EXPLORATORIOS EN R

Javier Rodríguez Barrios

Visualización de datos en R

# Librerías requeridas
library(tidyverse)
library(xtable)       # Importar y exportar
library(openxlsx)     # exportar "*.xlsx" 
library(readxl)       # Importar y exportar
library(gtable)       # Importar y exportar

require(stats)        # No se requiere instalar
library(lattice)      # No se requiere instalar
library(ggrepel)      # insertar rótulos a los puntos
require(SciViews)     # Fig. dispersión con coef. de pearson
library(plotrix)      # Figuras de cajas con múltiples variables
library(corrplot)     # Figuras de elipses
library(psych)        # Matrices de correlación para figuras de elipses
library(GGally)       # Requerido para figura de pares con ggpairs
library(gganimate)    # Para figuras animadas de dispersión
library(reshape)      # Figuras de cajas con múltiples variables
library(gridExtra)    # Para figuras estadísticas (varios factores)
library(grid)         # Para figuras estadísticas (varios factores)
#------------
datos <- read_excel("Insectos.xlsx")    # paquete "readxl" 
head(datos)

Lectura de la Base de datos

#------------
datos <- read_csv2("Insectos.csv")      # paquete "readxl"
head(datos)
datos <- read.csv2("Insectos.csv")      # paquete "utils"
head(datos)

1. ELIPSES

# Elipses con colores

M <- cor(datos[,3:10])            # Matriz de Correlación (M)


# Elipses con colores
X11()
corrplot(M, method = "ellipse")  # Figura de correlaciones con elipses
# Elipses con colores
X11()
corrplot(M, method = "circle")   # Figura de correlaciones con circulos
# Elipses con colores
X11()
corrplot.mixed(M, upper="ellipse")
# Elipses con colores
x11()
par(mfrow = c(1,2), mar = c(3, 3, 2, 1))

corrplot(M, method = "ellipse")  # Figura de correlaciones con elipses

# Elipses con colores
corrplot(M, method = "circle")   # Figura de correlaciones con circulos

par(mfrow = c(1,1))

OPCIONES DE ELIPSES

# Figura de elipses con coeficientes de correlación
corrplot(M,  method = "circle",            # Correlaciones con circulos
         type = "lower", insig="blank",    # Forma del panel
         order = "AOE", diag = FALSE,      # Ordenar por nivel de correlación
         addCoef.col ="black",             # Color de los coeficientes
         number.cex = 0.8,                 # Tamaño del texto
         col = COL2("RdYlBu", 200))        # Transparencia de los circulos
# Elipses con colores
M1 <- cor(datos[,3:4], datos[,5:10])            # Matriz de Correlación (M)

# Elipses con colores
X11(6,8)
corrplot(M1, method = "ellipse", type="upper")

2. DISPERSIÓN

# 4. Figuras de pares
# **Ejercicio**: incluir las variables 2 a la 8
pairs ((  ...  ),panel=function(x,y)
  {abline(lsfit(x,y)$coef,lwd=2,col=3)    # lwd = Ancho de la línea
  lines(lowess(x,y),lty=1,lwd=3,col=2)    # col= Color de la línea
  points(x,y,cex=1)}) 
# Incluir el factor (cuenca)
# ***Ejercicio***: Incluir las variables 2,6,7,9. Graficar la **cuenca**
pairs ((  ...  ),panel=function(x,y)
  {abline(lsfit(x,y)$coef,lwd=2,col=3)
  lines(lowess(x,y),lty=2,lwd=2,col=2)
  points(x,y,col= ... , cex=1.4,pch=19)})

# Correlaciones de Pearson
x11()
pairs(datos[,c(3,5,7,8,10)], diag.panel = panel.hist, 
  upper.panel = panel.cor, lower.panel = panel.smooth)
# Figura de pares con coeficientes de correlación y regresiones
ggpairs(datos, columns = c(3,7,8,10), 
        aes(color=cuenca, alpha = 0.5),
        lower=list(continuous="smooth"))

3. HISTOGRAMAS

# Frecuencias de abundancias 
# ***Ejercicio***= Rotular el eje Y con "Porcentaje del Total", 
# El eje X con "Abundancia de insectos"
histogram (~Ab,data=datos, ...)
# Frecuencias de abundancias por cuencas
histogram (~Ab|cuenca,data=datos, ylab="Porcentaje del Total",
   xlab="Abundancia de insectos")
# Frecuencias por densidad
densityplot(~Ab,data=datos, ylab="Porcentaje del Total",
xlab="Abundancia de insectos")  
densityplot(~Ab|cuenca,data=datos, ylab="Porcentaje del Total",
xlab="Abundancia de insectos")
# Frecuencias de abundancias por densidad
ggplot(data = datos, aes(x = Ab, color = cuenca)) +
  geom_density(aes(fill = cuenca), alpha = 0.5) +
  labs( y="Frecuencia", x="Abundancia")
# Otra opción
ggplot(data = datos, aes(x = Ab, color = cuenca)) +
  geom_density(aes(fill = cuenca)) + 
  facet_wrap(~ cuenca)

4. DISPERSIÓN X-Y

# Regresión lineal (esquema básico) 
plot(Efem~Plec,col=as.integer(cuenca),data=datos) 
legend(0,25,legend=levels(datos$cuenca),pch=19,col=1:4,cex=0.8)
lines(abline(lm(datos$Efem~datos$Plec),lwd=2,col=2, lty=2))
# Regresiones lineales (Esquema ggplot2) 
# ***Ejercicio*** Graficar la relación entre el pH y los efemerópteros
ggplot(datos, ...  ) +   
  geom_point(aes(color = cuenca), size = 3) +  
  geom_smooth(method= "lm")
# Regresiones suavizadas - Loess o Lowess (Esquema ggplot2) 
ggplot(datos,aes(x = pH, y = Efem)) +   
  geom_point(aes(color = cuenca), size = 3) +  
  geom_smooth()
# Regresiones suavizadas (Loess)
ggplot(datos,aes(x = pH, y = Efem)) +   
  geom_point(aes(color = cuenca), size = 3) +  
  geom_smooth(se = FALSE, span = 0.4)

CAJAS Y BIGOTES

# Figuras de Cajas y bigotes
datos$cuenca<-factor(datos$cuenca, 
 levels=c("cuen1","cuen2","cuen3","cuen4"))
# Cajas y Bigotes con muescas
# *** Ejercicio*** Graficar La abundancia (Ab) por tipos de cuencas.
boxplot( ... ~ ..., ...,
xlab="Cuencas",ylab="Abundancia",
col="lightgray", cex.lab=1.3)

Cajas con la biblioteca "lattice"

# Buscar en google: colorbrewer2
# Resultado: ColorBrewer: Color Advice for Maps
... + 
  geom_boxplot(aes(fill = cuenca)) +
  scale_fill_manual(values = c('#fc8d59','#ffffbf',
                               '#99d594','#99d594'))

Clic en: ColorBrewer

Clic en: ColorCalculator

Cajas con la biblioteca "ggplot2"

# Figuras de Cajas y bigotes (ggplot2)
ggplot(melt(datos[,c(2,5:10)]), aes(x=variable, y=value)) + 
  geom_boxplot(aes(fill=cuenca)) + 
  labs(x="",y="Abundancia") + 
  facet_wrap(~ variable,scales="free") + 
  theme_bw()

Cajas con la biblioteca "ggplot2"

# violin: como histograma acostado
ggplot(iris, aes(x = Species, y = Sepal.Length)) + 
  geom_violin(aes(fill = Species)) + 
  geom_jitter() +
  scale_fill_manual(values = c('#fc8d59','#ffffbf','#99d594')) +
  theme_bw()

7. FIGURAS CON ESTADÍSTICOS

# Resumen estadístico "datos_resum"
datos_resum <- datos %>% # Base de datos resumida
  group_by(cuenca) %>%   # Factor o variable agrupadora
  summarise(datos.m = mean(Ab),  # Media de cada grupo del factor
            datos.de  = sd(Ab), # Desviacioes est?ndar de cada grupo
            datos.var = var(Ab), # Varianzas de cada grupo
            n.Ab = n(),  # Tamaño de cada grupo
            datos.ee = sd(Ab)/sqrt(n())) # Error est?ndar de cada grupo
datos_resum
# Figura de promedios y errores estándar
DatosPlot<-
  ggplot(datos_resum, aes(cuenca, datos.m, dev.off())) + 
  geom_bar(stat="identity", col="black", fill="#377eb8") +  
  geom_errorbar(aes(ymin=datos.m-datos.ee, 
                    ymax=datos.m+datos.ee),width=0.2) 
# Imprimir la figura
print(DatosPlot + labs(y="Abundancia ± e.e.", x = "cuenca") + 
        theme_classic())
# Base de datos multifactorial (insectos1)
datos1<-read_csv2("Insectos2.csv")    # Formato *Tidyr
head(datos1)  # Encabezado de la base "datos1"
str(datos1)   # estructura de la base "datos1"
# Resumen estadístico "datos_resum"
datos_resum <- datos1 %>%        # Base de datos resumida
  group_by(Lluvia,GF) %>%          # Factor o variable agrupadora
  summarise(datos.m = mean(Biom),   # Media de cada grupo del factor
            datos.de  = sd(Biom),   # Desviacioes estándar de cada grupo
            datos.var = var(Biom),  # Varianzas de cada grupo
            n.Biom = n(),           # Tamaño de cada grupo
            datos.ee = sd(Biom)/sqrt(n()))   # Error estándar de cada grupo
datos_resum
# Figura 1 (f1)
f1 = ggplot(datos_resum, aes(x=GF, y=datos.m, fill=Lluvia)) + 
     geom_bar(stat="identity", color="black", 
              position=position_dodge()) +
     geom_errorbar(aes(ymin=datos.m, ymax=datos.m+datos.de), width=.2,
              position=position_dodge(.9))
# Impresión de un panel con las dos figuras (f1 y f2)
grid.arrange (p1, p2, ncol=2)
# f2: Otro formato de figura bifactorial - theme_classic
f2 = f1+labs(title="Biomasa por GF", 
             x="Grupos Funcionales - GF", 
             y = "Biomasa")+
     theme_classic() +
     scale_fill_manual(values=c('#E69F00','#999999'))
# Impresión de un panel con las dos figuras (f1 y f2)
grid.arrange (p1, p2, nrow=2)

OTRAS OPCIONES

Para la casa

6. COPLOT

# Coplot con líneas de ajuste suavizado (loess)
with(datos, {
  coplot(Efem~pH|temp,
         panel = panel.smooth)})
# Función para el coplot 
panel.lm = function(x, y, ...) {
  tmp<-lm(y~x,na.action=na.omit)
  abline(tmp, lwd = 1.5, col= 2)
  points(x,y, ...)}

# Cotplot con variables categorizadas
summary(datos[,3:9])

clasetemp <- cut(datos$temp,seq(15,20,1.2),include.lowest=T,
                 labels = c("t.baja", "t.media1","t.media2", "t.alta"))

clasepH <- cut(datos$pH,seq(5,8,1),include.lowest=T,
               labels = c("pH.bajo", "pH.medio","pH.alto"))
# Relación trivariada - Lineal
coplot(Efem~pH | clasetemp, pch=19,
   panel = panel.lm, data=datos)
# Relación trivariada - Suavizada
with(datos, {
  coplot(Efem~pH|clasetemp,
         panel = panel.smooth)})
# Función para el coplot 
panel.lm = function(x, y, ...) {
  tmp<-lm(y~x,na.action=na.omit)
  abline(tmp, lwd = 1.5, col= 2)
  points(x,y, ...)}

4. FIGURAS ANIMADAS

Enlace

Enlace

library(ggplot2)
library(gganimate)
theme_set(theme_bw())   # Tema o fondo de la figura por default
library(gapminder)
# Edición de la figura
p <- ggplot(
  gapminder, 
  aes(x = gdpPercap, y=lifeExp, size = pop, colour = country)) +
  geom_point(show.legend = FALSE, alpha = 0.7) +
  scale_color_viridis_d() +
  scale_size(range = c(2, 12)) +
  scale_x_log10() +
  labs(x = "GDP per capita", y = "Life expectancy")
# Figura estática
p
# Figura animada
p + transition_time(year) +
  labs(title = "Year: {frame_time}")

TALLER DE ENTRENAMIENTO

Objetivo 1: Poner en práctica los conceptos vistos en el módulo de exploratorios multivariados, realizando las siguientes opciones gráficas en las bases de datos asignadas para los estdios de caso:

  1. Figuras de elipses

  2. Figuras de Dispersión por pares de variables (pairs)

  3. Histogramas

  4. Dispersión X-Y

  5. Cajas y Bigotes

  6. Coplot

  7. Figuras con estadísticos (promedios, errores, …)

TALLER DE ENTRENAMIENTO

Objetivo 2: Poner en práctica lo anterior con la base de datos de lirios `"data(iris)"`

  1. Figuras de elipses

  2. Figuras de Dispersión por pares de variables (pairs)

  3. Histogramas

  4. Dispersión X-Y

  5. Cajas y Bigotes

  6. Coplot

  7. Figuras con estadísticos (promedios, errores, …)

Exploratorios Visualización (1)

By Javier Rodriguez

Made with Slides.com

Exploratorios Visualización (1)

  • 27

More from Javier Rodriguez