R cuenta con un sistema de generación de gráficas poderosas y flexibles; sin embargo, su uso requiere de mucha práctica y paciencia.

Para los ejemplos emplearemos la base de datos disponible en UCI Machine Learning Repository. Emplearemos el conjunto de datos denominado “Bank Marketing Data Set” que contiene información de personas contactadas en una campaña de marketing directo puesta en marcha por un banco de Portugal.

#Importamos lo datos
# download.file(
#   url = "https://raw.githubusercontent.com/jboscomendoza/r-principiantes-bookdown/master/datos/bank.csv", 
#   destfile = "bank.csv"
#   )

readLines("datos/bank.csv", n = 4)
banco <- read.csv("datos/bank.csv", sep = ";")

head(banco)

##   age         job marital education default balance housing loan  contact day month duration
## 1  30  unemployed married   primary      no    1787      no   no cellular  19   oct       79
## 2  33    services married secondary      no    4789     yes  yes cellular  11   may      220
## 3  35  management  single  tertiary      no    1350     yes   no cellular  16   apr      185
## 4  30  management married  tertiary      no    1476     yes  yes  unknown   3   jun      199
## 5  59 blue-collar married secondary      no       0     yes   no  unknown   5   may      226
## 6  35  management  single  tertiary      no     747      no   no cellular  23   feb      141
##   campaign pdays previous poutcome  y
## 1        1    -1        0  unknown no
## 2        1   339        4  failure no
## 3        1   330        1  failure no
## 4        4    -1        0  unknown no
## 5        1    -1        0  unknown no
## 6        2   176        3  failure no

# #Cómo conocemos las dimensiones del dataframe?
# dim(banco)
# 
# #Determinamos la clase de cada variable
# lapply(banco, class)
# 
# #Resumen de nuestra base de datos
# summary(banco)

FUNCIÓN PLOT

La función plot() es usada de manera general para crear gráficos en R. Así mismo, podemos ajustar diferentes parámetros para controlar el aspecto y dimensión de los gráficos.

plot() siempre pide un argumento x, que corresponde al eje X de una gráfica. x requiere un vector y si no especificamos este argumento, obtendremos un error y no se creará la gráfica. El resto de los argumentos de plot() son opcionales, pero el más importante es y. Este argumento también requiere un vector y corresponde al eje Y de la gráfica.

Dependiendo del tipo de dato que sea x o y tendremos un gráfico específico de acuerdo a las siguientes reglas:

En donde los tipos de dato son:

Continuo: Un vector numérico, entero, lógico o complejo.
Discreto: Un vector de factores o cadenas de texto.

Hay funciones que generan tipos específicos de gráficos como por ejemplo la función barplot() o hist().

Además, es importante tener en cuenta que existen funciones de ALTO NIVEL y funciones de BAJO NIVEL. Las primeras permiten crear un nuevo gráfico, las segundas, agregar elementos a uno preexistente.

Histogramas

Permite observar la distribución de los datos numéricos usando barras. Un histograma se crea con la función hist(), donde el primer argumento debe ser un vector numérico.

Un ejemplo con la base de datos anteriormente usada:

# histograma
hist((x = banco$age))

# modificar algunos parámetros
hist(x = banco$age, 
     # titulo
     main = "Histograma de edad",
     # ejes
     xlab = "Edad", 
     ylab = "Frecuencia",
     # color
     col = "purple")

Se pude obtener una gran variedad de colores en R, pueden ver una lista de los colores disponibles en R en el siguiente enlace: http://www.stat.columbia.edu/~tzheng/files/Rcolor.pdf

Diagrama de dispersión

Usado para mostrar la relación entre dos variables numéricas continuas usando puntos. En R para generar un diagrama de dispersión se usa la función plot() con sus respectivos argumentos x e y.

plot(x = banco$age, y = banco$balance, type = "p")

Tenemos valores extremos que no permiten visualizar correctamente la mayor cantidad de nuestros datos. Entonces, para fines de tener una gráfica más informativa, vamos a cambiar todos los valores mayores a 15000.

estos valores para tener una mejor visualización.

banco$balance <- ifelse(banco$balance > 15000, 15000, banco$balance)
plot(x = banco$age, 
     y = banco$balance, 
     type = "p",
     pch = "+")

plot(x = banco$age, y = banco$balance, col = as.factor(banco$loan))

Sabemos que los niveles de loan son “no” y “yes”, además que los colores han sido rojo y negro pero sería de utilidad para el lector agregar una leyenda que explique explícitamente los colores.

plot(x = banco$age,
     y = banco$balance,
     col = as.factor(banco$loan))

legend(
  # Posición leyenda
  x = "topleft", 
  # Categoría de la variable
  legend = c("No", "Yes"),
  # Relleno de cada variable categórica
  fill = c("Black", "Red"),
  # titulo
  title = "Loan")

Usando la base de datos Iris

plot(x = iris$Petal.Length, 
     y = iris$Petal.Width,
     col = as.factor(iris$Species),
     main = "Iris - Pétalo",
     xlab = "Largo",
     ylab = "Ancho")

legend(x = "topleft",
       legend = c("Setosa", 
                  "Versicolor", 
                  "Virginica"),
       fill = c("black",
                "red",
                "green"),
       title = "Especie")

Diagrama de cajas

Son gráficos que muestran la distribución de una variable usando cuartiles, de modo que de forma visual podemos inferir algunas cosas sobre su dispersión, ubicación y simetría.

Para crear un boxplot usamos la función plot() teniendo en cuenta que el argumento x debe ser un factor, y como argumento y, un vector numérico.

plot(x = as.factor(banco$education),
     y = banco$age)

plot(x = as.factor(banco$education),
     y = banco$age,
     main = "Edad por nivel educativo",
     xlab = "Nivel educativo", 
     ylab = "Edad",
     col = c("orange3",
             "yellow3",
             "green3",
             "grey"))

También se puede generar el mismo gráfico con una función específica de R denominada boxplot()

boxplot(formula = age ~ education, data =  banco)

Graficos líneas

x  <- c( 1:50 )
y0 <- rnorm( 50, mean = 5)
y1 <- rnorm( 50, mean = 0 )
y2 <- rnorm( 50, mean = -5 )
head(data.frame(x,y0,y1,y2))

##   x       y0         y1        y2
## 1 1 6.330195  0.3704822 -2.863083
## 2 2 5.425095 -0.4625080 -5.163627
## 3 3 6.307773  2.4441537 -3.851685
## 4 4 4.030535 -1.3778209 -4.717164
## 5 5 4.176592 -0.0200676 -5.395428
## 6 6 5.044197  1.2823934 -5.067296

plot(c(-1,50),
     c(-8,9),
     type = "n",
     xlab = "Tiempos",
     ylab = "Efectos",
     main = "Líneas Temporales")

lines(x, 
      y0, 
      # grosor de línea
      lwd = 0.7,
      # tipo de linea
      lty = 1, 
      # color
      col = "blue")
lines(x, y1, lwd = 1.5, lty = 2, col = "darkorange1")
lines(x, y2, type = "b", lwd = 1.3, lty = 3, col = "green4")

# help(points)

Graficos multipanel

par(mfrow = c(2,3))

# 1er grafico: Histograma
hist(x = banco$age, 
     # titulo
     main = "Histograma de edad",
     # ejes
     xlab = "Edad", 
     ylab = "Frecuencia",
     # color
     col = "purple")

# 2do grafico: Dispersión
plot(x = banco$age,
     y = banco$balance,
     col = as.factor(banco$loan))

legend(
  # Posición leyenda
  x = "topleft", 
  # Categoría de la variable
  legend = c("No", "Yes"),
  # Relleno de cada variable categórica
  fill = c("Black", "Red"),
  # titulo
  title = "Loan")

# 3er gráfico: Data Iris
plot(x = iris$Petal.Length, 
     y = iris$Petal.Width,
     col = as.factor(iris$Species),
     main = "Iris - Pétalo",
     xlab = "Largo",
     ylab = "Ancho")

legend(x = "topleft",
       legend = c("Setosa", 
                  "Versicolor", 
                  "Virginica"),
       fill = c("black",
                "red",
                "green"),
       title = "Especie")

# 4to gráfico: Diagrama de caja usando la función plot()
plot(x = as.factor(banco$education),
     y = banco$age,
     main = "Edad por nivel educativo",
     xlab = "Nivel educativo", 
     ylab = "Edad",
     col = c("orange3",
             "yellow3",
             "green3",
             "grey"))

# 5to gráfico: Diagrama de caja usando la fucnión boxplot()
boxplot(formula = age ~ education, data =  banco)

# 6to gráfico: Serie de datos
plot(c(-1,50),
     c(-8,9),
     type = "n",
     xlab = "Tiempos",
     ylab = "Efectos",
     main = "Líneas Temporales")

lines(x, 
      y0, 
      # grosor de línea
      lwd = 0.7,
      # tipo de linea
      lty = 1, 
      # color
      col = "blue")
lines(x, y1, lwd = 1.5, lty = 2, col = "darkorange1")
lines(x, y2, type = "b", lwd = 1.3, lty = 3, col = "green4")

Exportar gráficos

Para exportar un gráfico se puede usar algunas de las siguientes funciones:

bpm()
jpeg()
pdf()
png()
tiff()

Cada una de estas funciones tiene los siguientes argumentos:

filename: Nombre y ruta del plot.
width: El ancho de la imagen.
height: El alto de la imagen.

Estas funciones se llaman antes de crear el gráfico. Veamos un ejemplo:

png(filename = "graphics_files/loan_age")
plot(x = banco$age,
     y = banco$duration,
     col = as.factor(banco$loan),
     main = "Edad y Duración",
     xlab = "Edad",
     ylab = "Duración")
legend(x = "topleft",
       legend = c("No", "Yes"),
       fill = c("Black", "Red"),
       title = "Loan")
dev.off()

## png 
##   2

file.show("graphics_files/loan_age")

png(filename = "graphics_files/graficosTodos")

par(mfrow = c(2,3))

# 1er grafico: Histograma
hist(x = banco$age, 
     # titulo
     main = "Histograma de edad",
     # ejes
     xlab = "Edad", 
     ylab = "Frecuencia",
     # color
     col = "purple")

# 2do grafico: Dispersión
plot(x = banco$age,
     y = banco$balance,
     col = as.factor(banco$loan))

legend(
  # Posición leyenda
  x = "topleft", 
  # Categoría de la variable
  legend = c("No", "Yes"),
  # Relleno de cada variable categórica
  fill = c("Black", "Red"),
  # titulo
  title = "Loan")

# 3er gráfico: Data Iris
plot(x = iris$Petal.Length, 
     y = iris$Petal.Width,
     col = as.factor(iris$Species),
     main = "Iris - Pétalo",
     xlab = "Largo",
     ylab = "Ancho")

legend(x = "topleft",
       legend = c("Setosa", 
                  "Versicolor", 
                  "Virginica"),
       fill = c("black",
                "red",
                "green"),
       title = "Especie")

# 4to gráfico: Diagrama de caja usando la función plot()
plot(x = as.factor(banco$education),
     y = banco$age,
     main = "Edad por nivel educativo",
     xlab = "Nivel educativo", 
     ylab = "Edad",
     col = c("orange3",
             "yellow3",
             "green3",
             "grey"))

# 5to gráfico: Diagrama de caja usando la fucnión boxplot()
boxplot(formula = age ~ education, data =  banco)

# 6to gráfico: Serie de datos
plot(c(-1,50),
     c(-8,9),
     type = "n",
     xlab = "Tiempos",
     ylab = "Efectos",
     main = "Líneas Temporales")

lines(x, 
      y0, 
      # grosor de línea
      lwd = 0.7,
      # tipo de linea
      lty = 1, 
      # color
      col = "blue")
lines(x, y1, lwd = 1.5, lty = 2, col = "darkorange1")
lines(x, y2, type = "b", lwd = 1.3, lty = 3, col = "green4")

dev.off()

## png 
##   2

file.show("graphics_files/graficosTodos")

knitr::knit_exit()