Gráficos con ggplot2 (A): Primeras ideas

Programación y manejo de datos con R (Slides 06-A)

Pedro J. Pérez

pedro.j.perez@uv.es

Gráficos chulos con ggplot2

Uno de los mejores (¿qué dices?, ¡el MEJOR!) sistemas gráficos del MUNDO.

El análisis gráfico es fundamental

El análisis gráfico es fundamental al presentar resultados, pero también en el análisis exploratorio: permite descubrir relaciones entre variables, y descartar o sugerir nuevas preguntas sobre los datos.

R tiene varios sistemas gráficos, pero usaremos ggplot2
ggplot2 es un paquete de R para producir gráficos estadísticos. Bueno, en realidad es todo un ecosistema. Mira sus extensiones [aquí].
Es diferente porque tiene una gramática subyacente: la layered grammar of graphics (Wickham, 2010), basada en The Grammar of Graphics (Wilkinson, 2005).
Cuesta un poco (sólo un poco) más empezar, pero enseguida se ven los beneficios; además, es que ahora mismo es el estándar.

Primeras ideas sobre ggplot2

Primeras ideas para empezar a familiarizarnos con ggplot2

¿Qué vemos en el gráfico de abajo?

gráfico de puntos
se representan 3 variables

Sepal.Length en el eje X
Petal.Length en el eje Y

Species en el color de los puntos

Importante para entender ggplot2 [ 🌟 ]

Un gráfico tiene 3 componentes principales:

los datos que se van a representar ( ggplot() )
un conjunto de propiedades estéticas asociadas a variables del conjunto de datos. Por ejemplo, la posición en el eje X está asociada a la variable Sepal.Length, el color de los puntos está asociado a los valores de la variable Species. ( aes() )
el elemento geométrico que se va a representar. En nuestro caso el elemento geométrico que usamos son puntos ( geom_point() ), pero podrían haber sido las líneas ( geom_line() ) o … ( geom_xx() )

Sintaxis de ggplot2 [ 🌟 ]

ggplot(iris, aes(x = Sepal.Length,
                 y = Petal.Length,
                 color = Species)) +
    geom_point()

Forma más compacta de escribirlo

ggplot(iris, aes(Sepal.Length, Petal.Length, color = Species)) +
    geom_point()

Gráfico en slow-motion!

iris |>

iris |>
ggplot() +

iris |>
ggplot() +
   aes(x = Sepal.Length) +

iris |>
ggplot() +
   aes(x = Sepal.Length) +
   aes(y = Petal.Length) +

iris |>
ggplot() +
   aes(x = Sepal.Length) +
   aes(y = Petal.Length) +
   aes(color = Species)  +

iris |>
ggplot() +
   aes(x = Sepal.Length) +
   aes(y = Petal.Length) +
   aes(color = Species)  +
  geom_point()

#>   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#> 1          5.1         3.5          1.4         0.2  setosa
#> 2          4.9         3.0          1.4         0.2  setosa
#> 3          4.7         3.2          1.3         0.2  setosa
#> 4          4.6         3.1          1.5         0.2  setosa
#> 5          5.0         3.6          1.4         0.2  setosa
#> 6          5.4         3.9          1.7         0.4  setosa

La forma habitual(!) de escribirlo es:

ggplot(iris, aes(Sepal.Length, Petal.Length, color = Species)) +
    geom_point()

IMAGINA qué harán las siguientes instrucciones. Después las ejecutas.

Tarea
1
2
3
4
5

#- Fíjate: sólo hay 2 variables en aes() ---------------------------------------
ggplot(iris, aes(Sepal.Length, Petal.Length)) +
  geom_point()

#- Fíjate: ahora usamos geom_line() --------------------------------------------
ggplot(iris, aes(Sepal.Length, Petal.Length)) +
  geom_line()

#- Fíjate: ahora usamos 2 geom_xx() --------------------------------------------
ggplot(iris, aes(Sepal.Length, Petal.Length)) + geom_point() +
      geom_smooth()

#- Fíjate: volvemos a tener 3 variables asociadas a estéticas ------------------
ggplot(iris, aes(Sepal.Length, Petal.Length, color = Species)) +
  geom_point()

#- Fíjate: hay argumentos dentro de geom_point(). Uno de ellos es "color" ------
ggplot(iris, aes(Sepal.Length, Petal.Length)) +
      geom_point(color = "red", size = 2, alpha = 0.2)

ggplot(iris, aes(Sepal.Length, Petal.Length)) +
  geom_point()

ggplot(iris, aes(Sepal.Length, Petal.Length)) +
  geom_line()

ggplot(iris, aes(Sepal.Length, Petal.Length)) + geom_point() +
      geom_smooth()

ggplot(iris, aes(Sepal.Length, Petal.Length, color = Species)) +
  geom_point()

ggplot(iris, aes(Sepal.Length, Petal.Length)) +
      geom_point(color = "red", size = 2, alpha = 0.2)

Mapear vs fijar: ¿dentro o fuera de `aes()`? [ 🌟 ]

Mapear (dentro de aes()): el color depende de una variable → ggplot2 crea una leyenda

ggplot(iris, aes(Sepal.Length, Petal.Length)) +
  geom_point(aes(color = Species))

Fijar (fuera de aes()): el color es un valor fijo para todos los puntos → no hay leyenda

ggplot(iris, aes(Sepal.Length, Petal.Length)) +
  geom_point(color = "steelblue")

Un error muy típico con `aes()`: ¿por qué los puntos salen rojos y no azules?

ggplot(iris, aes(Sepal.Length, Petal.Length)) +
  geom_point(aes(color = "blue"))

Dentro de aes(), "blue" no es un color: es una “variable” que vale siempre "blue". ggplot2 le asigna el primer color de su paleta (rojo) y crea una leyenda llamada “blue”.

Entendiendo un poco más ggplot2

Ya tenemos las primeras ideas sobre ggplot2, ahora se trata de profundizar un poco para que podamos tener más control y flexibilidad al hacer nuestros gráficos.

Vamos a profundizar un poco más en ggplot2

Es importante que veas que estas 3 expresiones hacen el mismo gráfico:

ggplot(iris, aes(Sepal.Length, Petal.Length)) + geom_point()

ggplot(iris) + geom_point(aes(Sepal.Length, Petal.Length))

ggplot() + geom_point(data = iris, aes(Sepal.Length, Petal.Length))

✔ Si utilizas la tercera expresión; es decir, si especificas los datos dentro de geom_xx(), es necesario poner el nombre del argumento: (data = iris , …) [ 🌟 ]

Repito esto porque es IMPORTANTE …. [ 🌟 ]

Podemos especificar los mappings de variables en estéticas dentro de cada geom_xx()

ggplot(iris) + geom_point(aes(Sepal.Length, Petal.Length))

Podemos especificar los datos dentro de cada geom_xx() . En este caso no te olvides de poner (data = …)

ggplot() + geom_point(data = iris, aes(Sepal.Length, Petal.Length))

Bueno, sí, ¿y qué más da? Pues importa, y muuuucho.
Esto nos va a dar mucha flexibilidad/control en nuestros gráficos. Lo vemos.

¿Qué hacen estas 3 expresiones?

ggplot(iris, aes(Sepal.Length, Petal.Length, color = Species)) +
     geom_point() + geom_smooth()

ggplot(iris, aes(Sepal.Length, Petal.Length)) +
    geom_point(aes(color = Species)) + geom_smooth()

ggplot(iris, aes(Sepal.Length, Petal.Length)) +
    geom_point() + geom_smooth(aes(color = Species))

Ejemplos: ¿por qué no funcionan 4 de estas 5 expresiones?

ggplot(iris) + geom_point(aes(Sepal.Length, Petal.Length)) +
    geom_smooth(aes(color = Species))
#> Error in `geom_smooth()`:
#> ! Problem while computing stat.
#> ℹ Error occurred in the 2nd layer.
#> Caused by error in `compute_layer()`:
#> ! `stat_smooth()` requires the following missing aesthetics: x and y.

ggplot() + geom_point(data = iris, aes(Sepal.Length, Petal.Length)) +
    geom_line(aes(Sepal.Length, Petal.Length))
#> Error in `geom_line()`:
#> ! Problem while computing aesthetics.
#> ℹ Error occurred in the 2nd layer.
#> Caused by error:
#> ! objeto 'Sepal.Length' no encontrado

ggplot(aes(Sepal.Length, Petal.Length)) + geom_point(data = iris) +
    geom_line()
#> Error in `fortify()`:
#> ! `data` must be a <data.frame>, or an object coercible by `fortify()`,
#>   or a valid <data.frame>-like object coercible by `as.data.frame()`, not a
#>   <ggplot2::mapping> object.
#> ℹ Did you accidentally pass `aes()` to the `data` argument?

ggplot() + geom_point(data = iris, aes(Sepal.Length, Petal.Length)) +
    geom_line()

ggplot(iris, aes(Sepal.Length, Petal.Length)) |>   #- ¡ojo! las capas se unen con +
    geom_point()
#> Error in `geom_point()`:
#> ! `mapping` must be created by `aes()`.
#> ✖ You've supplied a <ggplot2::ggplot> object.
#> ℹ Did you use `%>%` or `|>` instead of `+`?

Un ejemplo un poco marciano

iris_2 <- iris |> filter(Species != "setosa") #- lirios que no son "setosa"

ggplot() +
geom_point(data = iris, aes(Sepal.Length, Petal.Length, color = Species)) +
   geom_smooth(data = iris_2, aes(Sepal.Length, Petal.Length) )

ggplot(iris, aes(Sepal.Length, Petal.Length)) +
  geom_point(aes(color = Species)) + geom_smooth(data = iris_2)

Tarea: Quiero que las 2 especies de lirios grandes (versicolor y virginica) se representen con el mismo color, ¿cómo lo hago?

Hay varias soluciones, una de las más marcianas es la Solución 1.

iris_2 <- iris |> filter(Species != "setosa")            #- lirios grandes
iris_solo_setosa <- iris |> filter(Species == "setosa")  #- lirios pequeños ("setosa")

ggplot(iris, aes(Sepal.Length, Petal.Length)) + geom_point() +
    geom_point(data = iris_solo_setosa, aes(color = Species)) +
    geom_smooth(data = iris_2, aes(Sepal.Length, Petal.Length) )

iris_solo_setosa <- iris |> filter(Species == "setosa")
iris_solo_2_clases <- iris |>
  mutate(Species_2 = ifelse(Species %in% c("versicolor", "virginica"),
                            "lirios_grandes", "setosa"))

ggplot(iris, aes(Sepal.Length, Petal.Length)) +
  geom_point() +
  geom_point(data = iris_solo_setosa, aes(color = Species)) +
  geom_smooth(data = iris_solo_2_clases,
              aes(Sepal.Length, Petal.Length, color = Species_2) )

iris_solo_2_clases <- iris |>
  mutate(Species_2 = ifelse(Species %in% c("versicolor", "virginica"),
                            "lirios_grandes", "setosa"))

ggplot(iris_solo_2_clases,
       aes(Sepal.Length, Petal.Length, color = Species_2)) +
  geom_point() + geom_smooth()

Un ejemplo más

Tarea
1
2
3
4
5
6

Para ir acabando con la “filosofía”/sintaxis/gramática de ggplot2 intenta imaginar qué gráficos hacen las 6 expresiones de más abajo. Fíjate sobre todo en la tercera expresión.

ggplot(iris, aes(Sepal.Length, Petal.Length)) +
  geom_point() + geom_smooth()

ggplot(iris, aes(Sepal.Length, Petal.Length, color = Species)) +
  geom_point() + geom_smooth()

ggplot(iris, aes(Sepal.Length, Petal.Length, color = Species)) +
   geom_point(color = "purple") + geom_smooth()

ggplot(iris, aes(Sepal.Length, Petal.Length, color = Species)) +
  geom_point() + geom_smooth(color = "brown")

ggplot(iris, aes(Sepal.Length, Petal.Length)) +
  geom_point() + geom_smooth(aes(color = Species))

ggplot(iris) +
  geom_point(aes(Sepal.Length, Petal.Length, color = Species) ) +
  geom_smooth(aes(Sepal.Length, Petal.Length, color = Species))

ggplot(iris, aes(Sepal.Length, Petal.Length)) +
  geom_point() + geom_smooth()

ggplot(iris, aes(Sepal.Length, Petal.Length, color = Species)) +
  geom_point() + geom_smooth()

ggplot(iris, aes(Sepal.Length, Petal.Length, color = Species)) +
   geom_point(color = "purple") + geom_smooth()

El color = "purple" de geom_point() está fuera de aes(): fija el color de los puntos y “pisa” el mapping global color = Species, pero sólo para los puntos; las curvas siguen coloreadas por especie.

ggplot(iris, aes(Sepal.Length, Petal.Length, color = Species)) +
  geom_point() + geom_smooth(color = "brown")

ggplot(iris, aes(Sepal.Length, Petal.Length)) +
  geom_point() + geom_smooth(aes(color = Species))

ggplot(iris) +
  geom_point(aes(Sepal.Length, Petal.Length, color = Species) ) +
  geom_smooth(aes(Sepal.Length, Petal.Length, color = Species))

Un gráfico es un objeto de R: podemos guardarlo y añadirle capas

Un gráfico de ggplot2 es un objeto más de R: podemos guardarlo con un nombre (<-) y luego añadirle capas con +

p <- ggplot(iris, aes(Sepal.Length, Petal.Length, color = Species)) +
  geom_point()

p no se dibuja al crearlo; se dibuja cuando lo “imprimimos” (al escribir p o print(p))

p + geom_smooth()

Lo usaremos mucho en las siguientes slides: haremos un gráfico p y le iremos añadiendo cosas (títulos, temas, …)

¿Veremos alguna vez otros gráficos?

¡SÍ! Pero aún falta un poco, hemos de ver más cosas (y sí, usando iris).
Si no puedes esperarte, mira la R Graph Gallery (cientos de gráficos con su código) o la galería de extensiones de ggplot2

the aesthetic parameters de cada geom_xx()

Cuando empecemos a hacer otros tipos de gráficos será de utilidad conocer qué parámetros admite cada geom_xx().
Puedes verlos en la ayuda de cada geom (por ejemplo ?geom_point, sección Aesthetics), en la web de ggplot2 o en la viñeta vignette("ggplot2-specs")

Para practicar: los pingüinos de Palmer

Desde R 4.5, el paquete datasets incluye penguins: datos de 344 pingüinos de 3 especies del archipiélago Palmer (Antártida)

Tarea
Solución

Tarea: haz un gráfico de puntos con la longitud de la aleta (flipper_len) en el eje X, el peso (body_mass) en el eje Y y el color según la especie (species). Añade una recta de regresión para cada especie con geom_smooth(method = "lm").

head(penguins, n = 3)
#>   species    island bill_len bill_dep flipper_len body_mass    sex year
#> 1  Adelie Torgersen     39.1     18.7         181      3750   male 2007
#> 2  Adelie Torgersen     39.5     17.4         186      3800 female 2007
#> 3  Adelie Torgersen     40.3     18.0         195      3250 female 2007

ggplot(penguins, aes(flipper_len, body_mass, color = species)) +
  geom_point() +
  geom_smooth(method = "lm")

Para saber más

El libro de Hadley Wickham, Danielle Navarro y Thomas Lin Pedersen: ggplot2: Elegant Graphics for Data Analysis (3ª ed.), gratis online
El capítulo de visualización de R for Data Science (2ª ed.)
La cheatsheet de ggplot2
La documentación de ggplot2: todas las funciones, con ejemplos

En las siguientes slides veremos más elementos de un ggplot: títulos, themes, facetting, anotaciones, escalas, …