2.1 Função ggplot()

A principal função do pacote é a ggplot(). Esta função cria um objeto ggplot no qual devem ser declarados os dados e especificar o conjunto de características que vão compor o gráfico.

Leia a documentação da função com o comando:

?ggplot()

O primeiro passo para abrir uma janela gráfica no ggplot2 é especificar o data frame no argumento data e, dentro do aes() informar qual variável ficará no eixo x e qual ficará no eixo y. Além disso pode-se acrescentar outras variáveis ao aes() que serão representadas por cores, formas ou tamanhos diferentes.

ggplot(data = NULL, mapping = aes())

Apenas o comando acima, declarando corretamente os dados e as variáveis, uma janela gráfica em branco é aberta e , para acrescentar pontos, linhas e formas ao gráfico são utilizados os ‘geoms’ do ggplot. Os geoms disponíveis do pacote são:

##  [1] "geom_abline"     "geom_area"       "geom_bar"       
##  [4] "geom_bin2d"      "geom_blank"      "geom_boxplot"   
##  [7] "geom_col"        "geom_contour"    "geom_count"     
## [10] "geom_crossbar"   "geom_curve"      "geom_density"   
## [13] "geom_density_2d" "geom_density2d"  "geom_dotplot"   
## [16] "geom_errorbar"   "geom_errorbarh"  "geom_freqpoly"  
## [19] "geom_hex"        "geom_histogram"  "geom_hline"     
## [22] "geom_jitter"     "geom_label"      "geom_line"      
## [25] "geom_linerange"  "geom_map"        "geom_path"      
## [28] "geom_point"      "geom_pointrange" "geom_polygon"   
## [31] "geom_qq"         "geom_qq_line"    "geom_quantile"  
## [34] "geom_raster"     "geom_rect"       "geom_ribbon"    
## [37] "geom_rug"        "geom_segment"    "geom_sf"        
## [40] "geom_smooth"     "geom_spoke"      "geom_step"      
## [43] "geom_text"       "geom_tile"       "geom_violin"    
## [46] "geom_vline"

A sintaxe para geração de um gráfico de dispersão simples é:

ggplot(data = dados,           # conjunto de dados
       mapping = aes(x = x,    # variável x
                     y = y)) + # variável y
  geom_point()                 # especifica que x e y serão representados como pares ordenados 

Pode-se acrescentar mais de um geom ao mesmo gráfico apenas com o acréscimo do sinal de mais (+).

Para verificar os tipos de gráficos mais comuns em análise exploratória e como customizar gráficos com o ggplot2, vamos analisar um conjunto de dados simulados.

3.1 Análise com o R base

Uma análise básica do conjunto de dados gerado utilizando as funções base do R:

par(mfrow = c(1,3), par(oma=c(0,3,3,0)))
hist(df$y,probability = T, main = 'Histograma',col=3)
box()
lines(density(df$y), lwd=3, col=4)
plot(y~z, df, col = c(3,4), main='Boxplot')
mtext("Gráficos Base", side=3, line=3, cex=1 )
plot(y~x,df, col=c(3,4), main='Gráfico de Dispersão')
abline(lm(y~x, df), lwd=3)

4.1 Densidade

Um gráfico de densidade simples pode ser feito com os seguintes comandos:

ggplot(data=df, mapping = aes(x=y))+
  geom_density()

Dentro de um geom é possível acrescentar elementos extra para customização dos gráficos, por exemplo: o argumento col altera a cor do contorno, o argumento fill altera a cor de preenchimento e o alpha controla o aspecto de transparência do gráfico. Pode-se também acrescentar um geom_rug():

ggplot(data=df, mapping = aes(x=y)) +
  geom_density(col=4,
               fill='#088A85',
               alpha=0.3) + 
  geom_rug()

4.2 Histograma

Para gerar um histograma, basta acrescentar à função ggplot um geom_histogram():

ggplot(data=df, mapping = aes(x=x)) + 
  geom_histogram()

E pode-se incluir as mesmas customizações utilizadas no gráfico de densidade, inclusive ao geom_rug:

ggplot(data=df, mapping = aes(x=y)) + 
  geom_histogram(col=6, fill='#00FFFF', alpha=0.3) + 
  geom_rug(col=2, alpha=0.5)

4.3 Boxplot

Ainda com foco nas análises univariadas, uma alternativa ao gráfico de densidade e ao histograma é o boxplot:

ggplot(data=df, mapping = aes(y=y)) + 
  geom_boxplot(col=3, fill=3, alpha=0.4)

4.4 Gráficos de dispersão

Para duas variáveis numéricas o gráfico de maior importância é o de dispersão, que pode ser gerado utilizando o geom_point():

ggplot(data=df, mapping = aes(x=x,y=y)) + 
  geom_point()

Pode-se ainda gerar um gráfico utilizando todas as variáveis do nosso data frame, com uma variável numérica no eixo x, outra no eixo y e com diferentes cores representando a variável categórica, tais atributos são definidos dentro do aes(). Há a possibilidade de adicionar linhas de tendência ao gráfico com o uso do geom_smooth():

ggplot(data=df, mapping = aes(x=x,y=y,col=z)) +
  geom_point(alpha=0.8) + 
  geom_smooth(method = 'lm', col=1) + 
  geom_rug(alpha=0.1)

4.5 Boxplot para níveis de um fator

Para verificar o comportamento de uma variável categórica nos valores observados de uma variável numérica o boxplot se mostra uma boa alternativa, a diferença do caso já mencionado é que aqui temos uma variável x (fator) e uma variável y (numérica):

ggplot(data=df, mapping = aes(x=z,y=y,col=z)) + 
  geom_boxplot()

E algumas customizações:

ggplot(data=df, mapping = aes(x=z,y=y,col=z)) +
  geom_boxplot(col=c(3,4), fill=c(3,4), alpha=0.3)

4.6 Eixos e título

A atribuição de eixos e títulos faz-se com uso do ggtitle(), xlab() e ylab():

ggplot(data=df, mapping = aes(x=x,y=y))+
  geom_point(alpha=0.5)+
  ggtitle('Título')+
  xlab('Eixo x')+
  ylab('Eixo y')

4.7 Facet

O facet_wrap() permite gerar gráficos em que faz-se a distinção entre os níveis de um fator:

ggplot(data=df, mapping = aes(x=x,y=y,col=z)) + 
  geom_point(alpha=0.5)+
  geom_smooth(se=F, lwd=1.5, col=1) + 
  facet_wrap(~z)

5.1 Gráfico de barras

O gráfico de barras é utilizado quado há interesse em observar frequências. Vamos considerar o seguinte conjunto de dados:

dados <- data.frame(fator = factor(c("a","b","c","d","e"), 
                                        levels=c("a","b","c","d","e")), 
                          contagem = c(125, 170, 124, 128, 163))

dados

##   fator contagem
## 1     a      125
## 2     b      170
## 3     c      124
## 4     d      128
## 5     e      163

No ggplot2, um gráfico de barras pode ser gerado da seguinte forma:

ggplot(data=dados, aes(x=fator, y=contagem)) + 
  geom_bar(stat="identity", 
         fill=5, 
         col=4, 
         alpha=0.2,
            lwd=1)+
  geom_text(aes(label=contagem), 
            vjust=1.6, 
            color=1, 
            size=3.5)+
  ylab("") +
  xlab("")

5.2 Gráfico de setores

Outra alternativa para visualização de frequências é o gráfico de setores, para representação deste gráfico vamos considerar um novo data frame:

dados <- data.frame(fator = factor(c("a","b","c","d","e","f"), 
                                        levels=c("a","b","c","d","e", "f")), 
                          contagem = c(125, 170, 124, 128, 163, 500))

E o gráfico de setores pode ser gerado com os comandos:

ggplot(dados, aes(x="", y=contagem, fill=fator))+
  geom_bar(width = 1, stat = "identity", col='white', alpha=0.5)+ 
  coord_polar("y", start=0)

5.3 Violino

Para confecção deste gráfico utiliza-se o geom_violin(), o gráfico consiste no espelhamento do gráfico de densidade da variável; pode ser utilizado para explorar uma variável numérica ou para verificar o efeito de níveis de um fator sobre uma variável numérica:

dados <- data.frame(x = rep(c('a','b','c','d'),50),
                    y = rgamma(200, 12,3))

ggplot(data=dados, mapping = aes(x=x,
                                 y=y,
                                 fill=x,
                                 col=x))+
  geom_violin(alpha=0.5, lwd=2)+
  theme(legend.position = 'none')

5.4 Gráficos em painel

O clássico par(mfrow = c()) não é aplicável a gráficos ggplot2. Porém é possível gerar gráficos em painel através da função grid.arrange do pacote gridExtra:

library(gridExtra)

g1 <- ggplot(data=df, mapping = aes(x=y))+
  geom_density(col=2, fill=2, alpha=0.3)

g2 <- ggplot(data=df, mapping = aes(x=y))+
  geom_histogram(col=6, fill=6, alpha=0.3)

g3 <- ggplot(data=df, mapping = aes(x=x,y=y,col=z))+
  geom_point(alpha=0.5)+
  geom_smooth(col=1)

g4 <- ggplot(data=df, mapping = aes(x=z,y=y,col=z)) +
  geom_boxplot(col=c(3,4),
               fill=c(3,4),
               alpha=0.3)

grid.arrange(g1,g2,g3,g4,nrow=2,ncol=2)

7.1 Exemplo 1

ind <- sample(nrow(diamonds),4500,replace = F)

graf <- 
  ggplot(data=diamonds[ind,], aes(x=price,y=carat,col=clarity)) +
  geom_point(alpha=0.5) + 
  geom_rug(alpha=0.1, col='#F781F3')+
  geom_smooth(method='lm',se=F, col=1)+
  geom_smooth(method='loess',se=F, 
              col='#FF0040',
              linetype = 'longdash')

library(plotly)

ggplotly(graf)

7.2 Exemplo 2

graf2 <- 
  ggplot(data=diamonds[ind,], aes(x=table,y=depth,col=cut))+
  geom_point(alpha=0.3)+
  geom_smooth(method='lm',se=F, col=1)+
  facet_wrap(~clarity)+
  theme_light()+
  theme(legend.position = 'none')

ggplotly(graf2)