Visualização de dados

Gráficos em ggplot

O ggplot2 é o pacote usado para visualização dos dados. O pacote ggplot2 pode ser carregado individualmente, ou pode ser carregado pelo tidyverse.Para visualizar os dados, basta usar a função ggplot.

Importação de dados

Após carregar o pacote, importa-se um banco de dados para trabalho. Para o formato csv, é necessário carregar o pacote tidyverse. As variáveis podem ser categóricas ou numéricas. As variáveis categóricas são entendidas no R como caracteres.

library(tidyverse)
mg <- read_csv("dados-diversos.csv")

GGPLOT - Definindo camadas

A programação de gráficos em ggplot2 é feito na forma de camadas, que são adicionadas à medida que se confecciona o gráfico, por isso que se usa o sinal de +, porque significa a adição de mais uma camada. Usa-se o pipe (|>) para enfatizar uma sequência de comandos ou ações no chunk e para evitar adicionar o nome do data frame dentro da função ggplot.O pipe deve ter sempre um espaço antes dele e, geralmente, deve ser seguido por uma nova linha. Após a primeira etapa, cada linha deve ter dois espaços, o que torna mais fácil adicionar outras etapas ou reorganizar as já existentes.

library(ggplot2)

ggplot: A primeira função para criar um ggplot é a função ggplot, que define o conjunto de dados e elementos de estética dos gráficos. O primeiro elemento ou argumento da função é o conjunto de dados a ser utilizado (o data frame onde nossos dados foram armazenados, ex. mg). A função ggplot() define o plano com os eixos x e y. aes: Após isso, precisamos especificar como as observações serão mapeadas nos aspectos visuais do gráfico e quais formas geométricas serão utilizadas. Para isso, usamos a função aestetic (aes), uma das primeiras funções em ggplot, usada para descrever como as variáveis são mapeadas (eixos x e y). Para adionar cor usa-se a função color = nome da cor. Ao incluir esta função dentro da função aes, dizemos ao ggplot que os pontos devem ser mapeados esteticamente utilizando cores para cada variavel (ex.irrigação). A função geo_point define que a forma geométrica a ser utilizada é baseada em pontos, gerando um gráfico de dispersão. A função alpha trabalha com a tansparência.

mg |>
  ggplot(aes(Irrigation, severity, color = Irrigation))+
  geom_point(alpha = 0.5)

A função shape é utilizada para adicionar diferentes formas ou tipos de marcadores para diferenciar as variáveis (ex. quadrado e triângulo).

mg |>
  ggplot(aes(Irrigation, severity, shape = Irrigation))+
  geom_point(alpha = 0.5)

Agora, mudamos a váriavel irrigation por day. Para isso, basta subtituir a variável dentro da função aes. A função filtro, como o próprio nome remete, filtra determinadas linhas e a função geom_line transforma o gráfico em um gráfico de linhas:

# mudando para a variável day
mg |> 
  ggplot(aes(day, severity, shape = Irrigation))+
  geom_point(alpha = 0.5)

# Deixando apenas 1 repetição - função filter e alterando para gráfico de linhas
mg |> 
  filter(rep == 1) |>
  ggplot(aes(day, severity, shape = Irrigation))+
  geom_point(alpha = 0.5)+geom_line()

A função facet_wrap adiciona facetas. Ou seja, com essa função informamos que um gráfico deve ser criado para cada ambiente, um grafico diferente para cada variável.

# Dividindo o número de repetições - função facet_wrap
mg |> 
  ggplot(aes(day, severity, shape = Irrigation))+
  geom_point(alpha = 0.5)+
  geom_line()+
  facet_wrap(~rep)

Outras funções:

#Função select - seleciona colunas
mg |> 
select(Irrigation, severity) |>
ggplot(aes(Irrigation, severity, shape = Irrigation))+geom_point(alpha = 0.5)

# Retirando group e geom_boxplot
mg |> 
  select(day, severity) |>
  ggplot(aes(day, severity))+
  geom_point()

# Agrupando por repetição: As primeiras 3 linhas separam a severidade por dia.
mg |> 
  select(day, rep, severity) |>
  group_by(day) |>
  summarise(sev = mean(severity)) |>
  ggplot(aes(day, sev))+
  geom_point()

mg |> 
  select(Irrigation, severity) |>
  ggplot(aes(Irrigation, severity, shape = Irrigation))+geom_boxplot()+
  geom_point(alpha = 0.5)

# Mudando a variável irrigação por day
mg |> 
  select(day, severity) |>
  ggplot(aes(day, severity))+
  geom_boxplot()+
  geom_point(alpha = 0.5)

# Separando por grupo - função group
mg |> 
  select(day, severity) |>
  ggplot(aes(day, severity, group = day))+
  geom_boxplot()+
  geom_point()

Criando um novo conjunto, fazendo a media e adicionando titulo no gráfico:

mg2 <- mg  |> 
  select(day, rep, severity) |>
  group_by(day) |>
  summarise(sev = mean(severity)) |>
  ggplot(aes(day, sev))+
  geom_point()