EXPLORATORIOS EN R

Javier Rodríguez Barrios

MSc. Multivariados

Taller 2.2 Explor. Plancton

# Librerías requeridas
library(tidyverse)
library(dplyr)
library(kableExtra)   # Para la edición de tablas
library(readxl)       # Cargar bases de Excel
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(reshape)      # Figuras de cajas con múltiples variables
library(reshape2)     # Figuras de cajas con múltiples variables 
library(gridExtra)    # Para figuras estadísticas (varios factores)
library(grid)         # Para figuras estadísticas (varios factores)
library(ggplot2)      # Paquete gráfico
library(forcats)      # Para manipulación de factores
library(viridis)      # Opciones de paletas de colores
# Cargar datos desde Excel
biol <- read_xlsx("plancton.xlsx", sheet = "Riqueza")

# Explorar estructura
# glimpse(biol)
# summary(biol)

# tabla con los datos
head(biol) %>%
  kbl() %>% 
  kable_classic(full_width = F)
biol1 <-
  biol %>% 
  # Abreviaturas de los taxones
  mutate(Abrev = abbreviate(Groups, minlength = 4)) %>% 
  # Variables a factores
  mutate(across(c(Station, Size, Layers), as.factor)) %>% 
  # Agrupamiento para el formato ancho
  group_by(Station, Size, Layers) %>%

Base de datos en formato ancho

  # Promedios de las variables ambientales
  summarize(
    across(c(Temperature, Salinity, Density), ~round(mean(.),2)),
  # Totales de las abundancias por cada factor
    Abundance = list(setNames(tapply(Abundance, Abrev,sum,
                                     default = 0), unique(Abrev))),
  # Corregir algunos errores del agrupamiento
    .groups = "drop") %>% 
  # Separar las abundancias en las columnas de cada taxon
  unnest_wider(Abundance) %>% 
  # Crear columna Ref, tomando iniciales de tres factores
  mutate(
    Ref = paste0(substr(Station, 1, 2),
               substr(Size, 1, 1),
               substr(Layers, 1, 1))) %>% 
  # Pasar la columna de referencia (consec) a la 1a columna
  select(Ref, everything()) %>% 
  # Crear la columna Ab con la suma de las columnas de taxones
  mutate(
  # Suma de las columnas especificadas (Ab)  
    Ab = rowSums(across(Qtgn:Otrs), na.rm = TRUE)  
  ) %>%

Base de datos en formato ancho

  # Mover la columna de abundancias (AB)
  select(Ref,Station,Size,Layers,Temperature,
         Salinity,Density,Ab, everything()) 
# tabla con los datos
head(biol1) %>%
  kbl() %>% 
  kable_classic(full_width = F)

1. ELIPSES

# Elipses con colores
M <- cor(biol1[,...])            # Matriz de Correlación (M)
# Elipses con colores
corrplot(M, method = "ellipse")  # Figura de correlaciones con elipses
# Elipses con colores
corrplot(M, method = "circle")   # Figura de correlaciones con circulos
# Elipses con colores
corrplot.mixed(M, upper="ellipse")
# Elipses con colores
M1 <- cor(biol1[,5:7], biol1[,8:20])            # Matriz de Correlación (M)

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

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

2. DISPERSIÓN

# Correlaciones de Pearson
library(SciViews)

pairs(biol1[,c(5:7)], diag.panel = panel.hist, 
      upper.panel = panel.cor, lower.panel = panel.smooth)

3. HISTOGRAMAS

# Frecuencias de abundancias por capas
ggplot(data = biol1, aes(x = Ab, color = Layers)) +
  geom_density(aes(fill = Layers), alpha = 0.5) +
  labs( y="Frecuencia", x="Abundancia") +
  theme_bw() +
  theme(panel.grid = element_blank()
  )
# Otra opción
ggplot(data = biol1, aes(x = Ab, color = Layers)) +
  geom_density(aes(fill = Layers)) + 
  facet_wrap(~ Size) +
  theme_bw() +
  theme(panel.grid = element_blank()
  )

4. DISPERSIÓN X-Y

# Regresiones lineales (Esquema ggplot2) 
# ***Ejercicio*** Graficar la relación entre el pH y los efemerópteros
ggplot(datos, ...  ) +   
  geom_point(aes(color = Layers), size = 3) +  
  geom_smooth(method= "lm") +
  theme_bw() +
  theme(panel.grid = element_blank()
  )
# Regresiones suavizadas - Loess o Lowess (Esquema ggplot2) 
ggplot(biol1,aes(x = Density, y = Ab)) +   
  geom_point(aes(color = Layers), size = 3) +  
  geom_smooth() +
  theme_bw() +
  theme(panel.grid = element_blank()
  )
# Regresiones suavizadas (Loess)
ggplot(biol1,aes(x = Density, y = Ab)) +   
  geom_point(aes(color = Layers), size = 3) +  
  geom_smooth(se = FALSE, span = 0.5) +
  theme_bw() +
  theme(panel.grid = element_blank()
  )

CAJAS Y BIGOTES

Clic en: ColorBrewer

Clic en: ColorCalculator

Cajas con la biblioteca "ggplot2"

# Convertir variables a factores en caso que se requiera
biol1 <- 
  biol1 %>% 
  mutate(across(c(Station, Size, Layers), as.factor))

Cajas con un factor: Estaciones.

# Gráfico de caja de la abundancia por estación
ggplot(biol, aes(x = factor(...), y = ...)) +
  geom_boxplot(aes(fill = factor(Station))) +

# Aplicar la transformación logarítmica
  scale_fill_manual(values = c('#fc8d59','#ffffbf','#99d594',
                               '#377eb8','#e78ac3','#7570b3')) +
  scale_y_continuous(trans = "log10") +  
  labs(title = "Distribución de la Abundancia por Estación", 
       x = "Estaciones", fill = "Estaciones", 
    y = expression(log[10]~(Abundancia~indv.~m^-3))
    ) +
  theme_bw() +
  theme(
    panel.gridr = element_blank()
  )
library(forcats)  # Para manipulación de factores

# Cambiar etiquetas de Layers con recode_factor()
biol <- 
  biol %>%
  mutate(Layers = recode_factor(Layers, 
                                "Depth" = "Profunda", 
                                "Surface" = "Superficial"))

Cajas con dos factores: Estaciones y capas (base biol*).

# Gráfico de caja de la abundancia por estación
ggplot(biol, aes(x = factor(...), y = ...)) +
  geom_boxplot(aes(fill = Layers)) +
  scale_y_continuous(trans = "log10") +  # Aplicar la transformación logarítmica
  labs(title = "Distribución de la Abundancia por Estación", 
       x = "Estaciones", fill = "Capas",
    y = expression(log[10]~(Abundancia~indv.~m^-3))
    ) +
  theme_bw()+
  theme(
    panel.grid = element_blank()
  )

Cajas con dos factores: Estaciones y capas (base biol1*).

# Gráfico de caja de la abundancia por estación
ggplot(biol1, aes(x = factor(...), y = ...)) +
  geom_boxplot(aes(fill = ...)) +
# Aplicar la transformación logarítmica  
  scale_y_continuous(trans = "log10") +  
  labs(title = "Distribución de la Abundancia por Estación", 
       x = "Estaciones", fill = "Capas",
    y = expression(log[10]~(Abundancia~indv.~m^-3))
    ) +
  theme_bw()+
  theme(
    panel.grid = element_blank()
  )

#   facet_wrap(~ Layers, scales = "free")  # Paneles por variable
# Figuras multivariadas de Cajas y bigotes
ggplot(melt(biol1[,c(..., ...)]), aes(x=Station, y=value)) +  # Usar Station en el eje X
  geom_boxplot(aes(fill=Station)) +
  scale_y_continuous(trans = "log10") +  # Aplicar la transformación logarítmica
  scale_color_viridis(discrete = TRUE) +
  labs(title = "Distribución de la Abundancia por Estación", 
       x = "Estaciones", fill = "Estaciones",
       y = expression(log[10]~(Abundancia~indv.~m^-3))
  ) +
  facet_wrap(~ variable, scales = "free") +  # Paneles por variable
  theme_bw() +
  theme(
    panel.grid = element_blank()
    )

Cajas con multiples variables (melt).

# Categorización de la temperatura
biol <- 
  ... %>%
  mutate(claseTemp = case_when(
    ... <= quantile..., 1/3, na.rm = TRUE) ~ "T.Baja",
    ... <= quantile(Temperature, 2/3, na.rm = TRUE) ~ "T.Media",
    ... <= quantile(Temperature, 3/3, na.rm = TRUE) ~ "T.Alta"
  ))

# Categorización de la salinidad 
biol <- 
  ... %>%
  mutate(claseSal = case_when(
    ... <= quantile(..., 1/3, na.rm = TRUE) ~ "S.Baja",
    ... <= quantile(Salinity, 2/3, na.rm = TRUE) ~ "S.Media",
    ... <= quantile(Salinity, 3/3, na.rm = TRUE) ~ "S.Alta"
  ))

Cajas con variables contínuas categorizadas

# Crear gráfico con etiquetas de valores atípicos redondeados
ggplot(biol, aes(x = factor(Station), y = Abundance)) + 
  geom_boxplot(aes(fill = claseTemp)) +
  labs(title = "Abundancia por Estación, salinidad y Temperatura", 
       x = "Estaciones", fill = "Temperatura", 
    y = expression(log[10]~(Abundancia~indv.~m^-3))
    ) +
  scale_y_continuous(trans = "log10") +  # Aplicar la transformación logarítmica
  scale_color_viridis(discrete = TRUE) +
  facet_wrap(~ claseSal, nrow = 1, strip.position = "top") + 
  theme_bw() +
  theme(
    panel.grid = element_blank()
    )

Cajas con variables contínuas categorizadas

7. FIGURAS CON ESTADÍSTICOS

# Resumen estadístico "datos_resum"
datos_resum <- 
  biol1 %>%        # Base de datos resumida
  group_by(Size,Layers) %>%          # Factor o variable agrupadora
  summarise(datos.m = mean(Ab),   # Media de cada grupo del factor
            datos.de  = sd(Ab),   # Desviacioes estándar de cada grupo
            datos.var = var(Ab),  # Varianzas de cada grupo
            n.Biom = n(),           # Tamaño de cada grupo
            datos.ee = sd(Ab)/sqrt(n()))   # Error estándar de cada grupo
# tabla con los datos
head(datos_resum) %>%
  kbl() %>% 
  kable_classic(full_width = F)

Figuras estadísticas de dos factores

# Figura 1 (f1)
f1 = ggplot(datos_resum, aes(x=Layers, y=datos.m, fill=Size)) + 
     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)) 
# f2: Otro formato de figura bifactorial - theme_classic
f2 = f1+labs(title="Abundancia por Capas", 
             x="Capas de prof.", 
             y = "Abundancia")+
     theme_classic() +
     scale_fill_manual(values=c('#E69F00','#999999'))

# Impresión de un panel con las dos figuras de forma horizontal (f1 y f2)
grid.arrange (f1, f2, ncol=2)

# Impresión de un panel con las dos figuras de forma vertical (p1 y p2)
grid.arrange (f1, f2, nrow=2)

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, …)

2.2 Exploratorios Resum

By Javier Rodriguez

Made with Slides.com

2.2 Exploratorios Resum

  • 19

More from Javier Rodriguez