunos de los colores predeterminados (podemos llamarlos por su nombre, siempre entre paréntesis):

.center[
<img src="ima/colores_lindos.png" width="500px" />
]

---
## Paletas de colores

En muchas visualizaciones no utilizamos un solo color sino que conjuntos de colores, o paletas. Distintas paletas sirven para distintos tipos de datos. El paquete [RColorBrewer](https://www.r-graph-gallery.com/38-rcolorbrewers-palettes.html) contiene las paletas más utilizadas. Hay tres tipos de paletas:

- Secuenciales: para data ordenada (van de colores más claros a oscuros, dentro de una misma tonalidad)

- Divergentes: para data ordenada (los colores claros están en el medio y hacia los extremos toman tonalidades divergentes)

- Cualitativas: para data no ordenada, simplemente distintos colores que se asignan a distintas clases, sin orden.

A su vez, el paquete [viridis](https://cran.r-project.org/web/packages/viridis/vignettes/intro-to-viridis.html) tiene paletas continuas y discretas con combinaciones de colores que permiten resaltar datos distintos, que no causan problemas en personas con daltonismo y que se imprimen bien en escala de grises.

Ambos paquetes se integran muy bien con ggplot a través de distintas funciones como `scale_color_brewer()` o `scale_color_viridis()`
---
## Paletas de colores

.center[
<img src="ima/rcolor_brewer.png" width="600px" />
]

---
## Colores: por variable

.codefontchico[

```r
## Color por país (ggplot elige automático)
ggplot(conosur, aes(x = year, y = lifeExp, color = country)) +
  geom_line() +
  geom_point() +
  theme(legend.position = "bottom")
```
]

.center[
<img src="ima/plot21.png" width="600px" />
]

---
## Colores: asignar colores manualmente

.codefontchico[

```r
## Color por país (asigno colores manualmente)
ggplot(conosur, aes(x = year, y = lifeExp, color = country)) +
  geom_line() +
  geom_point() +
  theme(legend.position = "bottom") +
  scale_color_manual(name = "País",
                     values = c("midnightblue", "red3", "lightskyblue"))
```
]

.center[
<img src="ima/plot22.png" width="600px" />
]

---
## Colores: detalles estéticos

.codefontchico[

```r
## Color por país (otros detalles estéticos)
ggplot(conosur, aes(x = year, y = lifeExp, color = country)) +
  geom_line(size = 1.5, alpha = 0.4) +
  geom_point(size = 3) +
  theme(legend.position = "bottom") +
  scale_color_manual(name = "País",
                     values = c("midnightblue", "red3", "lightskyblue"))
```
]

.center[
<img src="ima/plot23.png" width="600px" />
]

---
## Colores: asignar colores con paleta de RColorBrewer

.codefontchico[

```r
## Color por país (usando paletas de RColorBrewer: elegir una discreta para este caso)
ggplot(conosur, aes(x = year, y = lifeExp, color = country)) +
  geom_line(size = 1.5, alpha = 0.4) +
  geom_point(size = 3) +
  theme(legend.position = "bottom") +
  scale_color_brewer(palette = "Dark2")
```
]

.center[
<img src="ima/plot24.png" width="600px" />
]

---
## Colores: paletas continuas

.codefontchico[

```r
## Color con paleta continua con paquete viridis 
ggplot(d_gap_7, aes(x = pop, y = gdpPercap, color = lifeExp)) +
  geom_point(size = 3) +
  scale_x_log10() +
  scale_color_viridis(name = "Expectativa de vida") +
  theme(legend.position = "bottom") 
```
]

.center[
<img src="ima/plot25.png" width="600px" />
]

---
## Colores: paletas continuas

.codefontchico[

```r
## Color con paleta continua especificando valores
ggplot(d_gap_7, aes(x = pop, y = gdpPercap, color = lifeExp)) +
  geom_point(size = 3) +
  scale_x_log10() +
  scale_color_gradient(name = "Expectativa de vida", low = "red", high = "Blue") +
  theme(legend.position = "bottom") 
```
]

.center[
<img src="ima/plot26.png" width="600px" />
]

---
class: inverse, center, middle

# Tipos de geoms

---
## geom_bar()

- ggplot2 cuenta con dos geoms para hacer gráficos de barras `geom_bar()`

-  Usamos `geom_bar()` para graficar datos crudos `geom_col()` para graficar datos agrupados. En ambas funciones, el argumento `position` nos sirven para asignar la posición en la que se desplegan las categorías: apiladas, separadas, etc.

- Por defecto  `geom_bar()` grafica la cantidad de observaciones de cada valor de x (no necesita argumento y). Sin embargo, si ya tenemos una tabla resumida podemos ajustarlo con `stat = identity`, especificando un valor y.

---
## geom_bar()

.codefontchico[

```r
table(d_gap_7$continent) # solo data de 2007 (gapminder)
## Graficar cuántos países hay por continente en nuestra base
ggplot(data = d_gap_7, aes(x = continent)) +
  geom_bar()
```
]

.center[
<img src="ima/plot27.png" width="600px" />
]

---
## geom_bar():

Por defecto no funciona con datos resumidos

.codefontchico[

```r
## Con datos resumidos
data_resumen <- d_gap_7 %>% 
  group_by(continent) %>% 
  summarize(n = n())
ggplot(data_resumen, aes(x = continent)) +
  geom_bar()
```
]

.center[
<img src="ima/plot28.png" width="500px" />
]

---
## geom_col():

Para eso podemos usar `geom_col()`, especificando cuál es la columna con el valor con el argumento `y`

.codefontchico[

```r
## Con datos resumidos
data_resumen <- d_gap_7 %>% 
  group_by(continent) %>% 
  summarize(n = n())

ggplot(data_resumen, aes(x = continent, y = n)) +
  geom_col()
```
]

.center[
<img src="ima/plot28_b.png" width="500px" />
]

---
## geom_col(): barras por variable

.codefontchico[

```r
data75 <- d_gap_7 %>% 
  mutate(esp = case_when(lifeExp > 75 ~ 1,
                         TRUE ~ 0)) %>% 
  group_by(continent, esp) %>% 
  summarize(n = n())

ggplot(data75, aes(x = continent, y = n, fill = as.factor(esp))) +
  geom_col(position = "stack") # posicion por defecto
```
]

.center[
<img src="ima/plot31.png" width="600px" />
]

---
## geom_bar(): barras agrupadas

.codefontchico[

```r
## Podemos jugar con la posición: 
# Barras agrupadas
ggplot(data75, aes(x = continent, y = n, fill = as.factor(esp))) +
  geom_col(position = "dodge")
```
]

.center[
<img src="ima/plot32.png" width="600px" />
]

---
## geom_col(): barras apiladas por proporción

.codefontchico[

```r
# Barras proporción
ggplot(data75, aes(x = continent, y = n, fill = as.factor(esp))) +
  geom_col(position = "fill")
```
]

.center[
<img src="ima/plot33.png" width="600px" />
]

---
## geom_col(): estética

.codefontchico[

```r
## Con datos resumidos
data_resumen <- d_gap_7 %>% 
  group_by(continent) %>% 
  summarize(n = n())

ggplot(data = data_resumen, aes(x = continent, y = n)) +
  geom_col(color = "black", fill = "skyblue3", alpha = .8) +
  labs(title = "Cantidad de países por continente",
       subtitle = "Data de Gapminder para el año 2007",
       caption = "Fuente: Gapminder",
       x = "", y = "")
```
]

.center[
<img src="ima/plot34.png" width="450px" />
]
---
## geom_bar(): girar

.codefontchico[

```r
ggplot(data = data_resumen, aes(x = continent, y = n)) +
  geom_col(color = "black", fill = "skyblue3", alpha = .8) +
  labs(title = "Cantidad de países por continente",
       subtitle = "Data de Gapminder para el año 2007",
       caption = "Fuente: Gapminder",
       x = "", y = "") +
  cord_flip()
```
]

.center[
<img src="ima/plot35.png" width="500px" />
]

---
## geom_bar(): ordenar categorías manualmente

.codefontchico[

```r
positions <- c("Americas", "Europe", "Africa", "Oceania", "Asia")

.center[
<img src="ima/plot36.png" width="500px" />
]

---
## geom_bar(): ordenar categorías según frecuencia

.codefontchico[

```r
ggplot(data = data_resumen, aes(x = fct_reorder(continent, -n), y = n)) +
  geom_col(color = "black", fill = "skyblue3", alpha = .8) +
  labs(title = "Cantidad de países por continente",
       subtitle = "Data de Gapminder para el año 2007",
       caption = "Fuente: Gapminder",
       x = "", y = "")
```
]

.center[
<img src="ima/plot37.png" width="600px" />
]

---
## geom_text()

Permite incluir texto en los gráficos, ver también `annotate()` y `geom_label()`. Como cualquier geom, se puede utilizar solo o combinado. Supongamos que queremos agregar etiquetas al siguiente gráfico:

.codefontchico[

```r
lista_a_sur <- c("Argentina", "Brazil", "Bolivia", "Chile", "Colombia", 
                 "Ecuador", "Paraguay", "Peru", "Uruguay", "Venezuela")

a_sur <- gapminder %>% 
  filter(year == 2007 & country %in% lista_a_sur)

## Gráfico de dispersión expectativa de vida y pbi per cápita
ggplot(a_sur, aes(x = gdpPercap, y = lifeExp)) +
  geom_point()
```
]

.center[
<img src="ima/plot38.png" width="400px" />
]

---
## geom_text()

.codefontchico[

```r
# Agregar etiquetas
ggplot(a_sur, aes(x = gdpPercap, y = lifeExp)) +
  geom_point() +
  geom_text(aes(label = country))
```
]

.center[
<img src="ima/plot39.png" width="600px" />
]

---
## geom_text(): posición

.codefontchico[

```r
# Podemos ajustar la posición de las etiquetas
ggplot(a_sur, aes(x = gdpPercap, y = lifeExp)) +
  geom_point() +
  geom_text(aes(label = country), hjust = 0.5, vjust = -1)
```
]

.center[
<img src="ima/plot40.png" width="600px" />
]

---
## geom_text(): solo texto

.codefontchico[

```r
# Podemos también dejar solo el texto
ggplot(a_sur, aes(x = gdpPercap, y = lifeExp)) +
  geom_text(aes(label = country))
```
]

.center[
<img src="ima/plot41.png" width="600px" />
]

---
## geom_text(): etiquetas en otros gráficos

.codefontchico[

```r
ggplot(data = data_resumen, aes(x = fct_reorder(continent, -n), y = n)) +
  geom_col(color = "black", fill = "skyblue3", alpha = .8) +
  geom_text(aes(label = n),  vjust = -.5, fontface = "bold") +
  labs(title = "Cantidad de países por continente",
       subtitle = "Data de Gapminder para el año 2007",
       caption = "Fuente: Gapminder",
       x = "",
       y = "") 
```
]

.center[
<img src="ima/plot42.png" width="600px" />
]

---
## anotate(): texto en gráfico

.codefontchico[

```r
ggplot(data = d_gap_7, aes(x = fct_infreq(continent))) +
  geom_bar(color = "black", fill = "skyblue3", alpha = .8) +
  geom_text(aes(label = n), vjust = -.5, fontface = "bold") +
  labs(title = "Cantidad de países por continente",
       subtitle = "Data de Gapminder para el año 2007",
       caption = "Fuente: Gapminder",
       x = "",
       y = "") +
    annotate("text", x = "Oceania", y = 10, label = "Que pocos países \n hay en Oceanía")
```
]

.center[
<img src="ima/plot43.png" width="600px" />
]

---
## geom_boxplot()

.codefontchico[

```r
## Boxplot tradicional
d_gap_7 %>%
  filter(continent != "Oceania") %>% 
  ggplot(aes(x = continent, y = gdpPercap)) +
  geom_boxplot() +
```
]

.center[
<img src="ima/plot44.png" width="600px" />
]

---
## geom_boxplot() y geom_jitter()

.codefontchico[

```r
# Boxplot con todos los puntos con geom_jitter()
d_gap_7 %>%
  filter(continent != "Oceania") %>% 
  ggplot(aes(x = continent, y = gdpPercap)) +
  geom_boxplot(aes(fill = continent), outlier.shape = NA, lwd=1, alpha=0.4) +
  geom_jitter(aes(color = continent), size = 4, alpha = 0.9) +
  scale_color_brewer(palette = "Dark2") +
  scale_fill_brewer(palette = "Dark2") +
  theme(legend.position = "none")
```
]

.center[
<img src="ima/plot45.png" width="500px" />
]