Previo

Vamos a importar de nuevo de la ECOVID-ML, una nueva fuente desarrollada por INEGI. https://www.inegi.org.mx/investigacion/ecovidml/2020/

Vamos a llamar algunas librerías básicas, el tidyverse (que son muchas librerías) y sjlabelled que nos sirve para el manejo de etiquetas

if (!require("pacman")) install.packages("pacman") # instala pacman si se requiere
## Loading required package: pacman
pacman::p_load(tidyverse, readxl,haven, sjlabelled, foreign, janitor, srvyr, esquisse, RColorBrewer) #carga los paquetes necesarios para esta práctica

Por si no tuviéramos cargada la base de datos, la volveremos a cargar

ecovid0420 <- read_dta("./datos/ecovid0420.dta")

También vamos usar la base de Índice de Competitividad Internacional ICI, desarrollado por el Instituto Mexicano de Competitividad. (véase http://imco.org.mx/indices/mexico-suenos-sin-oportunidad/)

ICI_2018 <- read_excel("./datos/ICI_2018.xlsx", sheet = "para_importar")
## New names:
## * `` -> ...128
## * `` -> ...129
## * `` -> ...132
## * `PIB (Paridad de Poder Adquisitivo)` -> `PIB (Paridad de Poder Adquisitivo)...135`
## * `PIB (Paridad de Poder Adquisitivo)` -> `PIB (Paridad de Poder Adquisitivo)...136`
## * ...
ICI_2018 <- clean_names(ICI_2018) # limpia los nombres

¿Cuál es el mejor gráfico?

Hay cursos específicos de visualización de datos. Es maravilloso pero también requiere que estudiemos bien qué tipo de datos tenemos y cuáles son nuestros objetivos.

Me gusta mucho este recurso: https://www.data-to-viz.com/

Gráficos de base

“plot()” Es la función más simple. Y es otro comando “listo”

  plot(as_label(ecovid0420$pb3))

Esto es igual que:

barplot(table(as_label(ecovid0420$pb3)))

También en prácticas pasadas hemos visto el histograma y el boxplot.

hist(ICI_2018$esperanza_de_vida)

boxplot(ICI_2018$esperanza_de_vida)

Gráficos con ggplot

Hoy vamos a presentar a un gran paquete ¡Es de los famosos! Y tiene más de diez años.

“gg” proviene de “Grammar of Graphics”, funciona un poco como sintácticamente, de ahí su nombre.

Algunos recursos para aprender ggplot

Vamos a revisar una presentación que es muy interesante

Un lienzo para dibujar

Para hacer un gráfico, ggplot2 tiene el comando “ggplot()”. Hacer gráficos con esta función tiene una lógica aditiva. Lo ideal es que iniciemos estableciendo el mapeo estético de nuestro gráfico, con el comando aes()

g1<-ecovid0420 %>%
  ggplot(aes(as_label(pb3)))

g1 # imprime el lienzo

Gráficos univariados

Para cualitativas

g1 + geom_bar()

g1 +  geom_bar(aes(
  fill = as_label(pb3)
  )) # colorea la geometría

# Esto es equivalente

ecovid0420 %>%
  ggplot(aes(as_label(pb3),
             fill = as_label(pb3)
             )
         ) + geom_bar()

## Para variables cuantitativas Podemos hacer histogramas y gráficos de densidad, de manera fácil. La idea es agregar en nuestro “lienzo” una geometría, un valor para dibujar en él. Esto se agrega con un “+” y con la figura que se añadirá a nuestro gráfico.

g2<-ecovid0420 %>%
  ggplot(aes(pb2))

g2 # imprime el lienzo

Histograma

g2 + geom_histogram() 
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## Warning: Removed 25 rows containing non-finite values (stat_bin).

Densidad

g2 + geom_density()
## Warning: Removed 25 rows containing non-finite values (stat_density).

Gráficos bivariados

Cuali-cuali

g1 +  geom_bar(aes(fill = as_label(pb1)),
              position="dodge") #pone las categorías lado a lado y no apiladas

Otra manera interesante de observar estas variables, es que estándo apiladas, cada categoría de escolaridad se entendiera como una unidad:

g_bivariado <- g1 +  geom_bar(aes(fill = as_label(pb1)),
              position="fill") # cada categoría "llena" a una unidad

g_bivariado

Escalas de color: RcolorBrewer es el más famoso.

g_bivariado + scale_fill_brewer(palette = "Dark2")

Cambiamos el tema:

g_bivariado + scale_fill_brewer(palette = "Dark2") + theme_minimal()

Un atajo “esquisse”

Si la lógica de las capas y lienzos parece un poco complicada para graficar con ggplot, el paquete “esquisse” tiene un complemento. Cuando lo instalamos con pacman más arriba, se puede observar el complemento:

library(esquisse)

Hoy desde el complemento podemos acceder a el siguiente menú y seleccionar nuestra base.

En tu barra de íconos de Rstudio

Una vez seleccionada, puedes hacer “drag and drop” de las variables y elegir el tipo de gráfico, incluso puedes hacer filtro con las variables disponibles

Puedes exportar esto a una imagen, a powerpoint o como código a ejecutar en RStudio. Esta herramienta es muy útil para irnos acostumbrando al código de ggplot que puede ser bastante complicado en los primeros acercamientos

Ejercicio

  • Realiza un gráfico de tu agrado, con las variables que te sientes cómoda o cómodo, en la base de datos de tu elección
  • Módificalo usando el paquete esquisse.
  • Enviálo a la siguiente liga (el script, así como la imagen)

https://forms.gle/BnMo7ftXJWX2EMbMA

¡El martes haremos votación de los mejeres gráficos!