{ggplot2}

ggplot2

Visualización de datos

Paul E. Santos Andrade | Data viz| 2021-01-21

1 / 82

{ggplot2} es un sistema para crear gráficos de forma declarativa, basado en "The Grammar of Graphics" (Wilkinson, 2005).

Tú proporcionas los datos, le dices a {ggplot2} cómo asignar variables, qué fuentes gráficas usar y él se encarga de los detalles.

Descripción ggplot2

2 / 82

Ventajas de ggplot2

Gramática subyacente consistente (Wilkinson, 2005)
Especificación de capas muy flexible
Sistema de herramientas para pulir la apariencia
Comunidad activa y útil (Twitter, R4DS Learning Community)

3 / 82

by: Cédric Scherer

4 / 82

by: Cédric Scherer

5 / 82

by: Cédric Scherer

6 / 82

by: Cédric Scherer

7 / 82

by: Martin Devaux

8 / 82

Libreria

ggplot2 es un paquete de visualización de datos desarrollado en el lenguaje de programación R, creado por Hadley Wickham en 2005.

install.packages("ggplot2")
library(ggplot2)

{ggplot2} es parte de {tidyverse}, un conjunto de paquetes que funcionan en armonía para manipular y explorar datos.

install.packages("tidyverse")
library(tidyverse)

tidiverse esta formado por dplyr, tidyr, ggplot2, readr, tibble, purrr...

9 / 82

Datos

Datos del Estudio Nacional de Contaminación del Aire de Morbilidad y Mortalidad (NMMAPS), filtrado para la ciudad de Chicago y el intervalo de tiempo de enero de 1997 a diciembre de 2000.

chic <- readr::read_csv(here("data",
                 "chicago-nmmaps.csv")) %>% 
  mutate(season = factor(season, levels = c("Spring", "Summer", "Autumn", "Winter")),
         year = factor(year, levels = as.character(1997:2000)))
chic %>% 
  glimpse()

## Rows: 1,461
## Columns: 10
## $ city     <chr> "chic", "chic", "chic", "chic", "chic", "chic", "chic", "c...
## $ date     <date> 1997-01-01, 1997-01-02, 1997-01-03, 1997-01-04, 1997-01-0...
## $ death    <dbl> 137, 123, 127, 146, 102, 127, 116, 118, 148, 121, 110, 127...
## $ temp     <dbl> 36.0, 45.0, 40.0, 51.5, 27.0, 17.0, 16.0, 19.0, 26.0, 16.0...
## $ dewpoint <dbl> 37.500, 47.250, 38.000, 45.500, 11.250, 5.750, 7.000, 17.7...
## $ pm10     <dbl> 13.052268, 41.948600, 27.041751, 25.072573, 15.343121, 9.3...
## $ o3       <dbl> 5.659256, 5.525417, 6.288548, 7.537758, 20.760798, 14.9408...
## $ time     <dbl> 3654, 3655, 3656, 3657, 3658, 3659, 3660, 3661, 3662, 3663...
## $ season   <fct> Winter, Winter, Winter, Winter, Winter, Winter, Winter, Wi...
## $ year     <fct> 1997, 1997, 1997, 1997, 1997, 1997, 1997, 1997, 1997, 1997...

10 / 82

La estructura de ggplot2

"The Grammar of Graphics"

11 / 82

La estructura de ggplot2

Datos data -> Los datos que desea visualizar.
Estética aes() -> como se asignan las variables de los datos a los atributos estéticos.
Capas geom_ooo y stat_ooo -> Las formas geométricas y los resúmenes estadísticos como se representarán los datos.
Escalas scale_ooo -> como visualizar los datos en las dimensiones estéticas.
Sistema de coordenadas coord_ooo -> sistema de coordenadas, describe cómo se asignan las coordenadas de datos al plano del gráfico.
Facetas facet_ooo -> La disposición de los datos en una cuadrícula de gráficos.
Temas visuales theme() y theme_ooo -> Los valores predeterminados visuales generales de un grafico.

12 / 82

Data

ggplot(data, aes(x, y))

13 / 82

1. Data ggplot()

Necesitamos especificar los datos y las dos variables que queremos visualizar en la función ggplot():

ggplot(
  data = chic,
  mapping = aes(
    date,
    temp
  )
)

Solo hay un panel vacío porque {ggplot2} no sabe cómo debería trazar los datos.

14 / 82

1. Data ggplot()

Necesitamos especificar los datos y las dos variables que queremos visualizar en la función ggplot():

Dado que casi todos los ggplot() toman lo mismo argumentos (data, mapeo = aes (x, y)), también podemos escribir:

ggplot(
  chic,
  aes(
    date,
    temp
  )
)

15 / 82

1. Data ggplot()

Necesitamos especificar los datos y las dos variables que queremos visualizar en la función ggplot():

Dado que casi todos los ggplot() toman lo mismo argumentos (data, mapeo = aes (x, y)), también podemos escribir:

ggplot(
  chic,
  aes(
    date,
    temp
    )
)

... o agrega las variables en la función aes()estética fuera de la función de ggplot()

ggplot(chic) +
  aes(date, 
      temp)

16 / 82

Intro to R/ggplot2
Estéticaaes()17 / 82

2. Estética aes()

Estética de los objetos geométricos y estadísticos, como:

posición a través de x, y, xmin, xmax, ymin, ymax, ...
colores mediante color y fill
transparencia vía alfa
tamaños a través de size y width
formas a través de shape y linetype

En general, todo lo que se asigna a los datos debe estar envuelto en aes() mientras que los argumentos estáticos se colocan fuera de aes().

18 / 82

Intro to R/ggplot2
Capas - Layersgeom_ - stat_19 / 82

3. Capas `geom_` - `stat_`

Al agregar una o varias capas, podemos decirle a {ggplot2} cómo representar los datos. Hay muchos formas geométricas incorporadas (geom_) y transformaciones estadísticas (stat_):

20 / 82

3. Capas: geom_point()

Diagrama de dispersión. numérico - numérico

ggplot(chic,
       aes(
       date,
       temp
       )
       ) +
  geom_point()

chic %>% 
  ggplot(aes(
       date,
       temp
       )
       ) +
  geom_point()

21 / 82

3. Capas: geom_point()

Diagrama de dispersión. numérico - numérico

aes(color = var)

ggplot(chic,
       aes(
       date,
       temp
       )
       ) +
  geom_point(aes(
    color = season
    ) 
  )

22 / 82

3. Capas: geom_point()

Diagrama de dispersión. numérico - numérico

aes(shape = var)

ggplot(chic,
       aes(
       date,
       temp
       )
       ) +
  geom_point(aes(
    shape = season
    ) 
  )

23 / 82

3. Capas: geom_point()

Formas disponibles para gráficos de dispersión:

24 / 82

3. Capas: geom_point()

Diagrama de dispersión. numérico - numérico

geom_point(shape = 21)

ggplot(chic,
       aes(
       date,
       temp
       )
       ) +
  geom_point(
    shape = 21
  )

25 / 82

3. Capas: geom_line()

Gráfico lineal. numérico - numérico | categorico - numérico

ggplot(chic,
       aes(
       date,
       temp
       )
       ) +
  geom_line()

chic %>% 
  ggplot(aes(
       date,
       temp
       )
       ) +
  geom_line()

26 / 82

3. Capas: geom_line()

Gráfico lineal. numérico - numérico | categorico - numérico

aes(color = var)

ggplot(chic,
       aes(
       date,
       temp
       )
       ) +
  geom_line(aes(
    color = year
    ))

27 / 82

3. Capas: geom_line()

Tipos de líneas:

28 / 82

3. Capas: geom_line()

Gráfico lineal. numérico - numérico | categorico - numérico

geom_line(linetype = "dotted")

ggplot(chic,
       aes(
       date,
       temp
       )
       ) +
  geom_line(
    linetype = "dotted"
  )

29 / 82

3. Capas: geom_density()

Densidad – distribución. numérico

ggplot(chic,
       aes(
       o3
       )
       ) +
  geom_density()

30 / 82

3. Capas: geom_density()

Densidad – distribución. numérico

aes(color = var)

ggplot(chic,
       aes(
       o3
       )
       ) +
  geom_density(aes(color = season))

31 / 82

3. Capas: geom_density()

Densidad – distribución. numérico

aes(fill = var)

ggplot(chic,
       aes(
       o3
       )
       ) +
  geom_density(aes(fill = season))

32 / 82

3. Capas: geom_density()

Densidad – distribución. numérico

geom_density(aes(fill = var), alpha = .2)

ggplot(chic,
       aes(
       o3
       )
       ) +
  geom_density(aes(fill = season),
               alpha = .2)

33 / 82

3. Capas: geom_histogram()

Histograma. numérico

ggplot(chic,
       aes(
       o3
       )
       ) +
  geom_histogram()

34 / 82

3. Capas: geom_histogram()

Histograma. numérico

geom_histogram(aes(fill = var)
geom_histogram(aes(color = var)
geom_histogram(alpha = .1)

ggplot(chic,
       aes(
       o3
       )
       ) +
  geom_histogram(aes(
    fill = season
    ))

35 / 82

3. Capas: geom_histogram()

Histograma. numérico

geom_histogram(bins = 40)

bins, Determina el numero de columnas que se desea mostrar.

ggplot(chic,
       aes(
       o3
       )
       ) +
  geom_histogram(bins = 40)

36 / 82

3. Capas: geom_histogram()

Histograma. numérico

geom_histogram(binwidth = 20)

binwidth, Determina el rango de los intervalos para construir cada una de las columnas.

ggplot(chic,
       aes(
       o3
       )
       ) +
  geom_histogram(binwidth = 20)

37 / 82

3. Capas: geom_bar()

Gráfico de barras. numérico | categórico

ggplot(chic,
       aes(
       death
       )
       ) +
  geom_bar()

38 / 82

3. Capas: geom_col()

Gráfico de barras. categórico - numérico

chic %>% 
  count(death, name = "count") %>% head()

## # A tibble: 6 x 2
##   death count
##   <dbl> <int>
## 1    69     1
## 2    73     1
## 3    77     1
## 4    79     1
## 5    80     3
## 6    81     6

chic %>% 
  count(death, name = "count") %>% 
  ggplot(aes(death, count)) +
  geom_col()

39 / 82

3. Capas: geom_col()

Gráfico de barras. categórico - numérico

geom_col(aes(fill = var) geom_col(aes(color = var) geom_col(alpha = .1)

chic %>% 
  count(season, death, name = "count") %>% 
  head(n = 3)

## # A tibble: 3 x 3
##   season death count
##   <fct>  <dbl> <int>
## 1 Spring    80     1
## 2 Spring    83     1
## 3 Spring    84     3

chic %>% 
  count(season, death, name = "count") %>% 
  ggplot(aes(death, count)) +
  geom_col(aes(color = season))

40 / 82

3. Capas: geom_boxplot()

Gráfico de cajas – gráfico de bigotes. categórico - numérico

ggplot(chic,
       aes(
       date,
       temp
       )
       ) +
  geom_boxplot()

chic %>% 
  ggplot(aes(
       date,
       temp
       )
       ) +
  geom_boxplot()

41 / 82

3. Capas: geom_boxplot()

Gráfico de cajas – gráfico de bigotes. categórico - numérico

ggplot(chic,
       aes(
       year,
       temp
       )
       ) +
  geom_boxplot()

chic %>% 
  ggplot(aes(
       year,
       temp
       )
       ) +
  geom_boxplot()

42 / 82

3. Capas: geom_boxplot()

Gráfico de cajas – gráfico de bigotes. categórico - numérico

geom_col(aes(fill = var) geom_col(aes(color = var) geom_col(alpha = .1)

ggplot(chic,
       aes(
       year,
       temp
       )
       ) +
  geom_boxplot(aes(color = year))

43 / 82

3. Capas: geom_boxplot()

Gráfico de cajas – gráfico de bigotes. categórico - numérico

geom_col(aes(fill = var) geom_col(aes(color = var) geom_col(alpha = .1)

ggplot(chic,
       aes(
       year,
       temp
       )
       ) +
  geom_boxplot(aes(color = season))

44 / 82

3. Capas: Múltiples capas

chic %>% 
  ggplot(aes(
       date,
       temp
       )
       ) +
  geom_line() +
  geom_point() + 
  geom_rug(sides = "l")

45 / 82

3. Capas: Múltiples capas

chic %>% 
  ggplot(aes(
       date,
       temp
       )
       ) +
  geom_point() + 
  geom_smooth()

46 / 82

3. Capas: Múltiples capas

chic %>% 
  ggplot(aes(
       date,
       temp
       )
       ) +
  geom_point() + 
  geom_smooth(method = "lm")

47 / 82

3. Capas: Múltiples capas

chic %>% 
  ggplot(aes(
       date,
       temp
       )
       ) +
  geom_point(aes(color = year)) + 
  geom_smooth()

48 / 82

Intro to R/ggplot2
Escalasscales_49 / 82

4. Escalas scale_

Se puede usar scale_*() para cambiar las propiedades de todas las dimensiones estéticas asignadas a los datos.

En consecuencia, existen variantes de scale_*() para todas las estéticas como:

posición a través de scale_x_ooo() y scale_y_ooo()
colores a través de scale_color_ooo() y scale_fill_ooo()
transparencia a través de scale_alpha_ooo()
tamaños a través de scale_size_ooo()
formas a través de scale_shape_ooo() y scale_linetype_ooo()

50 / 82

4. Escalas scale_

Se puede usar scale_ooo() para cambiar las propiedades de todas las dimensiones estéticas asignadas a los datos. En consecuencia, existen variantes de scale_ooo() para todas las estéticas como:

posición a través de scale_x_ooo() y scale_y_ooo()
colores a través de scale_color_ooo() y scale_fill_ooo()
transparencia a través de scale_alpha_ooo()
tamaños a través de scale_size_ooo()
formas a través de scale_shape_ooo() y scale_linetype_ooo()

... con extensiones (ooo) como:

continuous(), discrete(), reverse(), log10(), squrt(), date(), time() ejes.
continuous(), discrete(), manual(), gradient(), hue(), brewer() for colores (bordes - contenido).
continuous(), discrete(), manual(), ordinal(), identity(), date() transparencias.
continuous(), discrete(), manual(), ordinal(), identity(), area(), date() tamaños.
continuous(), discrete(), manual(), ordinal(), identity() formas y tipos de línea.

51 / 82

4. Escalas scale_x_ooo -scale_y_ooo

Por ejemplo, para cambiar los títulos de los ejes:

chic %>% 
  ggplot(aes(
    date, temp, color = season
  )) +
  geom_point() +
  scale_x_date( name = NULL) +
  scale_y_continuous( name = "Temperature (°F)")

52 / 82

4. Escalas scale_x_ooo -scale_y_ooo

Por ejemplo, para cambiar los títulos de los ejes:

chic %>% 
  ggplot(aes(
    date, temp, color = season
  )) +
  geom_point() +
  scale_x_date(name = NULL,
                limits = c(as.Date("1997-01-01"),
                           as.Date("1998-12-31"))) +
  scale_y_continuous( name = "Temperature (°F)")

53 / 82

4. Escalas scale_x_ooo -scale_y_ooo

Por ejemplo, para cambiar los títulos de los ejes:

chic %>% 
  ggplot(aes(
    date, temp, color = season
  )) +
  geom_point() +
  scale_x_date(name = NULL,
                limits = c(as.Date("1997-01-01"),
                           as.Date("1998-12-31"))) +
  scale_y_continuous(name = "Temperature (°F)",
                     breaks = seq(0, 90, 20))

54 / 82

4. Escalas scale_x_ooo -scale_y_ooo

Por ejemplo, para cambiar los títulos de los ejes:

ggplot(chic, aes(date, temp)) +
 geom_point(aes(color = season)) +
 scale_y_continuous(
 name = NULL,
 breaks = c(0, 30, 60, 90),
 labels = c(
 '"Muy, frio!!!"',
 '"Frio"',
 '"Ideal"',
 '"Muy caliente!!!"'
 )
 )

55 / 82

4. Escalas scale_color_ooo -scale_fill_ooo

Del mismo modo, podemos cambiar las propiedades de las otras características. por ejemplo, modificar los colores predeterminados:

ggplot(chic, aes(date, temp)) +
 geom_point(aes(color = season)) +
 scale_color_manual(
 values = c(
 "red",
 "green",
 "blue",
 "yellow"
 ))

56 / 82

4. Escalas scale_color_ooo -scale_fill_ooo

Renombrar la leyenda:

ggplot(chic, aes(date, temp)) +
 geom_point(aes(color = season)) +
 scale_color_manual(
 values = c(
 "red",
 "green",
 "blue",
 "yellow"
 ),
 name = "Temporada:")

57 / 82

4. Escalas scale_color_ooo -scale_fill_ooo

Renombrar la leyenda:

ggplot(chic, aes(date, temp)) +
 geom_point(aes(color = season)) +
 scale_color_manual(
 values = c(
 "red",
 "green",
 "blue",
 "yellow"
 ),
 name = "Temporada:",
 guide = FALSE)

58 / 82

Intro to R/ggplot2
Sistema de coordenadascoord_59 / 82

5. Sistema de coordenadas coord_

Los sistemas de coordenadas combinan dos elementos que determinan la disposición de las características (generalmente x – y) para producir una posición “x, y” en el gráfico.

Sistemas de coordenadas lineales que conservan la forma de las geoms:

coord_cartesian(): el valor predeterminado con dos ejes orientados perpendiculares fijos
coord_flip(): un sistema de coordenadas cartesianas con ejes invertidos
coord_fixed(): un sistema de coordenadas cartesianas con una relación de aspecto fija

Sistemas de coordenadas no lineales que probablemente cambian las formas:

coord_map(): proyecciones de mapas
coord_polar(): un sistema de coordenadas polares
coord_trans(): transformaciones arbitrarias en las posiciones x - y

60 / 82

5. Sistema de coordenadas coord_cartesian()

ggplot(chic, aes(date, temp)) +
 geom_line() +
 coord_cartesian(
 ylim = c(50, 70)
 )

61 / 82

5. Sistema de coordenadas coord_cartesian()

ggplot(chic, aes(year, temp)) +
 geom_boxplot() +
 coord_cartesian(
 ylim = c(50, 70)
 )

ggplot(chic, aes(year, temp)) +
 geom_boxplot() +
 scale_y_continuous(
 limits = c(50, 70)
 )

62 / 82

5. Sistema de coordenadas coord_flip()

ggplot(chic, aes(season, temp)) +
 geom_col()

ggplot(chic, aes(season, temp)) +
 geom_col() +
  coord_flip()

63 / 82

5. Sistema de coordenadas coord_polar()

ggplot(chic, aes(season, temp)) +
 geom_col()

ggplot(chic, aes(season, temp)) +
 geom_col() +
  coord_polar()

64 / 82

Intro to R/ggplot2
Facetas - Panelesfacet_65 / 82

facet_wrap() divide la imagen en múltiples paneles con base en una variable de agrupación:

ggplot(chic, aes(temp, o3)) +
 geom_point(aes(color = year)) +
facet_wrap(~season)

66 / 82

facet_grid() genera una cuadricula en base a la combinación de dos variables de agrupación:

ggplot(chic, aes(temp, o3)) +
 geom_point(aes(color = year)) +
facet_grid(year ~ season)

67 / 82

facet_grid() genera una cuadricula en base a la combinación de dos variables de agrupación:

ggplot(chic, aes(temp, o3)) +
 geom_point(aes(color = year)) +
facet_grid(.~ season)

68 / 82

facet_grid() genera una cuadricula en base a la combinación de dos variables de agrupación:

ggplot(chic, aes(temp, o3)) +
 geom_point(aes(color = year)) +
facet_grid(year ~.)

69 / 82

Intro to R/ggplot2
Características visualestheme() - theme_70 / 82

7. Características visuales

theme() - theme_ controlan la visualización de todos los elementos de la grafico que no son datos

a. títulos

b. etiquetas

c. fuentes

d. fondo

e. líneas de cuadrícula

f. leyendas

71 / 82

7. Características visuales

ggplot(chic, aes(date, temp)) +
 geom_point() +
theme(
axis.text = element_text(
size = 15,
face = "bold",
color = "red"
),
panel.grid.major.x = element_line(
linetype = "dotted",
color = "black"
),
plot.background = element_rect(
fill = "dodgerblue",
color = "goldenrod"
  )
  )

72 / 82

7. Características visuales

ggplot(chic, aes(date, temp)) +
 geom_point() +
theme_minimal() +
theme(
axis.title.x = element_blank(),
panel.grid.major.y = element_blank(),
panel.grid.minor = element_blank()
  )

73 / 82

7. Características visuales

ggplot(chic, aes(date, temp)) +
 geom_point() +
theme_gray()

ggplot(chic, aes(date, temp)) +
 geom_point() +
theme_minimal()

74 / 82

Intro to R/ggplot2
Mas recursos75 / 82

Libros:

ggplot2: Elegant Graphics for Data Analysis https://ggplot2-book.org/index.html
Data Visualization: A Practical Introduction Kieran Healy socviz
Fundamentals of Data Visualization Claus Wilke https://clauswilke.com/dataviz/
R Graphics Cookbook Winston Chang https://r-graphics.org/
R for Data Science Hadley Wickham - Garrett Grolemund r4ds - r4ds-es
Statistical Inference via Data Science A ModernDive into R and the Tidyverse Chester Ismay - Albert Y. Kim ModernDive

...

ggplot2 extensions https://exts.ggplot2.tidyverse.org/

76 / 82

Extenciones: - patchwork

install.packages('patchwork')
library(patchwork)
panel_a <- chic %>% 
  ggplot(aes(date, temp, color = year)) +
  geom_point()+
  theme_minimal() +
  theme(legend.position = "bottom")
panel_b <- chic %>%
  ggplot(aes(year, o3)) +
  geom_boxplot() +
   theme_minimal() 
# 
panel_a + panel_b

77 / 82

Extenciones: - cowplot

install.packages('cowplot')
library(cowplot)
panel_a <- chic %>% 
  ggplot(aes(date, temp, color = year)) +
  geom_point()+
  theme_minimal() +
  theme(legend.position = "bottom")
panel_b <- chic %>%
  ggplot(aes(year, o3)) +
  geom_boxplot() +
   theme_minimal() 
# 
cowplot::plot_grid(panel_a, panel_b, ncol = 1)

78 / 82

Extenciones: - ggrepel

chic %>% 
  group_by(year, season) %>% 
  summarise(mean = mean(temp)) %>% 
  ggplot(aes(year, mean)) +
  geom_point(aes(color = season))+
  geom_text(aes(label = season, color = season)) +
  theme_minimal() +
  theme(legend.position = "none")

# install.packages('ggrepel')
library(ggrepel)
chic %>% 
  group_by(year, season) %>% 
  summarise(mean = mean(temp)) %>% 
  ggplot(aes(year, mean)) +
  geom_point(aes(color = season))+
  geom_text_repel(aes(label = season, color = season)) +
  theme_minimal() +
  theme(legend.position = "none")

79 / 82

Extenciones: - ggalt

install.packages("ggalt")
library(ggalt)
chic %>% 
  group_by(year) %>% 
  summarise(mean_tem = mean(temp),
            min_temp = min(temp),
            max_temp = max(temp)) %>% 
  ggplot(aes(y = year, x = min_temp, xend = max_temp)) + 
  geom_dumbbell(size = 3, color = "#e3e2e1", 
               colour_x = "#5b8124", 
               colour_xend = "#bad744",
               dot_guide = TRUE,
               dot_guide_size = .25) +
  theme(axis.title = element_blank())

80 / 82

Extenciones: - ggtext

install.packages("ggtext")
library(ggtext)
labels <- c(
  setosa = "<img src='img/setosa.jpg'
    width='100' height='50' /><br>*I. setosa*",
  virginica = "<img src='img/virginica.jpg'
    width='100' /><br>*I. virginica*",
  versicolor = "<img src='img/versicolor.jpg'
    width='100' /><br>*I. versicolor*"
)
ggplot(iris, aes(Species, Sepal.Width)) +
  geom_boxplot() +
  scale_x_discrete(
    name = NULL,
    labels = labels
  ) +
  theme_minimal() +
  theme(
    axis.text.x = element_markdown(color = "black", size = 11)
  )

81 / 82

Mas sobre mi...

@PaulEfrenSantos
@PaulESantos
paulefrensa.rbind.io

82 / 82

Help

Keyboard shortcuts

↑, ←, Pg Up, k

Go to previous slide

↓, →, Pg Dn, Space, j

Go to next slide

Home

Go to first slide

End

Go to last slide

Number + Return

Go to specific slide

b / m / f

Toggle blackout / mirrored / fullscreen mode

Clone slideshow

Toggle presenter mode

Restart the presentation timer

?, h

Toggle this help

{ggplot2}

Visualización de datos

Ventajas de ggplot2

Libreria

Datos

La estructura de ggplot2

La estructura de ggplot2

Data

1. Data ggplot()

1. Data ggplot()

1. Data ggplot()

Estética

aes()

2. Estética aes()

Capas - Layers

geom_ - stat_

3. Capas geom_ - stat_

3. Capas: geom_point()

3. Capas: geom_point()

3. Capas: geom_point()

3. Capas: geom_point()

3. Capas: geom_point()

3. Capas: geom_line()

3. Capas: geom_line()

3. Capas: geom_line()

3. Capas: geom_line()

3. Capas: geom_density()

3. Capas: geom_density()

3. Capas: geom_density()

3. Capas: geom_density()

3. Capas: geom_histogram()

3. Capas: geom_histogram()

3. Capas: geom_histogram()

3. Capas: geom_histogram()

3. Capas: geom_bar()

3. Capas: geom_col()

3. Capas: geom_col()

3. Capas: geom_boxplot()

3. Capas: geom_boxplot()

3. Capas: geom_boxplot()

3. Capas: geom_boxplot()

3. Capas: Múltiples capas

3. Capas: Múltiples capas

3. Capas: Múltiples capas

3. Capas: Múltiples capas

Escalas

scales_

4. Escalas scale_

4. Escalas scale_

4. Escalas scale_x_ooo -scale_y_ooo

4. Escalas scale_x_ooo -scale_y_ooo

4. Escalas scale_x_ooo -scale_y_ooo

4. Escalas scale_x_ooo -scale_y_ooo

4. Escalas scale_color_ooo -scale_fill_ooo

4. Escalas scale_color_ooo -scale_fill_ooo

4. Escalas scale_color_ooo -scale_fill_ooo

Sistema de coordenadas

coord_

5. Sistema de coordenadas coord_

5. Sistema de coordenadas coord_cartesian()

5. Sistema de coordenadas coord_cartesian()

5. Sistema de coordenadas coord_flip()

5. Sistema de coordenadas coord_polar()

Facetas - Paneles

facet_

6. Facetas facet_wrap()

6. Facetas facet_grid()

6. Facetas facet_grid()

6. Facetas facet_grid()

Características visuales

theme() - theme_

7. Características visuales

7. Características visuales

7. Características visuales

7. Características visuales

Mas recursos

Libros:

Extenciones: - patchwork

Extenciones: - cowplot

Extenciones: - ggrepel

`geom_` - `stat_`

3. Capas `geom_` - `stat_`

`scales_`

`coord_`

`facet_`

`theme()` - `theme_`