Estructura

• ¿Por que?
• Definiciones
• Recomendaciones Técnicas & Visuales
• Ejercicios y concursos

¿Por que visualización?

Definición técnica (Posible)

Representación gráfica de datos codificando la información como: posición, tamaño, formas, colores

Muchos sabores:

Cosas importantes sobre visualización de datos:

• Lleva información, es un mensaje
• Ejercicio mental para interpretar o decodificar(!!) información
• No siempre es el fin
• Herramienta exploratoria
• Distintas visualizaciones en mismos datos / Distintas historias

Ejercicio

¿Existe el mejor gráfico? ¿Cuál de las siguientes formas funciona mejor con el títutlo?

La región del sur exhibe el mayor crecimiento

Adapatado del tweet de Lisa Charlotte Rost que a su vez está viene del ejemplo del libro “Show me the numbers” de Stephen Few

Los datos:

Opción #1

Opción #2

(Posible) Respuesta

No. Dependerá de tu mensaje, de tu historia.

Pie Charts (o tortas)

Usuales dificultades

• Compara áreas
• Ejercicio mental de rotar para comparar categorías

Es muy usado es el pie chart

Es muy (ab)usado es el pie chart

Puntos de Referencia

Convenciones

Ejercicio 2. Encuentre las anomalías

Rápidamente ¿Dónde se produce el máximo?

Tipografía

¿Conocen a …?

Según comic sans criminal:

• Fuentes tienen personalidad
• Tiene un propósito
• Armonía en el universo

Colores

La misma idea de las convenciones!

1 2 3 4 5 6

• Dar foco y llamar la atención
• Debiesen ser corcondantes con el dato

Etiquetas

ggplot2

Características:

• Paquete para visualizar datos mediante capas
• Es muy poderoso y flexible
• Se carga junto al tidyverse
• No es la única opción en R para graficar

Datos

library(gapminder)
data(gapminder)
paises <- gapminder %>% 
  filter(year == max(year))
paises

## # A tibble: 142 x 6
##    country     continent  year lifeExp       pop gdpPercap
##    <fct>       <fct>     <int>   <dbl>     <int>     <dbl>
##  1 Afghanistan Asia       2007    43.8  31889923      975.
##  2 Albania     Europe     2007    76.4   3600523     5937.
##  3 Algeria     Africa     2007    72.3  33333216     6223.
##  4 Angola      Africa     2007    42.7  12420476     4797.
##  5 Argentina   Americas   2007    75.3  40301927    12779.
##  6 Australia   Oceania    2007    81.2  20434176    34435.
##  7 Austria     Europe     2007    79.8   8199783    36126.
##  8 Bahrain     Asia       2007    75.6    708573    29796.
##  9 Bangladesh  Asia       2007    64.1 150448339     1391.
## 10 Belgium     Europe     2007    79.4  10392226    33693.
## # ... with 132 more rows

Creando un gráfico :)

ggplot(data = paises)

Mejorando un gráfico

ggplot(data = paises) + 
  geom_point(mapping = aes(x = lifeExp, y = gdpPercap))

Que sucedió?

ggplot(data = paises) + 
  geom_point(mapping = aes(x = lifeExp, y = gdpPercap))

Podemos setear las propiedades estéticas de tu geom manualmente:

ggplot(data = paises) + 
  geom_point(mapping = aes(x = lifeExp, y = gdpPercap), color = "blue")

En este caso un punto no solo puede poseer x e y, puede tener tamaño dado por una variable

ggplot(data = paises) + 
  geom_point(mapping = aes(x = lifeExp, y = gdpPercap, size = pop), color = "blue")

Quizás en lugar de setar color fijo, podemos asignarlo segun una variable

ggplot(data = paises) + 
  geom_point(mapping = aes(x = lifeExp, y = gdpPercap, size = pop, color = continent))

O realizar facets/paneles

ggplot(data = paises) + 
  geom_point(mapping = aes(x = lifeExp, y = gdpPercap, size = pop)) +
  facet_wrap(vars(continent))

Ejercicios

Revisemos el archivo 04-script-visualizacion-datos.R