11 Criando Gráficos no R

A comunicação dos resultados talvez seja a parte mais importante do trabalho de um cientista de dados. Digo isso porque sem apresentar seus resultados de forma eficiente e clara, todo o trabalho desenvolvido é inútil.

A visualização de dados, representada por gráficos, é praticamente indispensável em qualquer apresentação de um projeto desenvolvido por um Cientista de Dados.

Certamente as cores e os tamanhos das barras, colunas ou qualquer outra representação vão facilitar muito o entendimento da mensagem que você deseja apresentar.

E posso te garantir que somos extremamente bem servidos quando o assunto é visualização de dados com a linguagem R.

Existe uma grande quantidade de bibliotecas que podemos usar para fazer gráficos realmente muito bonitos, claros e que irão surpreender os leitores de seus relatórios ou dashboards.

Não é o objetivo desse e-book falar sobre todas essas bibliotecas, mas vou citar aqui as minhas favoritas:

ggplot2
plot.ly
googleVis
rCharts
leaflet

Dentre as 5 possibilidades aqui citadas, destaco a primeira: ggplot2. Iremos aprofundar mais nessa biblioteca pela quantidade de possibilidades que ela nos traz.

Usando a biblioteca ggplot2 você irá conseguir fazer praticamente todos os tipos de gráficos disponíveis e com enorme capacidade de customização do seu gráfico.

A medida que você for dominando a linguagem R, sugiro que também explore outras bibliotecas. Muitas vezes as bibliotecas plot.ly, googleVis e rCharts irão te possibilitar a criação de gráficos mais chamativos do que a biblioteca ggplot2.

Eu costumo escolher a biblioteca que irei usar de acordo com o gráfico que desejo fazer.

A biblioteca leaflet, por exemplo, é específica para a construção de mapas interativos.

11.1 Criando gráficos com a biblioteca ggplot2

Os gráficos da biblioteca partem de uma ideia bem simples:

Todos os gráficos podem ser construídos com 3 elementos:

O conjunto de dados
Um sistema de coordenadas
As marcas de representação visual (linhas, colunas, pontos, etc)

Na prática, veremos como podemos criar um gráfico simples e depois ir aperfeiçoando e personalizando de acordo com a nossa necessidade. Esse aperfeiçoamento acontece com novas linhas de código, que são acrescentadas ao gráfico que já foi criado.

Instalando o pacote ggplot2:

install.packages("ggplot2")

11.1.1 Seu primeiro gráfico

O código a seguir é dividido com os 3 elementos que citamos acima. O primeiro elemento é o conjunto de dados mtcars. Dataset que contém informações de diferentes modelos de carros.

O segundo elemento está dentro da função aes(), que é usada para definir a estética do gráfico (abreviação para aesthetics - estética em inglês).

Nesse elemento, definimos os eixos do gráfico. O gráfico irá mostrar a relação entre duas variáveis. A variável mpg (miles per gallon - Milhas percorridas para 1 galão de combustível) e wt (Weight - peso do carro).

A variável mpg será alocada no eixo x (horizontal) e a variável wt no eixo y (vertical).

O terceiro elemento são as marcas de representação visual do gráfico e são definidos pela função geom_point().

Como nesse exemplo não há nenhuma customização, a função geom_point() será vazia.

library(ggplot2)

ggplot(mtcars, aes(mpg, wt)) +
  geom_point()

11.1.2 Incrementando o gráfico

Podemos incrementar um pouco o nosso gráfico adicionando uma terceira variável. Vamos adicionar a variável cyl, que representa o número de cilindros do carro.

Agora, com 3 variáveis, o gráfico continuará sendo bi-dimensional. Porém, os pontos do gráfico serão coloridos de acordo com a variável cyl.

Antes de criarmos o gráfico, segue uma consideração: a variável cyl está classificada como numérica.

class(mtcars$cyl)

## [1] "numeric"

Os carros desse dataset possuem 4, 6 ou 8 cilindros. Então, nesse caso será mais interessante tratar a variável cyl como categórica. Essa pequena alteração fará muita diferença na visualização dos dados, pois irá colorir cada uma das categorias com cores totalmente distintas.

Caso se considerasse a variável cyl como numérica, as cores de cada quantidade de cilindros sofreriam alterações apenas no tom da cor, dificultando a visualização de cada um dos grupos.

Para tratar a variável cyl como categórica, vamos apenas adicionar a função factor() ao inserir a variável na criação do gráfico.

library(ggplot2)

ggplot(mtcars, aes(mpg, wt,color=factor(cyl))) +
  geom_point()

Então, nesse último colocamos duas variáveis nos tradicionais eixos x e y - mpg e wt, respectivamente. Além disso, colorimos os pontos do gráfico de acordo com a quantidade de cilindros de cada carro.

E se precisássemos adicionar mais informações a esse gráfico?

11.1.3 O Gráfico de Bolhas - Bubble Chart

Além dessas 3 variáveis, se usarmos o gráfico de bolhas, poderemos adicionar uma 4ª variável ao nosso gráfico sem comprometer a sua qualidade.

Então, a variável mpg será representada pelo eixo x, a variável wt pelo eixo y, a quantidade de cilindros será destacada por cores diferentes de cada bolha.

A quarta variável escolhida é a qsec, que mede quantos segundos o carro precisa para alcançar 0,25 milhas.

Em nosso gráfico, a variável qsec será representada pelo tamanho da bolha.

Cada bolha é um ponto do gráfico e representa um carro do conjunto de dados.

ggplot(mtcars, aes(mpg, wt))+ #definição de qual é o dataset e quais são as variáveis dos eixos x e y.
  geom_point(aes(color = factor(cyl), size = qsec), alpha = 0.5) + #definição de qual variável será representada pela cor e qual será representada pelo tamanho das bolhas.
  scale_color_manual(values = c("#00AFBB", "#E7B800", "#FC4E07")) + #definição das cores das bolhas.
  scale_size(range = c(0.5, 12))  # Amplitude do tamanho das bolhas

Pelos dois últimos gráficos, há fortes indícios que quanto maior o peso do carro (wt), menor é a quantidade de milhas que ele consegue percorrer com um galão de combustível.

Além disso, parece haver uma relação entre a quantidade de cilindros e essas duas variáveis. Por exemplo, os carros com 4 cilindros parecem ser mais leves e rodar mais milhas com um galão de combustível.

11.1.4 O gráfico de correlação

Para verificar a correlação entre as variáveis, podemos simplesmente uma tabela com a correlação entre elas:

tabela_correlacao <- round(stats::cor(mtcars), 1) #a função round é usada para arredondar as casas decimais do resultado.
tabela_correlacao

##       mpg  cyl disp   hp drat   wt qsec   vs   am gear carb
## mpg   1.0 -0.9 -0.8 -0.8  0.7 -0.9  0.4  0.7  0.6  0.5 -0.6
## cyl  -0.9  1.0  0.9  0.8 -0.7  0.8 -0.6 -0.8 -0.5 -0.5  0.5
## disp -0.8  0.9  1.0  0.8 -0.7  0.9 -0.4 -0.7 -0.6 -0.6  0.4
## hp   -0.8  0.8  0.8  1.0 -0.4  0.7 -0.7 -0.7 -0.2 -0.1  0.7
## drat  0.7 -0.7 -0.7 -0.4  1.0 -0.7  0.1  0.4  0.7  0.7 -0.1
## wt   -0.9  0.8  0.9  0.7 -0.7  1.0 -0.2 -0.6 -0.7 -0.6  0.4
## qsec  0.4 -0.6 -0.4 -0.7  0.1 -0.2  1.0  0.7 -0.2 -0.2 -0.7
## vs    0.7 -0.8 -0.7 -0.7  0.4 -0.6  0.7  1.0  0.2  0.2 -0.6
## am    0.6 -0.5 -0.6 -0.2  0.7 -0.7 -0.2  0.2  1.0  0.8  0.1
## gear  0.5 -0.5 -0.6 -0.1  0.7 -0.6 -0.2  0.2  0.8  1.0  0.3
## carb -0.6  0.5  0.4  0.7 -0.1  0.4 -0.7 -0.6  0.1  0.3  1.0

A tabela acima é muito informativa, porém, caso seja visualizada como um gráfico será muito mais fácil de compreendê-la.

Para criar um gráfico com a correlação entre as variáveis, precisaremos fazer uma pequena transformação na tabela acima.

A matriz será transformada em uma nova tabela com 3 colunas: duas colunas com os nomes das variáveis e a terceira coluna com o valor correspondente da correlação entre elas.

Para isso, usaremos a biblioteca reshape2 e a função melt:

# install.packages("reshape2")  #caso vc não já tenha instalado a biblioteca reshape2, precisa executar essa linha.
library(reshape2)
melted_tabela_correlacao <- melt(tabela_correlacao)
head(melted_tabela_correlacao)

##   Var1 Var2 value
## 1  mpg  mpg   1.0
## 2  cyl  mpg  -0.9
## 3 disp  mpg  -0.8
## 4   hp  mpg  -0.8
## 5 drat  mpg   0.7
## 6   wt  mpg  -0.9

library(ggplot2)
ggplot(data = melted_tabela_correlacao, aes(x=Var1, y=Var2, fill=value)) + 
  geom_tile()

11.1.5 Aperfeiçoando o gráfico

Os gráficos facilitam muito a visualização dos dados. Porém, com mais um pouco de esforço, podemos melhorar muito a visualização desses dados.

tabela_correlacao[lower.tri(tabela_correlacao,diag = T)]<- NA ## selecionar apenas a parte superior da matriz (evitando informações repetidas)
head(tabela_correlacao)

##      mpg  cyl disp   hp drat   wt qsec   vs   am gear carb
## mpg   NA -0.9 -0.8 -0.8  0.7 -0.9  0.4  0.7  0.6  0.5 -0.6
## cyl   NA   NA  0.9  0.8 -0.7  0.8 -0.6 -0.8 -0.5 -0.5  0.5
## disp  NA   NA   NA  0.8 -0.7  0.9 -0.4 -0.7 -0.6 -0.6  0.4
## hp    NA   NA   NA   NA -0.4  0.7 -0.7 -0.7 -0.2 -0.1  0.7
## drat  NA   NA   NA   NA   NA -0.7  0.1  0.4  0.7  0.7 -0.1
## wt    NA   NA   NA   NA   NA   NA -0.2 -0.6 -0.7 -0.6  0.4

library(reshape2)
dados_correlacao <- melt(tabela_correlacao,na.rm = T) #transformando os dados para as 3 colunas como anteriormente.
head(dados_correlacao)

##    Var1 Var2 value
## 12  mpg  cyl  -0.9
## 23  mpg disp  -0.8
## 24  cyl disp   0.9
## 34  mpg   hp  -0.8
## 35  cyl   hp   0.8
## 36 disp   hp   0.8

library(ggplot2)
ggplot(data = dados_correlacao, aes(Var2, Var1, fill = value))+ #seleciona os dados e as variáveis para cada eixo, assim como a variável que determina a cor (value).
 geom_tile(color = "white")+    #definindo a cor do contorno de cada quadrado.
 scale_fill_gradient2(low = "blue", high = "red", mid = "white", #definindo a escala de cor das correlações
   midpoint = 0, limit = c(-1,1), space = "Lab", #definindo a escala das correlações
   name="Coef. Correlação") + #definindo o nome da legenda.
  theme_minimal()+ #tema de fundo do gráfico
   coord_fixed() + #mantém as coordenadas e as mediadas dos quadrados fixos.
  labs(x = "nome eixo x", y = "nome eixo y") #define o nome para o eixo x e para o eixo y

Fique tranquilo que você não precisa decorar as funções acima. É importante que você leia e entenda o que cada uma está fazendo, só isso. E isso vai acontecer aos poucos, com a prática.

Digo que você não precisa decorar porque são infinitas possibilidades e não faz sentido nenhum gastar energia decorando isso. Basta que você pesquise no Google sobre o gráfico que deseja fazer e escolha o melhor para o seu caso.

Após encontrar na internet um código do gráfico que você deseja criar, basta fazer algumas adaptações para o seu caso.

Entendendo os comandos do gráfico acima: assim como nos outros gráficos do pacote ggplot2, temos o padrão de inserir os dados (dados_correlacao), depois definir as variáveis para os eixos x e y e o nome da variável que será colorida (aes(Var2, Var1, fill = value)). Os comandos seguintes são as marcas de representação visual e customizações do gráfico.

As mesmas estruturas acima podem ser utilizadas para todos os gráficos da biblioteca ggplot2, que possui diversos tipos de gráficos.

www.luisotavio.pro